Didactica Del Algebra PDF

Universidad Nacional Abierta
Vicerrectorado Acadmico
Subprograma de Diseo Acadmico
rea de Matemtica
Didctica
del
lgebra Lineal
y la
Probabilidad
Julio Mosquera
Audy Salcedo
Caracas, junio 2008
ndice
Presentacin ......................................................................................................
Mdulo 1 ...........................................................................................................
Unidad 1 ......................................................................................................
Leccin 1 .................................................................................................
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
Presentacin
Este curso, Didctica del lgebra Lineal y la Probabilidad (cod. 765), es el segundo de una
secuencia de cursos dedica al estudio de asuntos relacionados con la problemtica de la
enseanza, aprendizaje y evaluacin en matemticas en el mbito del a educacin superior.
La enseanza ha estado histricamente ligada a la actividad matemtica, podemos decir
que las matemticas se caracterizan por su estrecha relacin con la enseanza. Los ms
importantes tratados de matemticas, desde los antiguos como los Nueve Libros de las
Matemticas hasta los ms modernos artculos en revistas de frontera, fueron escritos para
comunicar resultados matemticos de manera que sean comprensible por otros, de manera
que el lector o lectora los entienda, los escudrie y verifique por su propia cuenta la
veracidad de los resultados reportados. En pocas palabras, son escritos para ensear. Loas
matemticos y matemticas ms influyentes son aquellas que han creado escuelas,
algunos de ellos incluso no han escrito sus ideas ms importantes, sino que las han
compartido oralmente con sus discpulos o colegas. Por otra parte, el lugar natural de
trabajo de los matemticos son las universidades. La mayora de los matemticos y
matemticas desarrollan su carrera profesional como investigadores ligados a la enseanza
universitaria. Es muy reducido el nmero de matemticos que se desenvuelve
profesionalmente fuera de las universidades o totalmente desconectado de la enseanza
universitaria. Incluso aquellos que trabajan en institutos de investigacin, como el Instituto
Venezolano de Investigaciones Cientficas (IVIC), en algn momento realizan labores
docentes. En conclusin, la actividad matemtica profesional est de una forma u otra
ligada a la docencia. Reconociendo esta realidad, los profesores del rea de Matemtica de
la Universidad nacional Abierta (UNA) consideraron conveniente que el futuro matemtico
recibiera una cierta formacin en el campo de la didctica de las matemticas. En particular
se decidi ofrecer dos curso de didctica, una del clculo y otras del lgebra lineal y la
probabilidad, y una prctica docente.
Los matemticos investigadores se han interesado por estudiar problemas de la enseanza
y el aprendizaje de las matemticas. Como sealamos arriba, la didctica no le es extraa a
los matemticos. Por ejemplo, matemticos de la talla de Freudenthal, en Holanda, Moore,
en Estados Unidos, y de Guzmn, en Espaa, se ocuparon de reflexionar sobre problemas d
ela enseanza y aprendizaje de las matemticas y propusieron maneras de resolverlos.
Freudenthal desarroll la fenomenologa didctica, Moore es conocido por el mtodo Moore y
de Guzman hizo importantes contribuciones en el campo de la resolucin de problemas. La
fenomenologa didctica, la cual dio origen a la matemtica realista, surge como una
respuesta en contra de las matemticas modernas. Freudenthal, a diferencia de muchos
matemticos, se opona al enfoque estructuralista propuesto por el grupo Bourbaki y Piaget
entre otros. El enfoque de las matemticas realistas es un o de los ms influyentes hoy en
da en la enseanza de las matemticas en la educacin secundaria. De Guzmn tambin le
dio especial nfasis a la importancia de la visualizacin en el aprendizaje de las matemticas
a nivel universitario. Tenemos que los matemticos investigadores, por muy destacados que
sean en su rea de especialidad, se han dedicado a la enseanza no slo en la universidad.
Notable es el caso de los matemticos de la ex-Unin Sovitica. Matemticos soviticos de
la talla de Kolmogorov y Gelfand escribieron materiales de divulgacin y educativos para
jvenes, algunos de ellos incluso dictaban conferencias sabatinas de matemticas en
escuelas secundarias. Famosas son las Lecciones Populares de Matemticas, las cuales se
encuentran todava en espaol publicadas por la editorial MIR de Mosc. El Centro Nacional
para el Mejoramiento de la Enseanza de la Ciencia (CENAMEC) puso en prctica en nuestro
pas el Proyecto Gelfand, con material elaborado pro este matemtico ruso, dirigido a
Didctica del lgebra y la Probabilidad
estudiantes de secundaria. Por otro lado, encontramos la posicin de Guy Brousseau quien
sostiene que slo los matemticos tienen la formacin adecuada en esta disciplina para
hacer didctica de las matemticas. Es decir, que para estudiar didctica de las
matemticas y hacer investigacin educacional en esta rea es necesario tener una
formacin matemtica previa.
Como su nombre lo indica, este curso se ocupa del estudio de la didctica del lgebra lineal
y la probabilidad. El curso est dividido en dos mdulos, el primero dedicado a la didctica
del lgebra lineal y el segundo a la didctica de la probabilidad. Ambos mdulos tiene la
misma estructura. Cada uno est compuesto de tres unidades y siete lecciones. Las
unidades 1, 2, 4 y 5 estn constituidas por dos lecciones respectivamente, mientras que las
unidades 3 y 6 estn formadas por tres unidades respectivamente.
Algunos de los temas tratados en este curso coinciden con temas ya estudiados en el curso
de Didctica del Clculo. Tratamos de no ser repetitivos y de ms bien profundizar en su
estudio. En particular, en este curso le dedicamos especial atencin al diseo de unidades
didcticas.
Como ya sealamos la unidad mnima de organizacin de los contenidos son las lecciones.
El contenido de la leccin est diseado para que sea asimilable en cuatro horas de trabajo,
no necesariamente continuas, a la semana. La realizacin de todas las actividades incluidas
en cada leccin le exigir de un tiempo adicional de estudio.
Para estudiar el contenido de este curso y realizar las actividades usted necesitar tener
acceso a varias herramientas, tecnologas y materiales. Primero que todo, usted deber
tener un cuaderno de trabajo especialmente para este curso. La didctica del lgebra lineal,
al igual que esta rama de las matemticas no es un deporte de espectadores. Las
matemticas y su didctica no se aprenden viendo a otros hacer cosas o leyendo sobre lo
que otros han hecho. Para aprender se requiere que usted se involucre de manera
disciplinada y con dedicacin a estudiar, eso significa reflexionar sobre los contenidos,
identificar las ideas principales, realizar las actividades propuestas, responder a la autoevaluacin, plantearse preguntas, compartir con otros en persona o por la va virtual y
disear objetos de aprendizaje que se incorporen a las unidades didcticas por usted
elaboradas. Segundo, debe localizar en el Centro de Documentacin de su Centro Local el
CD con el emulador del ClassPad 300. El programa Casio Acadmico nos don copias de esa
aplicacin para ser usadas por nuestros estudiantes, usted podr copiar ese CD para instalar
la aplicacin en una computadora en la que usted pueda trabajar. Tercero, es necesario que
usted pueda tener acceso con cierta frecuencia a una computadora con conexin a internet.
Algunas de las actividades incluidas en este curso requieren que usted realic bsquedas en
internet y explore el uso de algunas aplicaciones generales y especficas que son tiles para
la enseanza y el aprendizaje del lgebra lineal. Cuarto, necesitar tener acceso a dos o
ms libros de lgebra Lineal, incluyendo el texto de la UNA, para realizar algunas de las
actividades propuestas y revisar contenidos de esta materia para reflexionar sobre su
enseanza y aprendizaje a partir de textos escritos.
Julio Mosquera
Mdulo 1
Objetivo del Mdulo:

Estudiar elementos terico-prcticos de las Didcticas del lgebra Lineal
dentro del marco de la Educacin Matemtica.
Introduccin
Como ya sealamos en la presentacin el contenido de este curso est organizado en dos
mdulos. El Mdulo 1 incluye contenido sobre didctica del lgebra Lineal. Este mdulo est
dividido en tres unidades. La primera unidad est dedicada a la investigacin en didctica
del lgebra Lineal. Dicha unidad est dividida en dos lecciones, la primera incluye
contenidos sobre los marcos tericos usados por los investigadores y la segunda incluye una
revisin de la investigacin en el campo de la didctica del lgebra Lineal. La segunda
unidad est dedicada a asuntos ms prcticos que tiene que ver con la inclusin de la
historia y el uso de tecnologas en la enseanza del lgebra Lineal. Esta unidad tambin
est dividida en dos lecciones. Por ltimo, la Unidad 3 trata el tema del diseo de unidades
didcticas. Esta unidad est compuesta de tres lecciones. En la primera de estas lecciones
presentamos unas ideas generales acerca de las unidades didcticas, en la segunda
entramos en materia del diseo de objetivos educacionales y en detalles acerca de
estrategias de aprendizaje, y en la ltima leccin entramos en materia de la evolucin de las
unidades didcticas con especial nfasis en la evolucin de los aprendizajes logrados por los
estudiantes.
Unidad 1
Objetivo 1:
Estudiar diversas aproximaciones tericas e investigaciones en
didctica del lgebra Lineal.
Introduccin
Esta primera unidad del Mdulo 1 est dedicada a la presentacin de temas sobre la
investigacin en didctica del lgebra Lineal. El contenido de esta unidad est distribuido en
dos lecciones. En la Leccin 1 presentamos unas consideraciones acerca de la didctica
como disciplina, como rama de la pedagoga. En particular consideramos la didctica de las
matemticas como rama de la pedagoga de las ciencias matemticas. Por tanto,
explicaremos primero como concebimos la pedagoga de las ciencias matemticas y luego
pasaremos a una discusin sobre la didctica de las matemticas; por ltimo, entramos en
el tema de la didctica del lgebra lineal como prembulo al contenido de la segunda
leccin.
En la Leccin 2 presentamos una revisin de la investigacin en el campo de la didctica del
lgebra Lineal. Una vez estudiado el contenido de esta unidad, usted estar mejor
preparado para comprender la diversidad en este campo as como las principales corrientes
en que se ha desarrollado la investigacin. Esperamos tambin que usted se interese por
profundizar en este campo ms adelante por su propia cuenta. Tal vez, llegu usted a
realizar una investigacin independiente sobre algn problema en particular en la
enseanza, aprendizaje y evolucin del lgebra Lineal.
El contenido de esta unidad es principalmente de tipo terico. Pensamos que la teora y la
prctica no se pueden separar, y que ninguna debera privilegiarse sobre la otra. Por tanto,
consideramos esta formacin terica inicial de suma importancia para el estudio del resto
del material incluido en esta unidad, as como para su prctica actual o futura en el aula. De
igual manera consideramos que su prctica tanto como estudiante actualmente y como
futuro matemtico investigador y profesor de matemticas le llevar a reformularse la
teora. Es slo en la prctica, ambas como estudiante de matemticas y como profesor de
alguna rama de esta disciplina, que se puede valorar la teora.
Leccin 1
Didctica de las Matemticas
Como sealamos en la introduccin a esta unidad, la Leccin 1 est dedicada a la
presentacin de unas ideas generales acerca de la pedagoga de las ciencias matemticas y
de la didctica de las matemticas como una rama de la misma. La didctica del lgebra
lineal es pues considerada como una parte de esta ltima. Dedicamos una buena parte de la
leccin el estudio de tres metodologas especficas a las didcticas de las matemticas.
Pedagoga de las ciencias matemticas
La idea de desarrollar una pedagoga matemtica o de las ciencias matemticas no es del
todo novedosa. Gaztelu (1913) esboz algunos elementos de dicha pedagoga, dedicada en
especial la formacin matemtica de los futuros ingenieros en Espaa. Tambin se han
realizado trabajos que apuntan al desarrollo de una didctica de las matemticas desde una
perspectiva ibero-americana (por ejemplo: Mosquera, 1988). Adems, no es nuevo el
intento de desarrollar una pedagoga latinoamericana o que responda a las situaciones
particulares de nuestros pases, entre muchos otros podemos mencionar los trabajos de
Santiago Rocca (1957), Ander-Egg (1979) y Freire (2000, 2005/1962, 2005/1992). Se trata
ms bien de rescatar la importancia de la pedagoga como gua y fundamento para las
actividades de enseanza, aprendizaje y evaluacin de las matemticas en la escuela y
fuera de ella. En estas notas se esbozan algunas ideas acerca de una pedagoga de las
ciencias matemticas y su pertinencia.
Es cierto que en nuestro pas se ha escrito mucho sobre educacin, pero hemos teorizado
muy poco sobre la enseanza, el aprendizaje y la evaluacin. Contamos con una escasa
produccin nacional original en esta materia. En general, nos hemos limitado a una
adopcin casi ciega de teoras extranjeras de la enseanza y del aprendizaje. Casos muy
notables reciente son la adopcin del constructivismo, o de una amalgama de
constructivismos, como base terica de la reforma curricular de las dos primeras etapas de
la Educacin Bsica, y el mtodo de proyecto como metodologa para organizar el trabajo
escolar.
En Venezuela, se ha hablado de didctica de las matemticas para referirnos a la
disciplina que se encarga de la investigacin y desarrollo centrada en la enseanza de las
matemticas en la escuela. En un nmero de escuelas de educacin de algunas de nuestras
universidades hay ctedras con ese nombre. Ms recientemente se introdujo la expresin
metodologa de la enseanza de la matemtica para referirse a este campo. Tambin
se ha usado en nuestro pas la expresin enseanza de la matemtica. Tenemos
programas de postgrado identificados con ese trmino, una asociacin profesional y su
revista oficial llevan ese mismo nombre. Por otro lado, en el mundo anglosajn suele
hablarse de educacin matemtica para referirse al campo diferenciado de produccin de
saberes que se ocupa de asuntos relacionados con la enseanza, aprendizaje y evaluacin
de las matemticas en la escuela. Este trmino se asumi en nuestro pas de manera
acrtica, incluso se asumi como trmino oficial de la asociacin profesional que agrupa a los
investigadores y profesores de matemticas. Por ltimo, tenemos el caso de los mexicanos
quienes han promovido el uso de la expresin matemtica educativa para distinguirse de
los anglosajones. En resumen, se han usado diversas terminologas para referirse al campo
o disciplina dedicada a la investigacin y desarrollo en la enseanza, aprendizaje y
evaluacin en matemticas. Hay quienes proponen la adopcin de la expresin anglosajona
educacin matemtica, porque el trmino didctica es en general asociado a una simple
10
coleccin de tcnicas de enseanza. Todava no se ha llegado a un consenso al respecto.

Tampoco se ha dado una discusin entre los miembros de la comunidad de educadores
matemticos sobre este asunto. En muchos pases del continente se ha adoptado la
expresin educacin matemtica. Particularmente pienso que es ms conveniente usar la
expresin pedagoga de las ciencias matemticas. No se trata de una nueva terminologa.
Como dije al comienzo, se trata de rescatar, recuperar el pensamiento pedaggico para el
campo de la educacin en matemticas. La expresin propuesta est compuesta de dos
trminos, primero PEDAGOGA y segundo CIENCIAS MATEMTICAS. A continuacin
presento algunas argumentaciones sobre cada uno de estos elementos.
Lo sealado anteriormente nos lleva a asumir que hablar de la enseanza, del aprendizaje y
de la evaluacin en matemticas slo tiene sentido dentro del marco de un proyecto
pedaggico. De lo contrario estaramos cayendo dentro de un mero didactismo. Como
seala Paulo Freire (1997), no existen proyectos pedaggicos neutros, todo proyecto
pedaggico es poltico y se encuentra empapado de ideologa. El asunto es saber a favor de
qu y de quin, contra qu y contra quin se hace la poltica de la que la educacin jams
prescinde (p. 52). La psicologizacin de la educacin, en especial la centrada en el
constructivismo, nos oculta este aspecto poltico e ideolgico de los proyectos pedaggicos.
Yo opto por una educacin para todos, comprometida de manera muy particular con los
sectores de la sociedad formados por aquellos, como dice Freire, que simplemente
sobreviven. La apropiacin de las matemticas y el desarrollo del pensamiento matemtico
por parte de estos sectores de la sociedad es fundamental para salir de esa situacin de
slo sobrevivir. Por otro lado, tenemos que la evaluacin juega un papel muy importante en
determinar quienes sobreviven en la escuela.
En nuestro pas se debati muy poco acerca de si debemos hablar de matemtica o
matemticas en los tiempos de la matemtica moderna. Dada la influencia de esta ltima se
impuso el uso del trmino en singular. La asignatura en la escuela pas a llamarse
Matemtica. A pesar de esta influencia no se lleg a lograr una unificacin de la disciplina en
la escuela. Tampoco se estandariz el uso del trmino. Por ejemplo, hay departamentos de
matemtica y cursos de matemticas. Incluso en nuestro campo hay autores que hablan de
didctica de las matemticas mientras que otros hablan de didctica de la matemtica.
Encontramos tambin el uso de las expresiones matemticas puras y aplicadas, tal es el
caso de un departamento que lleva ese nombre en una reconocida universidad venezolana.
Para evitar esta proliferacin de terminologa y estar a tono con los desarrollos recientes en
el campo de las matemticas adopto la expresin ciencias matemticas. Muchas veces por
razones de brevedad usar simplemente el trmino matemticas.
Desde la perspectiva de las ciencias matemticas, la atencin se fija en el desarrollo del
pensamiento matemtico. Esto significa que se supera la divisin tradicional de las
matemticas en geometra, aritmtica, lgebra y trigonometra que ha prevalecido en las
matemticas escolares. Siguiendo las argumentaciones de Steen (1998), considero el
sistema total de las matemticas formado por ideas entre las que encontramos estructuras
matemticas especficas como Nmeros, Algoritmos, Razones, Formas, Funciones y Datos;
atributos tales como: lineal, peridico, simtrico, continuo, aleatorio, mximo, aproximado y
uniforme; acciones como representar, controlar, demostrar, descubrir, aplicar, construir un
modelo, experimentar, clasificar, visualizar y calcular; abstracciones como smbolos, infinito,
optimizacin, lgica, equivalencia, cambio, semejanza y recursin; actitudes como
preguntarse, querer decir, belleza y realidad; comportamientos como movimiento, caos,
resonancia, iteracin, estabilidad, convergencia, bifurcacin y oscilacin; y dicotomas como
Discreto vs. Continuo, Finito vs. Infinito, Algortmico vs. Existencial, Estocstico vs.
Determinista y Exacto vs. Aproximado (Steen, 1998, pp. 9-10).
La compleja diversidad de las ciencias matemticas es enfatizada en este enfoque, de ella
surgen ideas para la construccin de un currculo tejido con varios hilos conductores. Como
11
seal anteriormente, estos hilos conductores no se limitan a la tradicional divisin de las

matemticas en ramas. Es importante sealar que dentro de esta perspectiva tambin se
supera la visin de las matemticas de un ao o nivel determinado como preparacin para
las matemticas que se estudiarn en el ao o nivel siguiente.
Para terminar, la propuesta de una pedagoga de las ciencias matemticas permitira darle
forma a la disciplina y evitara falsas dicotomas, como la introducida por DAmore quien
divide la didctica en dos toletes denominados A y B respectivamente. Este tipo de
dicotomas contribuye a fomentar la separacin entre la teora y la prctica pedaggica, lo
cual es insostenible e inaceptable. En nuestra propuesta nos acercamos ms bien a la
definicin de la pedagoga de las ciencias matemticas como soporte para una ciencia del
diseo que incluye a la didctica y la metodologa de la enseanza.
Didctica de las matemticas
La didctica de las matemticas se ocupa de estudiar el proceso didctico. El proceso
didctico est formado por tres componentes y las relaciones entre ellos, estos son: 1) el
contenido de la enseanza, 2) la enseanza y 3) el estudio (Danilov, 1960). Cuando
hablamos de contenido de la enseanza nos referimos al curso o asignatura, al conjunto de
conocimientos organizados para la enseanza, para que los estudiantes lo puedan asimilar
mediante el estudio activo. Por ejemplo, cuando nos referimos al lgebra lineal en el
contexto del proceso didctico, se trata del conocimiento seleccionado para ser enseado en
cursos de esta rama de las matemticas. La enseanza, labor del profesor, consiste de la
exposicin de la asignatura, la organizacin de las actividades de aprendizaje en las
unidades didcticas, en tratar de formar en los estudiantes el hbito de razonar
matemticamente, en dirigir el estudio individual de los estudiantes y en evaluar los
aprendizajes logrados por los estos. Nos referimos tanto a la enseanza que se realiza en el
aula en presencia de los estudiantes como a la que se realiza a distancia por medio de
materiales instruccionales impresos o distribuidos por la web. Por ultimo, el estudio se
refiere a la variedad de actividades que deben realizar los estudiantes para asimilar el
contenido. Entendemos el estudio como el componente del proceso didctico que conecta la
enseanza con el aprendizaje. En otras palabras, el profesor ensea el contenido
especificado en un curso determinado, si los estudiantes estudian asimilarn los contenidos;
de lo contrario no aprendern. No importa cuanto esfuerzo haga un profesor por ensear un
contenido dado, si los estudiantes no estudian nunca aprendern. Esta caracterizacin del
estudio cobra an ms relevancia en el contexto de la educacin a distancia.
Partiendo de la consideracin anterior, tenemos que la didctica se ocupa de estudiar
problemas relacionados con la enseanza, el contenido de la enseanza y el estudio;
disear soluciones para esos problemas y evaluar su bondad. En el caso que nos ocupa en
este curso se trata entonces de problemas que tiene que ver con la enseanza del lgebra
lineal, los contenidos de lgebra lineal que se ensean y el estudio del lgebra lineal.
Por otro lado, asumimos que la didctica de las matemticas e una ciencia del diseo. Es
decir no se queda en el estudio de los problemas, sino que busca soluciones y las evala.
Una vez identificados los problemas se disean intervenciones para resolverlos y se evala
su efecto, tal como se hace en la ingeniera y en otras ciencias del diseo. Para lograr este
fin, en la didctica de las matemticas se han desarrollado, adaptado o adoptado
metodologas especficas, tales como: a) el experimento didctico, b) la ingeniera didctica
y c) el estudio de la leccin.
Estas metodologas fueron desarrolladas dentro de diferentes tradiciones en educacin
matemtica. El experimento didctico fue desarrollado originalmente en la Unin Sovitica,
bajo la influencia de las escuelas psicolgicas y educacionales soviticas. Posteriormente,
una versin del experimento didctico fue desarrollada en los Estados Unidos,
particularmente por los investigadores de la Universidad de Georgia . La ingeniera
12
didctica es una creacin de la escuela didctica francesa. Y la leccin investigacin es una

metodologa desarrollada en Japn.
Experimento didctico
El experimento didctico fue desarrollado por psiclogos y pedagogos soviticos. Esta
metodologa fue descubierta por educadores matemticos estadounidenses como
resultados de las traducciones trabajos de investigacin soviticos de educacin
matemtica, como parte del trabajo del Grupo de Estudio de la Matemtica Escolar, el cual
funcionaba en la Universidad de Chicago. Ms tarde, una adaptacin de esta metodologa
fue hecha por los constructivistas de la Universidad de Georgia, Estados Unidos, entre los
que se destaca Leslie Steffe. El primer trabajo en espaol sobre el experimento didctico fue
presentado por Mosquera (1989) en la III Reunin Centroamericana y del Caribe de
Formacin de Profesores e Investigacin en Matemtica Educativa que se realiz en San
Jos, Costa Rica.
La prohibicin, en 1936, de la teora y prctica de la psicometra en la Unin Sovitica tuvo
un impacto tremendo en la metodologa de investigacin en el campo de la psicologa de la
educacin (Bogoyavlensky y Memchinskaya, 1973). Los psiclogos de la educacin
comenzaron a modificar su espacio de problemas. Entonces comenzaron a estudiar las
transformaciones cognoscitivas que se producen los estudiantes bajo la influencia del
sistema educativo. En especial,
() fue necesario aclarar cmo los mtodos de enseanza y el contenido de las
nociones determinan las caractersticas psicolgicas del aprendizaje, y cual es el
significado de la actividad de los propios alumnos durante el aprendizaje ()
(Bogoyavlensky y Memchinskaya, 1973, p. 125)
Sobre este aspecto, Zankov (1973) seala que
La simple observacinaunque esencial para establecer los aspectos tpicos de
la enseanzano poda proporcionar material para valorar la eficacia de cada
mtodo. A este propsito se us un experimento de enseanza, en forma de
lecciones especiales realizadas en condiciones escolares normales, y de tareas
experimentales realizadas por un nmero restringido de alumnos. (p. 272)
Este cambio de actitud se puede resumir en la afirmacin: los procesos mentales no se slo
se manifiestan durante la actividad, sino que se forman durante la actividad. Esta idea se le
atribuye a Rubinstein (Bogoyavlensky y Memchinskaya, 1973). As, hace su entrada
definitiva la teora de la actividad en la psicologa sovitica.
Los psiclogos de la educacin empezaron a dedicarse a estudiar el desarrollo cognoscitivo
del nio bajo la influencia de la educacin y la enseanza. Esto les llev al desarrollo de un
nuevo tipo de experimento natural, el experimento de enseanza (Bogoyavlensky y
Memchinskaya, 1973). Durante la realizacin de este tipo de experiemnto: los propios
psiclogos enseaban y formaban nociones, habilidades o hbitos, acoplando en el curso de
los experimentos el estudio y la accin (Bogoyavlensky y Memchinskaya, 1973, p. 127).
Los psiclogos de la educacin soviticos tambin estudiaron el trabajo de docentes
identificados como expertos en la enseanza de asignaturas especficas (Fleshner, 1973).
Adems, combinaban en sus estudios la enseanza experimental con experimentos
individuales (Krutetsky, 1973).
Rubinstein (1967) en su crtica al experimento tradicional en psicologa, propone la
introduccin de variaciones metdicas, que vienen a ser como una combinacin entre le
experimento y la observacin, as como otros mtodos auxiliares (p. 56). En particular,
Rubinstein hace referencia al experimento natural, el cual fue diseado por Lasurski.
Precisamente, en experimento natural se combinan la experimentalidad con la naturalidad
13
de las condiciones en las que se realiza el estudio. En este tipo de experimento, primero el
investigador indaga sobre la actividad a estudiar y los rasgos que le interesa estudiar,
posteriormente se observan los procesos a estudiar en condiciones naturales, sin la
intervencin del investigador. Lasurski resaltaba la necesidad de evitar la influencia directa
del investigador sobre los participantes y la situacin como una forma de garantizar la
naturalidad del experimento (Rubinstein, 1967).
Rubinstein (1967) desarroll una variante del experimento natural de Lasurski. En esta
variante se supone que el nio se desarrolla bajo la influencia de la educacin y la
enseanza en la escuela. Por tanto, no es posible pensar en el mantenimiento de
situaciones fuera de toda influencia. Adems, se considera que la influencia ejercida en los
estudiantes por medio de la accin pedaggica es natural. Por tanto,
Estudiamos al nio mientras le enseamos. No renunciamos al experimento a
favor de la observacin del proceso pedaggico, sino que utilizamos los
elementos de la influencia pedaggica en el experimento y estudiamos al nio
en las lecciones experimentales. En ellas no nos esforzamos por fijar en
primer lugar el estadio o el nivel en el cual se halla el nio, sino en ayudarle a
progresar desde ese nivel al siguiente superior. En ese progreso reconocemos
luego las leyes de la psique infantil. (Rubinstein, 1967, p. 57)
Ingeniera didctica
La ingeniera didctica surgi en el campo de la didctica de las matemticas francesa. La
ingeniera didctica surgi a principios de los aos 80, Como seala Douady (1996):
En este contexto el trmino ingeniera didctica designa un conjunto
secuencias de clase concebidas, organizadas y articuladas en el tiempo
forma coherente por un maestro-ingeniero para efectuar un proyecto
aprendizaje de un contenido matemtico dada para un grupo concreto
estudiantes. [] (p. 241)
de
de
de
de
La ingeniera didctica es caracterizada por Douady como el motor de la didctica de las

matemticas.
Para Artigue (1996), la ingeniera didctica es un esquema experimental basado en
realizaciones didcticas en el aula, esto es, en la concepcin, realizacin, observacin y
evaluacin. En la ingeniera didctica se distinguen tradicionalmente dos niveles: (1) microingeniera y (2) macro-ingeniera. Otra caracterstica de esta metodologa de investigacin
es su inters en la validez interna, fundada en la confrontacin entre el anlisis a priori y a
posteriori. Las principales diferencias entre la ingeniera didctica y otras metodologas de
investigacin en educacin matemtica no se encuentran en sus objetivos, sino en su
funcionamiento metodolgico.
Artigue (1996) identifica cuatro fases de la ingeniera didctica:
1. Anlisis previo. El trabajo en esta fase se apoya en un cuadro terico didctico
general y en conocimientos didcticos ya adquiridos en el dominio estudiado.
Tambin se apoya en una serie de anlisis:
Epistemolgico de los contenidos propuestos para la enseanza,
De la enseanza habitual y de sus efectos,
De las concepciones de los alumnos, de las dificultades y obstculos que marcan

su evolucin,
Del campo de restricciones en el cual va a situarse la realizacin didctica,
14
(), tener en cuenta los objetivos especficos de la investigacin (Artigue, 1996,

p. 198)
Estos anlisis pueden hacerse en tres dimensiones, las cuales son:
la dimensin epistemolgica asociadas a las caractersticas del saber en juego;
la dimensin cognitiva asociada a las caractersticas cognitivas del pblico al que

est dirigido la enseanza;
la dimensin didctica asociada a las caractersticas del funcionamiento del

sistema de enseanza. (Artigue, 1996, p. 200)
2. Concepcin y anlisis a priori de las situaciones didcticas de la ingeniera.

El investigador toma la decisin de actuar sobre un nmero determinado de
variables, las cuales supone pertinentes para el problema estudiado, del sistema no
fijadas por las restricciones. Encontramos dos tipos de estas variables: microdidcticas (o locales) y macro-didctica (o globales). Segn Artigue (1996), hay una
tendencia a considerar primero variables macro-didcticas, tales como: uso de
tecnologa o el diseo de recursos adecuados para el estudio, y luego se pasa a las
variables locales; el plano del proceso de enseanza considerando las alternativas
locales. El hecho que las variables macro-didcticas sean consideradas de antemano
a las variables micro-didcticas, no significa que sean independientes de estas
ltimas.
El objetivo del anlisis a priori es, pues, determinar de qu forma permiten las
opciones efectuadas controlar los comportamientos de los alumnos y e sentido de
esos comportamientos (Artigue, 1999, p. 205). Este anlisis contempla dos partes:
(a) descriptiva y (b) predictiva. Tradicionalmente, en este anlisis a priori:
Se describen la opciones efectuadas al nivel local (remitindolas, eventualmente,

a las opciones globales), y las caracterstica de las situaciones a-didcticas,
Se analiza el peso que la inversin en esta situacin puede tener para el alumno,
particularmente en funcin de la accin, de la opcin, de la decisin, del control y
de la validacin de que l dispone, una vez operada la devolucin, en un
funcionamiento casi aislado del profesor,
Se prevn los campos de comportamientos posibles y se procura mostrar de que

forma el anlisis efectuado permite controlar el sentido de esos campos y asumir,
en particular, que los comportamientos esperados, si intervinieran, resultaran
claramente de la aplicacin del conocimiento establecido por el aprendizaje.
(Artigue, 1996, p. 205)
Tradicionalmente, el profesor est poco presente en el anlisis a priori. Este tratamiento del
profesor se justifica por razones histricas. La didctica de las matemticas en Francia se
desarroll bajo la influencia del constructivismo de la escuela de Ginebra, liderada por
Piaget. Esta se caracteriza por el rescate de la importancia del estudiante. Pero, este rescate
signific la marginacin del profesor, tanto al nivel de la modelizacin como de la
teorizacin. Resalta Artigue (1996) que el profesor juega un papel marginal en la didctica
de las matemticas francesa. An ms, en los fenmenos didcticos en que estn
implicados son considerados como ruidos relativos al funcionamiento. De alguna manera, el
contrato didctico permite la entrada del profesor del profesor en el sistema didctico como
actor.
3. Experimentacin. Esta fase no necesita mucha explicacin, ya que se refiere a la
puesta en prctica de las actividades planificadas.
15
4. Anlisis a posteriori y de evaluacin. Se apoya en el conjunto de los datos

recogidos durante la experimentacin: observaciones de las sesiones de enseanza,
incluyendo tambin producciones de los estudiantes dentro y fuera del aula. Con
frecuencia, estos datos son complementados con datos obtenidos por medio de
metodologas externas; tales como: cuestionarios, pruebas individuales o grupales,
etc. Es oportuno recordar que en la confrontacin de los resultados del anlisis a
priori y del anlisis a posteriori es que se fundamenta la validacin de las hiptesis
considerada sen la investigacin. Esta validacin interna no tiene que ver con la
validacin estadstica tpica de los estudios que se basan en la comparacin de un
grupo control con un grupo experimental.
La ingeniera didctica se ocupa de dos problemas importantes: (a) la reproducibilidad y (b)
la obsolescencia.
Actividad 1.1
Compare y contraste el experimento didctico y la ingeniera didctica.
Leccin de estudio
La metodologa leccin de estudio fue creada en Japn y descubierta por investigadores de
los pases occidentales durante el desarrollo del Third International Matemtics and Science
Study (TIMSS). En China se usa una metodologa que tiene muchos elementos en comn
con la leccin de estudio (Marton y Mai Fing, 2003). Esta metodologa fue divulgada
ampliamente en Occidente por medio del libro de Stigler y Hibert (1999). La expresin
study Lesson fue acuada por Makoto Yoshida a partir del trmino japons jugyou
kenkyuu. Sobre este asunto Catherin Lewis comenta lo siguiente:
Kenkyuu jugyou significa research lesson (o study lesson), y se refiere a las
lecciones que los profesores planifican, observan y discuten conjuntamente.
Jogyou kenkyuuusando las mismas dos palabras anteriores pero en orden
invertidosignifica lesson research (o lesson study), y se refiere al proceso de
mejoramiento instruccional del cual la research lesson es la pieza fundamental.
(p. 2, citado en Marton y Mai Fing, 2003)
Hasta aqu tenemos entonces que, segn Lewis, la metodologa es la leccin de estudio y las
lecciones de investigacin son las lecciones diseadas por los profesores y forman su ncleo
central. Entre los pases occidentales, particularmente en los Estados Unidos numerosos
educadores han mostrado un especial inters por esta metodologa. Por ejemplo, el
prestigioso Teachers College, de la Universidad de Columbia, ha creado el Lesson Study
Research Group dedicado a la investigacin y desarrollo usando la metodologa del estudio
de la leccin.
Las lecciones de investigacin tienen cinco caractersticas comunes: (1) son observadas por
otros profesores, (2) son planificadas por los profesores cooperativamente, usualmente este
proceso toma un tiempo considerable, (3) se centran en un objetivo educacional particular,
(4) son registradas y documentadas y (5) son discutidas por los profesores involucrados
(adaptado por Marton y Mai Fing, 2003 de Lewis (2000) y Lewis y Tsuchida (1998)).
La leccin de estudio puede ser considerada como un proceso de desarrollo profesional
donde un grupo de profesores se involucran para examinar su prctica, con el objetivo de
ser ms efectivos. Adems, la leccin de estudio es un intento de mejorar el aprendizaje en
los estudiantes. La prctica es examinada en el contexto del desarrollo cooperativo de un
pequeo nmero de lecciones investigacin. Este desarrollo cooperativo incluye la
planificacin, la enseanza, la observacin y la crtica de las lecciones. Para darle direccin y
propsito a su trabajo los profesores seleccionan un objetivo y preguntas de investigacin
16
relacionadas. Estas preguntas de investigacin sirven para guiar el trabajo de los profesores
en todas las lecciones investigacin.
Uno de los principales supuestos en los que se basa la leccin de estudio es que el lugar
ms efectivo para mejorar la enseanza es el contexto de una leccin en el aula. Se plantea
tener como punto de partida la leccin, de esta manera se piensa que el problema de cmo
aplicar los resultados de la investigacin al aula desaparece. Las mejoras surgen dentro de
la misma aula, en primer lugar (Stiegler y Hibert, 2003).
Los profesores que se embarcan en una leccin de estudio, conjuntamente elaboran un plan
detallado para la leccin. Este plan ser usado por uno de los profesores en su aula, los
otros miembros del grupo observan el desarrollo de la leccin. Luego el grupo se rene para
discutir las observaciones sobre la leccin. Con frecuencia, el grupo revisa la leccin y luego
un segundo profesor implementa sta en su clase, y el grupo tambin observa esta nueva
puesta en prctica de la leccin. El grupo de reunir otra vez para discutir las clases
observadas. Como paso final, el profesor produce un reporte de aquello que han aprendido
de su leccin investigacin, poniendo nfasis especial en su pregunta de investigacin.
La leccin de estudio es un proceso de cambio desde la base, opuesto al modelo de cambios
impuestos desde arriba. La puesta en prctica de un estudio de la leccin requiere primero
que todo la formacin de un Grupo de Estudio de la Leccin (GEL), formado por un nmero
de cinco a siete profesores. El GEL se rene tres a cuatro veces por semana. El objetivo de
estas reuniones es desarrollar y mejorar una leccin experimental modelo. Los profesores
se toman un ao entero en desarrollar varias lecciones de 45 minutos. Los GEL no estn
relacionados con procesos de evaluacin del desempeo de los profesores ni con
recompensas salariales. Estos grupos son bastante populares y tenidos en alta estima entre
los profesores japoneses. Veamos a continuacin, en detalle, el proceso de la leccin de
estudio:
1. Definir el problema y el objetivo de aprendizaje. El GEL identifica un objetivo de
aprendizaje general o especfico para ser tratado en una leccin en un aula, la cual
ser enseada por uno de los miembros del GEL y observada por el resto de sus
miembros.
2. Investigar y planificar la leccin. Los miembros del GEL revisan investigaciones
reportadas en artculos de revistas y libros relevantes para el problema propuesto.
La leccin es desarrollada con bastante detalle. Se escoge siempre un problema para
iniciar cada leccin. Este problema es discutido con detenimiento y diseado,
adaptado o escogido de manera tal que est en sintona con las experiencias e
inters es de los estudiantes que recibirn esta leccin. Es diseada la manera
precisa como el profesor presentar el problema a los estudiantes. El GEL resuelve el
problema, desarrollan todas las soluciones posibles, se piensa en las posibles
respuestas, pensamientos y preocupaciones que surgiran en los estudiantes al
trabajar en el problema, y cmo el profesor respondera a ellas. Los preparativos de
la leccin incluyen el uso del pizarrn y la manera cmo el profesor cerrar cada
leccin. Una vez que el GEL completa el diseo del estudio de leccin para el
problema detectado, ste es presentado a todos los profesores de la escuela. Con las
observaciones de los colegas, los miembros del GEL preparan la versin del estudio
de la leccin que ser implementado.
3. Ensear la leccin. El da anterior, en Japn acostumbran hacerlo en la noche
anterior, a la puesta en prctica de la leccin, los profesores preparan todos los
materiales necesarios y ensayan la leccin. El da de la leccin, los profesores del
GEL asisten para observar a su colega, pasean por toda el aula observando
minuciosamente las reacciones de los estudiantes. Las clases de los otros profesores
son mientras tanto atendidas por dos estudiantes como monitores sin supervisin de
17
ningn adulto. Algunas veces, adems de la observacin in situ, se graba el

desarrollo de la leccin.
4. Evaluar, reflexionar y revisar. Los miembros del grupo suelen quedarse despus
de terminada la jornada para reflexionar y evaluar la leccin. Primero interviene el
profesor que ense la leccin, luego interviene cada miembro del grupo, discuten
sobre las partes de la leccin que salieron bien y las que no, basndose siempre en
sus observaciones sobre el trabajo de los estudiantes. El centro de la atencin es la
leccin, no el profesor. El principal objetivo del GEL es disear una mejor leccin y
todos estn comprometidos con ese objetivo.
5. Ensear la leccin revisada. La leccin revisada es enseada otra vez, a un grupo
diferente de estudiantes, con frecuencia por un miembro diferente del GEL. Esta
segunda vez todos los profesores de la escuela son invitados a observar la leccin.
Este evento es interesante y hasta dramtico, porque en escuelas grandes muchas
veces hay en el aula ms profesores que estudiantes.
6. Evaluar, reflexionar y compartir los resultados. El paso siguiente es la discusin
de la leccin con todos los profesores de la escuela, algunas veces invitan a algn
experto de otra institucin. En esta reunin son recogidas todas las observaciones,
los miembros del GEL registran todo este proceso en un libro escrito por ellos
mismos para ser compartido con otros profesores. Este libro es almacenado en la
sala de recursos de la escuela, algunos de estos libros llegan a ser publicados para
ser usados en todo el pas. Algunas veces sucede que profesores de otras escuelas
son invitados a observar lecciones en la escuela, en una especia de feria de la
leccin, este momento es considerado como una ocasin festiva para los profesores.
Las lecciones modelo son discutidas en conferencias nacionales de profesores y guan
las acciones de los profesores en todo el pas (toda esta informacin fue tomada de
Morgan, 2001, disponible en as1.seattleschools.org/alt_ed/lesson_study.htm).
Stigler y Hibert (1999, citado en Marton y Mai Fing, 2003) identificaron ocho pasos en el
diseo de una leccin de estudio. Encontramos algunas diferencias entre esos pasos y los
descritos anteriormente propuestos por Morgan (2001). Primero,
Al igual como sucedi con el experimento didctico sovitico, en Occidente se desarroll una
nueva metodologa que surge del estudio de la leccin. Esta nueva metodologa es la leccin
de aprendizaje propuesta por Marton (2002) en Noruega.
Actividad 1.2
1. Compare y contraste el experimento didctico con la leccin de estudio.
2. Compare y contraste la ingeniera didctica con la leccin de estudio.
3. Elabore una tabla donde identifique los elementos
metodologas.
comunes
entre estas tres
En esta seccin estudiamos la didctica como proceso e hicimos nfasis en su carcter de

ciencia del diseo. Dedicamos especial atencin a tres metodologas caractersticas de la
didctica de las matemticas: a) el experimento didctico, b) la ingeniera didctica y c) el
estudio de la leccin. Estas metodologas han sido usadas por educadores matemticos de
manera particular para indagar sobre problemas propios de la didctica de las matemticas
y el diseo de soluciones a esos problemas.
Didctica del lgebra lineal
La didctica del lgebra Lineal es una de las ramas ms jvenes de la didctica de las
matemticas. Aunque aisladamente se haban publicado trabajos de investigacin sobre
temas de enseanza y aprendizaje del lgebra Lineal, no es sino en la dcada de 1990 que
18
comienza a estudiarse esta ltima de manera sistemtica. Podemos distinguir dos grandes
corrientes en esos comienzos. Por un lado, el movimiento de reforma curricular que se inici
en los Estados Unidos motorizado por el Linear Algebra Curriculum Group (Grupo del
Currculo en lgebra Lineal). Por el otro lado, encontramos las investigaciones iniciadas por
J. Dorier en Francia dentro del campo de la didctica de las matemticas francesa. Estos dos
movimientos no agotan, como veremos ms adelante, todo lo que se ha hecho en didctica
del lgebra Lineal. Ms recientemente, se inicia la investigacin en didctica del lgebra
Lineal dentro de la lnea de investigacin del denominado pensamiento matemtico
avanzado, la cual fue fundada por Dubinsky. Usted ya tuvo la oportunidad de estudiar sobre
esta lnea en el curso de Didctica del Clculo. En la leccin que sigue veremos un buen
nmero de casos de investigaciones en didctica del lgebra lineal.
A manera de conclusin, partimos de una presentacin de la pedagoga de las ciencias
matemticas y distinguimos a la didctica de las matemticas como una de sus ramas.
Seguido pasamos a considerar a la didctica del lgebra lineal como un caso particular de la
didctica de las matemticas. La didctica del lgebra lineal se ocupara entonces de
estudiar el proceso didctico referido a la educacin en contenidos de esta rama de las
matemticas.
Referencias
ANDER-EGG, Ezequiel (1979). Hacia una pedagoga autogestionaria. Caracas: El Cid.
BEDOYA M., Jos I. (2001): Epistemologa y pedagoga. Bogot: Ecoe.
BOGOYALENSKY, D. N. y MENCHISKAYA, N. A. (1973). La psicologa del aprendizaje desde
1900 a 1960. En M. CECCHINI (comp.), Psicologa y pedagoga (pp. 119-188).
Madrid: Akal.
COBB, Paul y STEFFE, Leslie P. (1983). The constructivist researcher as teacher and model
builder. Journal for Research in Mathematics Education, 14, 83-94.
DANILOV, M. A. (1968). El proceso de enseanza en la escuela. (L. ABOLLADO VARGAS,
Trad.). Mxico: Grijalbo. (Original 1960)
DAVIDOV, V. (1988). La enseanza escolar y el desarrollo psquico (M. SHUARE, Trad.)
Mosc: Progreso. (original 1986)
ENGELHARDT, P. V., CORPUZ, E. G., OZIMEK, D. J. y REBELLO, N. S. (2001). The teaching
experimentWhat it is and what it isnt. Disponible en:
www.phys.ksu.edu/~engelhar/The%20Teaching%20Experiment.pdf. Consultado en:
31 de mayo de 2004.
FLESHNER, E. A. (1973). Psicologa del aprendizaje y de la aplicacin de algunos conceptos
de fsica. En M. Cecchini (comp.), Psicologa y pedagoga (pp. 213-232). Madrid:
Akal.
FREIRE, Paulo (2000). Pedagogia da indignacao. Sao Paulo: UNESP.
FREIRE, Paulo (2005). Pedagoga de la autonoma. (Guillermo PALACIOS, Trad.). Mxico:
Siglo XXI. (Original 1966)
FREIRE, Paulo (2005). Pedagoga de la esperanza. (Stella MASTRANGELO, Trad.).
Mxico: Siglo XXI. (Original 1992)
GAZTELU, Luis (1913). Principios de la moderna pedagoga matemtica. Revista de Obras
Pblicas, Ao LXI, Nm. 1.956, pp. 145-149.
KANTOWSKI, Mary G. (1978). The teaching experiment and Soviet studies of problem
solving. En L. L. HATFIELD y D. A. BRADBARD (Comps.), Mathematical problem
19
solving: Papers from a research workshop (pp. 43-52). Columbus: Ohio State
University.
KRUTETSKY, V. A. (1973). Algunas caractersticas del pensamiento en escolares con
escasa aptitud para las matemticas. En M. Cecchini (comp.), Psicologa y pedagoga
(pp. 233-256). Madrid: Akal.
MOSQUERA, Julio (1988). A strategy for the development of a didactics of mathematics for
Ibero-America. Tesis de Maestria no publicada. University of Georgia, Atenas, Estado
Unidos.
PETROVSKI, A. (1985). Psicologa evolutiva y pedaggica. (L. SALINAS, trad.). Mosc:
Progreso. (original 1973)
SANTIAGO ROCCA, Manuel (1957). Una pedagoga de inspiracin latinoamericana.
Mxico: Herrero.
STEFFE, Leslie P. (s.f.). The constructivist teaching experiment: Illustrations and
implications. Trabajo no publicado.
STEFFE, Leslie P. y Thompson, P. W. (2000). Teaching experiment methodology:
Underlying principles and essential elements. En R. LESH y A. E. KELLY (comps.),
Research design in mathematics and science education (pp. 267-307). Hillsdale:
Erlbaum.
THOMPSON, Patrick (1979). The constructivist teaching experiment in mathematics
education research. Trabajo presentado en la Research Reporting Session, Annual
Meeting of the National Council of Teachers of Mathematics, Boston.
Auto-Evaluacin 1
1. Indique cules son lo componentes del proceso didctico..
2. Explique en qu consiste el experimento didctico.
3. Elabore un breve ensayo donde describa la ingeniera didctica.
4. Describa el estudio de la leccin o leccin de estudio.
5. Cul es el centro de atencin de la perspectiva de las ciencias matemticas?
6. Elabore una lista de las ideas identificadas por Steen como elementos importantes de las
matemticas.
7. Cul el principal objetivo que se busca con la introduccin de la expresin pedagoga de
las ciencias matemticas?
8. Cul es el objeto de estudio de la didctica de las matemticas?
Leccin 2
Investigacin en Didctica del lgebra Lineal
Como sealamos al inicio de esta Unidad, la Leccin 2 est dedicada a una revisin de la
investigacin en didctica del lgebra Lineal. No pretendemos ser exhaustivos en esta
revisin. Lo importante es que usted se forme una visin general de los principales
problemas que se han investigado, de las metodologas utilizadas y de los principales
resultados reportados.
Primeros pasos en la investigacin
El primer trabajo que hemos identificado en el campo de la educacin matemtica sobre la
enseanza y aprendizaje del lgebra lineal es la tesis de doctorado de Harel (1985),
presentada ante la Universidad Ben-Gurion en Israel. Por tanto, consideramos a este autor
como el pionero en esta materia. Esa investigacin tena que ver con la enseanza del
lgebra lineal en la escuela secundaria (High-school en Israel). Ms tarde ese mismo autor
se ocup de la enseanza de esta rama de las matemticas a nivel universitario (Harel,
1989, 1997, 1999). En el primero de estos trabajos, Harel (1989) se basa en el principio de
las incorporaciones1 mltiples propuesto por Z. P. Dienes a principios de los aos de 1960.
Este principio haba sido utilizado exclusivamente en el caso de representaciones concretas
de conceptos de las matemticas elementales, hasta que Harel (1989) lo us en temas de
lgebra lineal a nivel universitario. En este ltimo caso se plantea como problema que las
incorporaciones usadas frecuentemente en ese nivel no son concretas sino abstractas. Por
ejemplo, la mayora de los libros de texto de lgebra lineal revisados por Harel (1989) usan
incorporaciones algebraicas en lugar de incorporaciones geomtricas y prestan poca
atencin a la familiarizacin de los estudiantes con las incorporaciones usadas. Harel (1989)
se plante la pregunta siguiente: Un nfasis en la incorporacin en un sistema geomtrico
familiar lleva a los estudiantes a una mejor comprensin del concepto de espacio vectorial
que un nfasis en una incorporacin en una variedad de sistemas algebraicos no
familiares? (p. 49). Este sistema geomtrico familiar es una incorporacin semi-conreta.
Para que ese proceso de incorporacin funcione se requiere que la situacin usada sea
familiar y comprendida completamente por los estudiantes (Harel, 1989).
En este estudio participaron setenta y dos estudiantes del segundo semestre universitario
en un curso de lgebra lineal para estudiantes inscritos en un programa de tecnologa en
una universidad en Israel. Los estudiantes fueron asignados aleatoriamente a dos grupos, A
y B respectivamente, de treinta y seis miembros cada uno. Ambos grupos recibieron clases
n
de un mismo profesor, el cual us principalmente el sistema R para ilustrar ideas

abstractas enseadas en clase, sin hacer referencia a la interpretacin geomtrica de esas
ideas (Harel, 1989). Ambos grupos recibieron dos horas de clase adicionales semanalmente
de recitacin2, el grupo A recibi clases extras con una variedad de incorporaciones de las
ideas abstractas que fueron tratadas en las clases anteriores. Mientras que el grupo B
recibi el tratamiento regular del grupo A slo durante una hora y en la otra 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.
22
un tratamiento especial mostrando como las ideas de espacio vectorial pueden ser
incorporadas geomtricamente (Harel, 1989). Despus de cuatro semanas de tratamiento
se les administr una misma prueba a ambos grupos, sta contena problemas sencillos
sobre espacios vectoriales que poda ser resueltos aplicando directamente la definicin de
espacio vectorial. Ninguno de los problemas en la prueba, excepto de una variante de uno
de ellos, fue discutido previamente en clase (Harel, 1989). Tres variables en las respuestas
de los estudiantes fueron consideradas: (a) Descripcin (a.1. geomtrica, a.2. algebraica,
a.3. otras), (b) Respuesta final (b.1. Correcta, b.2. Incorrecta y b.3. en blanco) y (c)
Justificacin (c.1. Correcta, c.2. Incorrecta, c.3. en blanco) (Harel , 1989).
Los resultados obtenidos soportan la hiptesis acerca del efecto superior de las
incorporaciones geomtricas familiares comparado con las incorporaciones algebraicas no
familiares. Por otro lado, el bajo nmero de respuestas correctas de los estudiantes en uno
de los problemas con sistemas algebraicos cuyos elementos son colecciones de nmeros o
funciones es una muestra de lo difcil que resulta para los estudiantes trabajar con este tipo
de incorporaciones. Algunos estudiantes en el grupo A prefirieron usar el modo geomtrico,
al que no fueron expuestos durante el estudio, y estudiantes del grupo B prefirieron el modo
algebraico aunque fueron expuestos al geomtrico. Harel (1989) atribuye las diferencias
entre el desempeo en la prueba de ambos grupos a los diferentes enfoques de enseanza
a que fueron expuestos cada grupo, y basa esta conclusin en la distincin que hace Vinner
(1983) entre concepto imagen y concepto definicin. Sobre estos conceptos volveremos
ms adelante. Por ltimo, Harel (1989) concluye que el proceso de incorporacin es
esencial para construir un concepto imagen deseado de conceptos abstractos (p. 57) y que
dicho proceso requiere tomar en consideracin la familiaridad de los estudiantes con esas
incorporaciones y el modo de representacin. Adems, las incorporaciones geomtricas
familiares parecieran ser una contribucin significativa a la formacin del concepto imagen,
mientras que aquellos modelos matemticos cuyos elementos son una coleccin de nmeros
o funciones deben ser tratados con precaucin.
Pocos aos despus de la publicacin del trabajo de doctorado de Harel (1985), Jean-Luc
Dorier (1990) present su tesis de doctorado, en Francia, donde report una investigacin
hecha desde el enfoque predominante en la didctica francesa de las matemticas, liderada
por Brousseau y Chevallard, sobre la enseanza de los primeros conceptos del lgebra lineal
a nivel universitario. Los trabajos de Harel publicados hasta ese momento eran conocidos
por Dorier como lo evidencia su inclusin en la lista de referencias bibliogrficas en otro
trabajo donde reporta parte de su tesis de doctorado (Dorier, 1991).
Dorier (1991) formula lo que podramos llamar un programa de investigacin y desarrollo,
en el marco de la didctica francesa, cuyos objetivos son desarrollar ingenieras didcticas
locales cuyo agrupamiento lleve a un enfoque general de la enseanza del lgebra lineal.
Su punto de partida, siguiendo la tradicin didctica francesa, es un anlisis histricoepistemolgico de la gnesis de los conceptos elementales del lgebra lineal que se ensean
a nivel universitario en Francia y se propone desarrollar un ingeniera didctica para su
enseanza. La consideracin de estos dos asuntos hace que su propuesta incorpore la
investigacin y el desarrollo curricular.
Producto del anlisis histrico, Dorier (1991) identifica cuatro etapas generales en el
desarrollo de los conceptos elementales del lgebra lineal, las cuales son: (1) los nexos
entre el estudio de los sistemas lineales y la emergencia de los primeros conceptos
(combinacin lineal, dependencia e independencia lineal, generadores, rango, dimensin,
etc.), (2) la gnesis de los conceptos de rango y dimensin que son en efecto aspectos de
un mismo concepto que nos parece ser fundamental en el campo del lgebra lineal
elemental, (3) la evolucin gradual desde unos resultados dispersos hasta una teora
unificada y (4) la aparicin de los primeros enfoques axiomticos y de su predominio tardo
(Dorier, 1991).
23
Desde el punto de vista histrico, la resolucin y el estudio de los sistemas de ecuaciones

lineales jug un papel particularmente importante en la gnesis de los conceptos
elementales del lgebra lineal. Adems, el anlisis didctico y epistemolgico nos conduce a
pensar en que un buen conocimiento de los sistemas lineales es una adquisicin importante
para el aprendizaje del lgebra lineal (Dorier, 1991). El anlisis histrico nos permite
explicitar las limitaciones de tipo epistemolgico, mientras que el anlisis posterior permite
encontrarnos con las restricciones de tipo cognoscitivo. Dorier (1991) se propone un
proyecto didctico de larga duracin que se construye sobre la base de un cuerpo de
ingenieras didcticas locales, un conjunto coherente de ingenieras que abarcan varios
temas de lgebra lineal.
Harel (1989) y Dorier (1991) fueron los primeros en investigar sobre algunos aspectos de la
enseanza y el aprendizaje del lgebra lineal. El primero se basa en una perspectiva
cognoscitiva, desarrolla en el campo de la educacin matemtica, propuesta por Dienes. El
segundo se apoya en el enfoque de la didctica francesa de las matemticas, en particular
la ingeniera didctica (ver Leccin 1). La investigacin sobre el aprendizaje y enseanza del
lgebra lineal se ha continuado desarrollando en ambas direcciones. Otra rea en que se
han producido trabajos interesantes es en la del diseo curricular.
Actividad 2.1
Elabore una lista de lo problemas investigado en esta primera etapa de la didctica del
lgebra lineal.
Investigacin sobre el conocimiento a ensear
Se inici, durante la ltima dcada del siglo pasado, en los Estados Unidos un movimiento
de reforma de la enseanza del lgebra lineal a nivel universitario siguiendo en cierta forma
esfuerzos previos por reformar la enseanza del clculo diferencial e integral en ese mismo
nivel. Los matemticos interesados en llevar adelante esa reforma se agruparon en una
organizacin denominada Linear Algebra Currculo Study Group (LACSG). En agosto de
1990, el LACSG realiz un taller nacional para discutir asuntos relacionados con los
problemas de la enseanza y aprendizaje del lgebra lineal. A este taller asistieron
principalmente matemticos y representantes de otras profesiones donde se hace uso del
lgebra lineal. Uno de los productos de ese taller fue un conjunto de recomendaciones para
mejorar el currculo de esta materia. Este acontecimiento ocurre en cerca de los aos en
que aparecen los primero trabajos de investigacin educativa sobre el lgebra lineal, por
ejemplo Harel (1985, 1989) y Dorier (1990). Unos aos despus, el LACSG, conjuntamente
con la Mathematical Association of America (MAA), public un libro (Carlson y otros (a),
1997) donde recopilan una serie de trabajos sobre la enseanza y aprendizaje del lgebra
lineal agrupados en cinco categoras: (1) el papel del lgebra lineal, (2) el lgebra lineal
vista por las disciplinas cliente, (3) la enseanza del lgebra lineal, (4) exposicin del
lgebra lineal y (5) aplicaciones del lgebra lineal. Para los efectos de nuestra investigacin
nos interesa pasar revista a los artculos incluidos en la tercera categora.
El primer artculo (Carlson, 1997) sirve de introduccin al conjunto de artculos agrupados
bajo el subttulo de enseanza del lgebra lineal. Este artculo es complementado por un
trabajo del LACSG (Carlson y otros (b), 1997) donde se presentan las recomendaciones
antes mencionadas y el programa de estudio detallado para el primer curso de lgebra
lineal universitario basado en esas recomendaciones.
Carlson (1997) comienza llamando la atencin sobre la dificultad que encuentran los
estudiantes para apropiarse de conceptos del lgebra lineal como subespacio, conjunto
generador e independencia lineal. Cuando los estudiantes tienen que aprender estos
conceptos se confunden y desorientan. Como si una densa niebla los cubriera y no pueden
ver donde estn o hacia donde van (Carlson, 1997, p. 39). La mayora no logra salir de la
24
niebla, entonces surge la pregunta: Por qu son estos conceptos tan difciles para los
estudiantes? Carlson identifica las razones siguientes: 1) el lgebra lineal se ensea muy
temprano, 2) estos son conceptos, no se trata de algoritmos computacionales, 3) algoritmos
diferentes son requeridos para trabajar con estas ideas en contextos diferentes y 4) estos
conceptos son introducidos sin conexin substancial con experiencias previas de los
estudiantes y sin ejemplos y aplicaciones significativas.
A comprensin de las ideas centrales del lgebra lineal requieren de trabajo duro,
persistencia y atencin de parte del estudiante, sin importar cual sea el trabajo del profesor.
No hay manera de eliminar completamente la niebla, pero se puede hacer un esfuerzo por
mitigarla. El trabajo del LACSG apunta precisamente en esa direccin. Uno de los productos
de ese trabajo es una propuesta de un primer curso de lgebra lineal a nivel universitario.
n
Este curso est centrado en la matrices o matriz orientado, el cual trata con R en lugar de
espacios vectoriales abstractos (Carlson, 1997). El plan de este curso sugiere enfatizar una
n
interpretacin geomtrica de R , autovalores, autovectores y ortogonalidad. Este nfasis es

considerado importante porque permite establecer algunas conexiones con las experiencias
previas de los estudiantes con la geometra. Otra caracterstica de este curso es proponer
que la enseanza de los conceptos proceda de lo concreto, y a partir de numerosos casos
prcticos y ejemplos para desarrollar los conceptos generales principales y la teora
correspondiente (Carlson y otros(b), 1997). Adems, se le presta especial atencin a las
necesidades requeridas de parte de otras disciplinas o profesiones, como por ejemplo
economa e ingeniera. Los estudiantes de estas carreras en general no estn muy
interesados o motivados para tomar un curso de lgebra lineal abstracta.
Carlson (1997) enfoca el problema de la enseanza y el aprendizaje del lgebra lineal desde
la perspectiva de un matemtico. l se pregunta: Cmo aprendemos nosotros los
matemticos?, y responde que todo comienza con un estmulo inicial, un artculo o una
conversacin, luego trabajamos con ejemplos, hacemos conjeturas, resolvemos problemas,
hacemos demostraciones y, finalmente, nos comunicamos con nuestros colegas, tanto por
escrito como oralmente (Carlson, 1997). Este enfoque le parece en sintona con la
perspectiva constructivista del aprendizaje y la ms conveniente para guiar la enseanza del
lgebra lineal. Segn este autor, los estudiantes pueden aprender a aprender matemticas
de la manera antes descrita, pero necesitan que se les ensee explcitamente. El profesor
tiene que estimular a los estudiantes para que asuman la responsabilidad de su propio
aprendizaje, es decir, que trabajen duro y de forma efectiva. De esta manera se considera
que aquello que los estudiantes hacen despus de cada clase, el trabajo independiente con
el material tratado en la clase es de suma importancia, tal vez ms importante que la propia
clase (Carlson, 1997). La manera de estimular y dirigir en la direccin de las directrices del
curso el trabajo del estudiante se propone la resolucin de problemas como estrategia.
Desde esta perspectiva los problemas propuestos juegan un papel fundamental en el
aprendizaje.
Carlson (1997) cierra su artculo con cinco recomendaciones para los profesores de lgebra
lineal: 1) la prctica enfocada es importante para el aprendizaje, 2) el temor impide el
aprendizaje, pero el aprendizaje puede vencer al temor, 3) la prctica requiere de
motivacin, y el xito y el estmulo parcial son buenos motivadores, 4) la elegancia en la
presentacin del profesor no necesariamente ayuda a estudiante a aprender. Finalmente
concluye que: (i) aquellos estudiantes que desean aprender matemticas, pueden
aprenderlas con mucho trabajo duro y enfoque, (ii) los matemticos que como yo quieren
convertirse en profesores ms efectivos, pueden hacerlo con mucho trabajo duro y enfoque
(Carlson, 1997, p. 50).
Como mencionamos ms arriba, en un taller realizado en 1990, el LACSG elabor una serie
de recomendaciones para mejorar la enseanza del lgebra lineal en la universidad. Estas
25
recomendaciones son las siguientes: (1) El programa y la presentacin del primer curso de
lgebra lineal debe responder a las necesidades de las disciplinas donde sta se usa, (2) los
departamentos de matemticas en las universidades deberan considerar hacer su primer
curso de lgebra lineal un curso orientado hacia las matrices, (3) los profesores deben
considerar las necesidades e intereses de los estudiantes como aprendices, (4) debe
estimularse que los profesores usen las tecnologas en el primer curso de lgebra lineal y
(5) por lo menos un segundo curso en teora de matrices/lgebra lineal debera tener una
alta prioridad en todo currculo de matemticas (Carlson y otros (b), 1997). Los miembros
del LACSG consideran que el primer curso de lgebra lineal debe ser el ms til de todos los
cursos de matemticas que tomen los estudiantes en la universidad. Escapa del mbito de
esta investigacin presentar los detalles del programa de estudio del primer curso de
lgebra lineal universitario propuesto por el LACSG. Algunos puntos resaltantes de esa
propuesta fueron mencionados en los prrafos anteriores.
Adems de la resolucin de problemas, otra estrategia de enseanza que ha sido
experimentada en cursos de lgebra lineal es el uso de proyectos (Cowen, 1997, Day,
1997). Las propuestas en esta direccin van desde la proposicin de un proyecto especfico
hasta el uso de una coleccin de proyectos para ser desarrollados durante todo el semestre.
Cowen (1997) reporta una experiencia personal con la asignacin de un proyecto que
consiste en determinar si un conjunto de diez puntos dados en el espacio tridimensional que
estn en un mismo plano se encuentran sobre una circunferencia. Este problema surgi en
el contexto de la industria automotriz, especficamente en la fabricacin de ciertas piezas
para vehculos por parte de un robot. Se trata en particular de la fabricacin de un tubo
para llenar el tanque de la gasolina, el cual tiene forma de un cilindro. Se trata de controlar
la calidad de las piezas fabricadas por el robot. Para ello se marcan diez puntos sobre una
de las bocas del tubo y se verifica si estn sobre una circunferencia. De lo contrario
tenemos que el tubo presenta una deformacin y tendramos que introducir ajustes en el
robot. Se supone que los estudiantes han sido expuestos al algoritmo de ortogonalizacin de
Gram-Schmidt y la aplicacin del lgebra lineal a la regresin de mnimos cuadrados. La
realizacin de este proyecto obliga a los estudiantes a integrar tpicos vistos en diversos
momentos durante el curso y algunos tratados en cursos previos (Cowen, 1991). Los
estudiantes tenan dos semanas para trabajar en este proyecto y el profesor les estimul
para que lo realicen en pequeos grupos.
Day (1997) relata sus experiencias y las reacciones de los estudiantes a sus intentos de
ensear el lgebra lineal de maneras diferentes a la tradicional. En los cursos tradicionales
de esta materia se cubre muy poco las propiedades de las matrices, aparentemente los
conceptos que en ellos se ensean no son asimilados completamente por los estudiantes y
su comprensin geomtrica de los conceptos bsicos del lgebra lineal es casi nula.
Adems, estos cursos no atienden adecuadamente las necesidades de otras carreras como
ingeniera y economa en cuanto a tpicos del lgebra lineal y sus aplicaciones.
Considerando estas deficiencias y las recomendaciones del LACSG, Day (1997) se propuso
comenzar a ensear su curso de lgebra lineal de manera diferente.
Su propuesta est centrada en la enseanza de las matrices y recurre a la interpretacin
geomtrica de algunos conceptos principales del lgebra lineal. En cuanto a la pedagoga
introduce los proyectos con computadoras y el trabajo en parejas para desarrollarlos. Sin
embargo, la teora sigue ocupando un lugar importante en esta propuesta aunque se limite
n
prcticamente a R .
Porter (1997) introduce la elaboracin de ensayos escritos como una estrategia para
promover el estudio de la teora en un curso de lgebra lineal centrado en las aplicaciones.
El uso de esta estrategia con este fin es motivado por la frecuente queja que a los
estudiantes se les dificulta la comprensin de conceptos tericos. Los ensayos escritos
fueron introducidos para estimular el estudio de la teora por parte de un grupo de cuarenta
26
estudiantes en un curso de lgebra lineal centrado en las aplicaciones. Los estudiantes

tuvieron que escribir ensayos, en parejas, sobre los temas tratados en el libro del curso. En
este libro se le daba muy poca cobertura a la teora por el nfasis que le pona a las
aplicaciones. Al igual que Day (1997), Porter (1997) propone un curso desde la perspectiva
sealada por el LACSG pero con el cuidado de no sacrificar la elegancia y la potencia de la
teora del lgebra lineal. Segn el autor los estudiantes participantes lograron un progreso
substancial en la comprensin de los tpicos tratados; sin embargo, no dejaban de mostrar
confusiones en sus ensayos (Porter, 1997). Los ensayos fueron corregidos por el profesor y
revisados por los compaeros de clase. La reaccin de los estudiantes hacia este proceso de
revisin fue variada, a unos le desagrad, a otros le pareci interesante y unos terceros la
vieron como irrelevante. Porter (1997) concluy de esta experiencia en el uso de trabajos
escritos en la clase de lgebra lineal que: (1) las tareas escritas lograron que los
estudiantes consideran seriamente la teora en un curso centrado en las aplicaciones, (2) las
tareas tienen que ser altamente estructurada como sea posible dado que los estudiantes no
estn familiarizados con este tipo de asignaciones y (3) debe incluirse en el curso la
enseanza de la mecnica de la escritura tcnica o, como mnimo, pedirle a los estudiantes
que lean algn material sobre la escritura cientfica.
Los trabajos descritos hasta ahora nos proveen de informacin anecdtica sobre
experiencias de matemticos tratando de cambiar sus prcticas de enseanza y el contenido
de sus cursos de lgebra lineal a nivel universitario bajo la influencia de las
recomendaciones del LACSG. Conjuntamente con estos artculos fueron publicados tres
trabajos (Dubinsky, 1997, Harel, 1997, Vinner, 1997) con una orientacin diferente. A
diferencia de los anteriores, en estos trabajos se trata de plantear una propuesta
pedaggica que forma parte de un programa de investigacin y desarrollo ms amplio, y
fueron escritos por educadores matemticos.
Actividad 2.2
Haga un resumen del contenido de esta seccin de la leccin.
Investigacin sobre el estudio
Dubinsky (1997) critica desde dos flancos la propuesta del LACSG, por un lado no le parece
del todo adecuado que el primer curso de lgebra lineal universitario est centrado en las
matrices, en particular la atencin al clculo con matrices. Critica adems que se pretende
identificar abstracto con poco prctico, y el enfoque centrado en las matrices como til. A lo
anterior agrega que la propuesta tal cual como es presentado por el LACSG no promueve en
los estudiantes una verdadera apreciacin del papel de la geometra en el lgebra lineal.
Segundo, opina que todos los trabajos presentados por los miembros del grupo son reportes
del sentido comn de los autores y donde se presentan meros registros anecdticos.
Dubinsky (1997) concluye sus crticas llamando la atencin sobre la necesidad de investigar
sobre cmo es el lgebra lineal realmente usada en otras disciplinas y sus cursos
respectivos.
Propone un enfoque alternativo basado en una versin particular del
constructivismo. sta es un interpretacin del constructivismo de Piaget y tiene como base
fundamental una visin particular del conocimiento matemtico, el cual es considerado
como
() una tendencia individual a responder, en un contexto social, a una situacin
problema percibida mediante la construccin, re-construccin y organizacin, en
su mente, acciones, procesos, objetos y esquemas matemticos con los cuales
trata con la situacin. (Dubinsky, 1997)
Esta declaracin general se hace especfica para un concepto matemtico en particular, en
este caso del lgebra lineal, mediante un proceso denominado descomposicin gentica.
Este se realiza mediante la descripcin de mecanismos para la construccin de conocimiento
27
matemtico y la aplicacin de esos mecanismos para describir instancias especficas de

construccin que pueden hacerse para comprender un tpico determinado de matemticas
(Dubinsky, 1997). Una descomposicin gentica, por tanto, es generada a partir de un
anlisis terico, al cual le sigue una evaluacin continua y la revisin de sta. La evaluacin
busca valorar la manera en que dicha descomposicin funciona como una descripcin de
cmo un concepto especfico puede aprenderse. En otras palabras, antes de considerar las
estrategias pedaggicas, es necesario analizar epistemolgicamente aquellos conceptos que
los estudiantes encuentran especialmente difciles de aprender. En este punto encontramos
cierta similitud con el trabajo de Dorier (1991) discutido al comienzo de esta seccin. Se
requiere llevar adelante investigaciones para determinar las construcciones mentales
especficas que el estudiante tendra que hacer para llegar a comprender un concepto
determinado. Una vez que tenemos esta informacin procedemos a desarrollar estrategias
pedaggicas que nos permitan llevar a los estudiantes a realizar esas construcciones y
utilizarlas en la resolucin de problemas (Dorier, 1997).
En el ncleo del programa de investigacin y desarrollo de Dubinsky (1997) se encuentra su
concepcin de un mecanismo para construir el conocimiento matemtico, tal como se seal
anteriormente. Tomando como punto de partida la idea de Piaget, conocer una cosa es
transformarla (Dubinsky, 1997, p. 95), se postula que el conocimiento est formado por
dos tipos de componentes: aquello que es transformado, llamado objeto, y las
transformaciones que el sujeto aplica al objeto las cuales son de dos tipos accin y proceso.
Para Dubinsky (1997), una accin es una transformacin que es una reaccin a un estmulo
el cual es percibido por el estudiante como externo. En la medida en que el sujeto
experimenta un nmero de veces las mismas instancias, o muy similares, estas son
repetibles para l o ella. Cuando se llega a este punto se dice que estamos ante un
esquema de accin. Este esquema comienza a convertirse en un objeto cuando el individuo
reflexiona sobre el esquema. Una vez que esta reflexin ocurre, el individuo considera el
esquema de accin como una parte de si mismo y comienza a establecer control sobre ste.
Dicho proceso de construccin a partir de una accin es denominado como interiorizacin.
Consideremos ahora la situacin en la que el individuo reflexiona sobre operaciones
aplicadas a un proceso particular, se hace consciente del proceso como una totalidad, cae
en cuenta que las transformaciones pueden actuar sobre ste y es capaz de construir tales
transformaciones. Segn Dubinsky (1997), entonces el individuo estara pensando en ese
proceso como un objeto y denomina a este proceso de construccin como encapsulacin.
Todo este mecanismo de construccin del conocimiento descrito hasta este punto se puede
representar como se muestra en la Figura 1.
Figura 1. Construccin de objetos y procesos (Dubinsky, 1997, p. 98)
28
Todos los conceptos tratados en el curso de lgebra lineal tienen que ser analizados en
trminos de la teora accin/proceso/objeto, en trabajos posteriores sta pasar a ser
denominada teora APOE (siglas en espaol, Dubinsky y McDonald, 2001), sobre este tema
volveremos ms adelante. A continuacin se procede a disear una instruccin que permita
al profesor guiar a los estudiantes en la construccin de las acciones, procesos y objetos
apropiados y su uso en la resolucin de problemas. Dubinsky (1997) descompone este
proceso en tres fases, en la primera fase nuestras ideas acerca de cmo los estudiantes
aprenden lgebra lineal depende casi exclusivamente de nuestra teora y de nuestro
conocimiento de las matemticas. La segunda fase consiste en disear y llevar a la prctica
una secuencia instruccional basada en los resultados obtenidos en la primera fase. En la
tercera fase pasamos a observar a los estudiantes tal como experimentan la enseanza, se
analizan esas experiencias en trminos de los resultados tericos y estos ltimos son
ajustados de manera tal que sean consistentes con los datos. El producto que obtenemos de
pasar por este proceso es un nuevo conjunto de descomposiciones genticas para los
conceptos del lgebra lineal, las cuales sern utilizadas en un segundo proceso pasando otra
vez por las mismas fases antes sealadas. De todo esto resulta que contemos con un
conjunto de descomposiciones genticas de los conceptos del lgebra lineal que son
derivados de (a) una sntesis de nuestra teora, (b) nuestro conocimiento de las
matemticas y (c) nuestro anlisis de las observaciones de los estudiantes en su intento de
darle sentido a estos conceptos (Dubinsky, 1997). Seala este autor que en la prctica este
proceso no ocurre al pie de la letra como fue descrito arriba. Porque un anlisis terico de
todos los tpicos incluidos en un primer curso de lgebra lineal antes de comenzar a
ensearlo no es prctico y quizs no deseable, se comienza ms bien por un pequeo
nmero de los conceptos ms importantes y se procede a inicia la enseanza y la
observacin. La fase de revisin nos permite introducir ajustes en las descomposiciones
genticas hechas en la primera fase y adems nos ayuda a agregar gradualmente nuevos
tpicos (Dubinsky, 1997).
Otro aspecto importante de la propuesta de Dubinsky (1997) es el uso de las computadoras
en la clase de lgebra lineal. Desde su perspectiva la tecnologa debe ser usada para algo
ms que una herramienta de calcular. Ms bien se trata de que los estudiantes construyan
implementaciones de conceptos matemticos, mediante la programacin, en la
computadora. Se busca que se establezcan conexiones entre la construccin par la
computadora, expresada en un lenguaje de programacin, y la construccin de proceso y
objetos, en el sentido de la teora APOE. Para Dubinsky (1997) los estudiantes podran
aprender una buena cantidad de matemticas usando este mtodo.
La propuesta del LACSG para un primer curso de lgebra lineal a nivel universitario busca
promover un cambio en la enseanza de manera tal que los estudiantes logren una
comprensin slida de los principales tpicos de esa rama de las matemticas. Harel (1997)
se propone elaborar una serie de indicadores para esa comprensin, sealar factores
esenciales para construirla y un conjunto de sugerencias para la enseanza de tpicos de
lgebra lineal. Su propuesta de basa en las ideas de concepto imagen y concepto definicin
propuestas por Vinner (1985) en el contexto de la construccin del concepto de funcin. Un
concepto definicin es una definicin verbal, la cual es presentada de forma escrita en el
libro de texto o por el profesor en la clase, y que describe sin ambigedades el concepto.
Mientras que un concepto imagen es un esquema mental, no necesariamente del tipo
descrito por Dubinsky (1997), una red que consiste de dos aspectos: (1) aquello que ha
sido asociado con el objeto en la mente del individuo y (b) lo que la persona puede hacer en
relacin con el concepto (Harel, 1997). Una vez aclarados estas ideas, tenemos que Harel
(1997) propone cinco indicadores para un efectivo concepto imagen: (1) concepto definicin
versus concepto imagen, (2) recordar, (3) comunicar ideas, (4) pensar en trminos
generales y (5) conectar ideas. Veamos brevemente a que se refieren cada uno de estos
indicadores. Desde esta perspectiva decimos que un estudiante comprende un concepto si
29
posee un concepto imagen efectivo. Siendo el indicador ms importante para la

comprensin de un concepto la habilidad para resolver problemas relacionados con ese
concepto. Recordar es algo ms que memorizar. Los estudiante suelen, segn Harel
(1997), basar su aprendizaje de las matemticas en definiciones tratando de
memorizrselas al pie de la letra. Es decir, se esfuerzan por aprenderse el concepto
definicin. Sin embargo, en la ausencia de un concepto imagen que le sirva de sustento al
concepto definicin. Estos estudiantes no son capaces de retener el concepto definicin
correspondiente por un largo perodo de tiempo. Por el contrario, cuando los estudiantes
construyen un concepto imagen adecuado, no slo memorizar un concepto definicin, son
capaces de leer y escribir acerca del concepto y lo comunican a otros sin sentir la necesidad
de referirse a la definicin formal o al concepto definicin cada vez que el trmino que lo
denomina es mencionado (Harel, 1997). El hecho de que los conceptos estn definidos en
trminos generales no garantiza que los estudiantes sean capaces de pensar en los
conceptos en trminos generales. Los estudiantes tienden a continuar razonando con
imgenes de objetos concretos, an mucho tiempo despus que fueran expuestos a los
respectivos conceptos definiciones. En este indicador, pensar en trminos generales, se
contempla adems que comprender implica conocer el por qu y no slo el cmo (Harel,
1997). La viabilidad de un concepto imagen aumenta en la medida en que se conecta con
otros conceptos matemticos. En el caso del lgebra lineal encontramos un campo
especialmente rico en conexiones entre ellos y con conceptos de otras ramas de las
matemticas as como de otras disciplinas. Esto hace del lgebra lineal un tema
particularmente interesante. A manera de resumen, tenemos que para desarrollar conceptos
imagen efectivos, los estudiantes deben aprender no slo a memorizar conceptos
definiciones sino que tienen que construir conceptos imagen que le permitan recordar lo
aprendido, pensar en trminos generales y conectar ideas matemticas (Harel, 1997).
Una vez establecidos los indicadores, Harel (1997) identifica tres factores en la construccin
de conceptos imagen efectivos, estos factores son:
1. Dedicacin del tiempo apropiado al curso de lgebra lineal.
2. Formacin previa y preparacin del estudiante en lo que respecta al
contenido (objetos, lenguaje e ideas que son nicas para el lgebra lineal).
3. Formacin previa y preparacin del estudiante en relacin con el concepto de
demostracin. (Harel, 1997, p. 112)
Sostiene Harel (1997) que es necesario expandir el tiempo dedicado a la enseanza de
temas del lgebra lineal y recomienda que se haga incluyendo tpicos de esta rama de las
matemticas en la educacin secundaria. El beneficio de exponer los estudiantes a estos
tpicos va ms all de aprender a hacer operaciones con marices y calcular determinantes,
ms bien se tratara de establecer las bases para la construccin de conceptos imagen ricos
y efectivos sobre las transformaciones lineales, conjunto generador, espacio vectorial e
independencia lineal. Lograr este propsito requiere transformar el currculo de matemticas
para la educacin secundaria, tengamos en cuenta que este autor se refiere al caso de los
Estados Unidos. Sugiere Harel (1997) que tal reforma se realice en dos mbitos. Primero,
que ciertos tpicos tradicionales de secundaria sean enseados desde la perspectiva del
lgebra lineal, por ejemplo los sistemas de ecuaciones. Segundo, que se disminuya el
tiempo dedicado a la enseanza del clculo y se le de espacio a tpicos de lgebra lineal
propiamente dichos. Es oportuno resaltar que en los Estados Unidos algunos estudiantes
toman cursos de clculo en la escuela secundaria (High School).
Basndose en sus propias investigaciones, Harel (1997) propone un programa, de tres
fases, para la enseanza del lgebra lineal en la escuela secundaria. En la primera fase se
trabaja con espacios Geomtricos de segmentos dirigidos, en este contexto se introducen
los conceptos bsicos del lgebra lineal, tales como dependencia, independencia,
30
combinacin lineal, base y dimensin. En la segunda fase estos conceptos son estudiados
junto a los espacios algebraicos R1, R2 y R3, los cuales son construidos apoyndose en la
idea de vector coordenado. Y por ltimo, en la tercera fase, todos estos conceptos son
definidos nuevamente en Rn, con la introduccin de las transformaciones lineales y su
representacin matricial en R2 y R3. Harel (1997) cierra su discusin sobre aspectos
pedaggicos haciendo referencia al denominado principio de necesidad, en el cual
fundamente su propuesta. Este principio establece que los estudiantes para aprender tiene
que ver la necesidad de aquello que queremos que aprendan, aqu necesidad significa
necesidad intelectual, en el sentido opuesto de necesidad econmica o social. Por ejemplo,
un caso de violacin de este principio sera derivar la definicin de espacio vectorial a partir
n
de las propiedades de R que cumple los axiomas de espacio vectorial (Harel, 1997).
El ltimo de los trabajos, en el libro del LACSG, que consideremos aqu es el de Vinner
(1997). Este autor seala que la solucin de los problemas detectados en el aprendizaje y
la enseanza del lgebra lineal va ms all de la elaboracin de nuevos libros de texto y de
reformar el currculo. Se requiere prestar atencin a los procesos de pensamiento de los
estudiantes. La discusin en torno a la propuesta del LACSG y su propio enfoque los basa
Vinner (1997) en la distincin, hecha por Richard Skemp, en entre la comprensin relacional
y la comprensin instrumental. Vinner (1997) opina que la propuesta del LACSG corre el
riesgo de ser dominada por el enfoque procedimental, en detrimento del enfoque
conceptual, este ltimo promotor de la comprensin instrumental.
Este enfoque
procedimental es adems reforzado por las exigencias de las disciplinas cliente, aquellas
que requieren del lgebra lineal para resolver ciertos problemas, donde se pone nfasis en
el uso del lenguaje de sta ms que en la red conceptual, en otras palabras, se enfatiza el
aprendizaje de procedimientos en lugar de conceptos. Por otro lado, ciertos desarrollos
propios de la educacin matemtica, lo que Artin (citado por Vinner, 1997, p. 158)
denomina entusiasmo con el descubrimiento del isomorfismo entre las transformaciones
lineales de un espacio n-dimensional y las matrices nxn, motivaron el abandono del enfoque
geomtrico en la enseanza del lgebra lineal y que se pusiera un nfasis casi exclusivo en
el enfoque centrado en las matrices.
Vinner (1997) introduce una distincin adicional, entre conductas verdaderamente
conceptuales y pseudo-conceptuales. Teniendo en cuenta que las conductas en el contexto
de la educacin matemtica resultan con frecuencia de procesos de pensamiento, por tanto
se habla de modo verdaderamente conceptual de pensamiento y modo pseudo-conceptual
de pensamiento. El problema con el segundo de estos es que con mucha frecuencia las
conductas pseudo conceptuales parecen confundirse con frecuencia con una conducta
realmente conceptual. A esto le agrega Vinner (1997) las concepciones errneas. sta es
el resultado de un modo conceptual de pensamiento debera considerarse como una
conducta significa, mientras que la conducta pseudo-conceptual es una conducta sin
sentido.
Vinner (1997) presenta unos ejemplos concretos de cmo superar estas
dificultades y promover el desarrollo de la comprensin relacional. Tomar en cuenta como
punto de partida lo cognitivo y las habilidades cognitivas de los estudiantes. Se requiere
tambin de investigacin sobre el funcionamiento de las escenas descritas en cada
ejemplo. Por ltimo, Vinner (1997) llama la atencin sobre la imposibilidad de todos los
temas propuestos en los cursos de lgebra lineal, a nivel universitario, de manera que
promueva el desarrollo de la comprensin instrumental. En este punto coincide con uno de
los factores distinguidos por Harel (1997), tiempo dedicado a la enseanza, como limitante
para la comprensin del lgebra lineal.
Diversos trabajos de investigacin, como los reseados anteriormente, sealan que algunos
conceptos de lgebra lineal resultan difciles para los estudiantes, uno de estos es el de
espacio vectorial. Okta, Trigueros y Nop Vargas (2006) se propusieron estudiar la
comprensin de un grupo de estudiantes de los espacios vectoriales desde la perspectiva de
31
la teora APOE (APOS, siglas en ingls), ver por ejemplo Dubinsky (1997).
Estos
investigadores desarrollaron una descomposicin gentica del concepto de espacio vectorial.
Segn su anlisis terico, la construccin del esquema espacio vectorial de parte del
estudiante requiere la coordinacin de otros cuatro esquemas: axioma, operacin binaria,
funcin y conjunto. Se espera que como resultado de trabajar con ejemplos especficos
especialmente seleccionado, los estudiantes interiorizaran las diferentes propiedades de la
estructura y ms tarde la encapsularan para constituir un objeto que denominamos espacio
vectorial. Una vez hecha la descomposicin gentica se pas a la fase de evaluacin en la
prctica. En este estudio participaron seis estudiantes de ingeniera que tomaron un curso
de un semestre de lgebra lineal a los cuales se les entrevist. Esta entrevista consisti de
17 preguntas acerca de los conceptos de espacio y subespacio vectorial. En este trabajo,
Okta, Trigueros y Nop Vargas (2006) reportan solamente los resultados obtenidos con dos
de esas preguntas. Los resultados muestran que en general los estudiantes no han
encapsulado el concepto de operacin binaria y no se han formado esquemas ricos de este
concepto. Adems, los estudiantes suelen interpretar los axiomas limitndose al campo de
los nmeros reales y se corresponden con la imagen visual que tienen de las operaciones
con los nmeros reales. Otra dificultad identificada tiene que ver con el uso de las
variables. Esto ltimo se lo atribuyen a las experiencias que generalmente los estudiantes
tienen en la clase de matemticas donde se enfatiza la manipulacin sin sentido,
procedimentalmente como diran Vinner (1997) y Soylu (2007), de smbolos sin significado
en la clase de lgebra. Esta experiencia limita las oportunidades para interiorizar los
diferentes papeles que las variables juegan en diferentes problemas o dentro del mismo
problema.
Actividad 2.3
Haga una lista de los problemas investigados en relacin con el estudio, componente del
proceso didctico.
Investigacin sobre la enseanza
De los trabajos revisados sobre la investigacin del aprendizaje y la enseanza del lgebra
lineal, slo cuatro tratan directamente algn aspecto de los profesores y su formacin
(Meagher y otros, 2006, Gonzlez, Hernndez y Hernndez, 2007, Soylu, 2007 y Uicab y
Okta, 2006). El primero de estos trabajos es un reporte muy breve sobre resultados
preliminares de una experiencia de diseo curricular en un programa de formacin de
profesores de matemtica para la escuela secundaria. Meagher y otros (2006) disearon un
curso de lgebra Lineal y un curso de Aprendizaje del lgebra Lineal, los cuales los
profesores en formacin tienen que tomar simultneamente. Ambos cursos fueron
diseados sobre la base de la teora APOE. Los resultados parciales de esta investigacin
soportan la afirmacin que los estudiantes se benefician de estudiar en paralelo contenidos
lgebra lineal y sobre cmo aprendemos los conceptos centrales de esta rama de las
matemticas. El reporte donde se presenta esta investigacin es muy breve, lo cual no nos
permite comentar en profundidad sobre el mismo.
El segundo trabajo tena como problema central indagar acerca de la proximidad de la
evaluacin que se emplea en cursos de lgebra lineal, en la Facultad de Ingeniera de la
Universidad del Zulia, al enfoque constructivista. En esta investigacin de tipo cualitativo los
datos fueron recogidos la observacin directa y externa, la aplicacin de un cuestionario a
los estudiantes cursantes de la asignatura y otro cuestionario administrado a los respectivos
profesores. Gonzlez, Hernndez y Hernndez (2007) encontraron muchas fortalezas en las
prcticas pedaggicas de los profesores y en la aceptacin de los estudiantes a prcticas de
evaluacin constructivista, las cuales facilitaran la implementacin de una evaluacin
sistemtica en el curso de lgebra Lineal, en la Facultad de Ingeniera, desde esta
perspectiva. Sin embargo, encontraron que las prcticas actuales estn alejadas de la
32
corriente constructivista. Una debilidad que encontramos en este trabajo de Gonzlez,

Hernndez y Hernndez (2007) es que en su investigacin no se apoyan en resultados de
investigaciones sobre la enseanza y aprendizaje del lgebra lineal.
Uicab y Okta (2006) estudiaron los vnculos que los estudiantes establecen entre conceptos
del lgebra lineal, con nfasis en las transformaciones lineales en un ambiente de geometra
dinmica de nombre Cabri. Se estudi el establecimiento de estas conexiones en el contexto
de la resolucin de problemas. Esta investigacin se bas en la aproximacin del
pensamiento terico versus el pensamiento prctico propuesta por Sierpinska. En este
estudio participaron ocho estudiantes de primer semestre de una maestra en Matemtica
Educativa en una institucin mejicana, no se especifica en que nivel educativo trabajan los
participantes. Los datos fueron recogidos mediante la observacin, la aplicacin de un
cuestionario diagnstico y de una entrevista. El principal resultado que reportan estos
investigadores en que los estudiantes no establecen una conexin entre los conceptos de
base y transformacin lineal. Se manifest en ellos la presencia del obstculo del
formalismo. Estos resultados llevan a Uicab y Okta (2007) a plantearse la pregunta
siguiente: Cmo ayudar a los estudiantes a pensar tericamente y a hacer conexiones
entre conceptos?
Soylu (2007), al igual que Vinner (1997), se apoya en la idea de que existen dos tipos
diferentes de comprensin, instrumental y relacional que aunque diferentes son
consideradas por el primero como complementarias. Desde esta perspectiva la finalidad de
la educacin en matemticas sera desarrollar en el estudiante conocimiento conceptual de
las matemticas, conocimiento procedimental de las matemticas y la elaboracin de
conexiones entre los conocimientos procedimental y conceptual respectivamente. La
distincin de estos dos tipos de comprensin fue propuesta inicial mente por Otte y Skemp
desde una perspectiva diferente, pare este ltimo esos tipos de comprensin no son
complementarios. Ms bien, Skemp ve la comprensin instrumental como un obstculo para
lograr una comprensin relacional de las matemticas. Sin embargo, Soylu (2007),
apoyndose en otros autores, sostiene que un aprendizaje permanente y funcional de las
matemticas es slo posible con un balance entre estos dos tipos de conocimiento. Este
balance no se logra con regularidad en la clase de matemticas, donde se suele enfatizar lo
procedimental por encima de lo conceptual. La situacin anterior hace que los estudiantes
tiendan a memorizar conceptos y procedimientos de manera que no los comprenden
realmente. Se puede decir que para los estudiantes aprender matemticas se trata de
manipular smbolos sin significado, que slo tienen que ser memorizados. Adems, tenemos
que el aprendizaje de conceptos abstractos resulta difcil a la mayora de los estudiantes.
Una manera de reducir esta dificultad es tratar de hacer los conceptos concretos o dndole
un significado concreto (Soylu, 2007).
En este estudio participaron ochenta y dos estudiantes universitarios, en dos cursos
diferentes pero homogneos de mtodos de matemtica en educacin primaria, los cuales
eran enseados por un mismo profesor en una universidad en Turqua. Uno de los dos
cursos fue asignado experimentalmente como grupo control. Este grupo recibi como
tratamiento el mtodo de concretizacin por medio de la geometra, mientras que el otro
grupo recibi instruccin por el mtodo tradicional. A ambos grupos se la aplicaron una
batera de pruebas como pre-test y pos-test. Se hizo la comprobacin de hiptesis se
usaron el t-test de muestras emparejadas (paired-samples t test) y frecuencia-porcentaje.
Soylu (2007) reporta que en todos las pruebas se encontraron diferencias significativas que
muestran que el grupo experimental se benefici de su exposicin al enfoque basado en la
concretizacin por medio de la geometra.
33
Actividad 2.4
Seale de qu aspectos de la enseanza se ha ocupado la investigacin en didctica del
lgebra lineal.
A manera de cierre
La mayora de las investigaciones sobre la enseanza y aprendizaje del lgebra lineal tienen
como participantes a estudiantes del nivel universitario. Un nmero muy reducido de las
investigaciones est dedicado a problemas de la enseanza y aprendizaje de esta rama de
las matemticas en la educacin secundaria. Y un nmero tambin reducido de
investigaciones incluye a profesores como participantes. Las investigaciones en este ltimo
lote podemos clasificarlas en tres grupos. Todos estos estudios son a nivel universitario. En
el primero ubicamos aquellos trabajos al estilo de los reportados en el libro del LACSG
donde se reportan de manera anecdtica experiencias personales de profesores de
matemtica en universidades que han introducido cambios en prcticas pedaggicas en
clase de lgebra lineal, por ejemplo Carlson (1997). En el segundo grupo incluimos aquellos
trabajos donde los sujetos o participantes son profesores en formacin o en ejercicio, por
ejemplo Soylu (2007). Estos trabajo se caracterizan por su similitud con otras
investigaciones sobre el aprendizaje del lgebra lineal, en otras palabras, el hecho que los
sujetos sean profesores en formacin o en ejercicio no introduce ninguna caracterstica en
especial en esos trabajos. En el tercer grupo encontramos aquellos trabajos que centran su
atencin en un aspecto particular de la prctica pedaggica de los profesores en el contexto
de la enseanza del lgebra lineal. Hasta ahora slo hemos encontrado un trabajo que
pertenece a este grupo (Gonzlez, Hernndez y Hernndez, 2007).
A manera de conclusin, la investigacin sobre la enseanza y aprendizaje del lgebra lineal
hasta ahora no ha incluido como sujetos o participantes a profesores de ecuacin
secundaria que ensean temas de lgebra lineal en ese nivel del sistema escolar. Sin
embargo, los trabajos aqu revisados nos ofrecen una cantidad considerable de problemas,
resultados, enfoques tericos y metodologas que son de mucha utilidad para disear y
llevar adelante una investigacin sobre el conocimiento del profesor de matemticas a nivel
secundario del lgebra lineal y su enseanza.
Referencias
Carlson, D. (1997). Teaching linear algebra: Must the fog always roll in? En D. Carlson,
C. R. Jonson, D. C. Lay, A. D. Porter, A. Watkins y W. Watkins (comps.) Resources for
the teaching of linear algebra
(pp. 39-51).
Washington, Estados Unidos:
Mathematical Association of America.
Carlson, D., Johnson, C. R., Lay, D. C. y Porter, A. D. (1997). The Linear Algebra
Curriculum Study Group recommendations for the first course of Linear Algebra. En D.
Carlson, C. R. Jonson, D. C. Lay, A. D. Porter, A. Watkins y W. Watkins (comps.)
Resources for the teaching of linear algebra (pp. 53-58). Washington, Estados Unidos:
Cowen, C. C. (1997). A project on circles in space. En D. Carlson, C. R. Jonson, D. C. Lay,
A. D. Porter, A. Watkins y W. Watkins (comps.) Resources for the teaching of linear
algebra (pp. 59-70). Washington, Estados Unidos: Mathematical Association of
America.
Day, J. M. (1997). Teaching linear algebra new ways. En D. Carlson, C. R. Jonson, D. C.
Lay, A. D. Porter, A. Watkins y W. Watkins (comps.) Resources for the teaching of
linear algebra (pp. 71-83). Washington, Estados Unidos: Mathematical Association of
America.
34
Dorier, J. L. (1991). Sur lenseignement des concepts lmentaires dalgebre linaire

luniversit. Recherches en Didactique des Mathematiques, 11(2-3), 325-364.
Dubinsky, E. (1997). Some thoughts on a first course in Linear Algebra at the college
level. En D. Carlson, C. R. Jonson, D. C. Lay, A. D. Porter, A. Watkins y W. Watkins
(comps.) Resources for the teaching of linear algebra (pp. 85-105). Washington,
Estados Unidos: Mathematical Association of America.
Gonzlez, M., Hernndez, A. I. y Hernndez, A. I. (2007). El constructivismo en la
evaluacin de los aprendizajes del lgebra lineal. Educere, 11(36), 123-135.
Harel, G. (1985). Teaching linear algebra in high school. Tesis de doctorado no publicada.
Universidad Ben-Gurion de Negev, Israel.
Harel, G. (1989). Learning and Teaching Linear Algebra: Difficulties and an Alternative
Approach to Visualizing Concepts and Processes. Focus on Learning Problems in
Mathematics, 11(1-2), 139-48.
Harel, G. (1997). The Linear Algebra Curriculum Study Group recommendations: Moving
beyond concept definition. En D. Carlson, C. R. Jonson, D. C. Lay, A. D. Porter, A.
Watkins y W. Watkins (comps.) Resources for the teaching of linear algebra (pp. 107126). Washington, Estados Unidos: Mathematical Association of America.
Meagher, M., Cooley, L., Martin, B., Vidakovuc, D. y Loch, S. (2006). The learning of linear
algebra from an APOS perspective. En S. Alatorre, J. L. Cortina, M. Siz y A. Mndez
(comps.) Proceedings of th eTwenty Eigth Annual Meeting of the North American
Chapter of the Internacional Group for the Psychology of Mathematics Education. Vol.
2. (pp. 84-85). Mrida, Mxico: Universidad Pedaggica Nacional.
Okta, A., Trigueros, M. y Nop Vargas, X. (2006). Understanding of vector spaces-a
viewpoint from APOS theory. En D. Hughes-Hallett, I. Vakalis y H. Arikan (comps.) 3rd
International Conference on the Teaching of Mathematics at the Undergraduate Level.
Estambul, Turqua: Turkish Mathematical Society.
Porter, . (1997). Writing about linear algebra: Report on an experiment. En D. Carlson,
C. R. Jonson, D. C. Lay, A. D. Porter, A. Watkins y W. Watkins (comps.) Resources for
the teaching of linear algebra
(pp. 151-154).
Washington, Estados Unidos:
Soylu, Y. (2007). The role of the geometric models in the experimentation of determinant
and the properties of a determinant. Turkish Online Journal of Distance Education,
8(1), 12-22.
Uicab, R. y Okta, A. (2006). Transformaciones lineales en un ambiente de geometra
dinmica. Relime, 9(3), 459-490.
Vinner, S. (1985).
Concept definition, concept image, and the notion of function.
International Journal of Mathematics Education, 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. Porter, A. Watkins y W. Watkins (comps.) Resources for the teaching of
linear algebra (pp. 155-171). Washington, Estados Unidos: Mathematical Association
of America.
Auto-Evaluacin 2
1. Seale cules son los primeros trabajos de investigacin en el campo de la didctica del
lgebra lineal. Mencione los problemas de los que investigaron.
2. Describa brevemente la nica investigacin hecha en nuestro pas sobre la didctica del
lgebra lineal.
3. Escriba un prrafo donde presente la nica investigacin reseada en esta leccin sobre
la enseanza del lgebra lineal a distancia.
4. Enumere las principales caractersticas de la propuesta curricular hecha por el LACSG.
Unidad 2
Objetivo 2:
Analizar el uso del conocimiento histrico, aplicaciones y el uso
de las TICs en la enseanza y aprendizaje del lgebra Lineal.
Introduccin
El contenido de esta unidad est organizado en dos lecciones. La Leccin 3 est dedicada al
estudio del desarrollo histrico del lgebra Lineal y su utilidad para la enseanza de esta
rama de las matemticas. En la Leccin 4 discutiremos asuntos relacionados con el uso de
tecnologas en la enseanza, aprendizaje y evaluacin del lgebra Lineal. El estudio de
estos temas le preparar para asumir con mayores elementos el contenido incluido en la
Unidad 3.
El contenido de estas unidades es muy importante para el trabajo que se realizar en la
Unidad 3, donde estudiaremos el diseo de unidades didcticas. En el diseo de estas
unidades usted deber considerar el enfoque histrico as como el uso de tecnologas. En
cierta forma pues, estas dos unidades son preparatorias para el trabajo que sigue. Sin
embargo, el contenido presentado en la lecciones 3 y 4 constituyen un objeto de estudio en
si mismas. Como mencionamos en la introduccin a este curso, un buen nmeros de
matemticos se han dedicado la estudio de la historia de las matemticas y otro grupo de
matemticos se han interesado por los problemas de la enseanza y el aprendizaje de las
matemticas, y del lgebra lineal en particular, entre ellos algunos se han ocupado de
manera especial del diseo de aplicaciones tecnolgicas y su uso en la enseanza y el
aprendizaje.
Recuerde que para un mejor estudio de los contenidos tratados en la Leccin 4 usted deber
tener disponible la emulacin del ClassPad 300 y acceso a una computadora con conexin a
internet.
Leccin 3
Historia del lgebra Lineal
(). Todo aumento de conocimiento
cientfico es un hecho colectivo,
caracterizado por una historia y
cuya comprensin supone, por
consiguiente, la reconstitucin con
la mayor exactitud posible de este
desarrollo histrico. ()
Jean Piaget, 1947
Como sealamos en la Introduccin a la presente unidad, esta leccin se ocupa del

desarrollo histrico del lgebra Lineal. Segn Piaget, en la cita de arriba, la comprensin del
aumento de conocimiento cientfico, y en particular en el lgebra Lineal, es un hecho
colectivo caracterizado por una historia. Comprenderlo requiere de la reconstruccin de ese
desarrollo histrico. A continuacin le presentamos elementos de una historia del lgebra
Lineal, por razones de espacio no podemos presentar aqu una historia completa y detallada
de sta. Esperamos que con el material que le presentaremos usted se sienta motivado para
indagar por su cuenta sobre la historia del lgebra Lineal y que le sirva para introducir
algunos temas de esa historia en la enseanza de esta rama de las matemticas.
Hoy en da nadie duda de la importancia del estudio de la historia de las matemticas para
una mejor comprensin de las matemticas mismas as como su enseanza, aprendizaje y
evaluacin. Ms bien se discute acerca de las maneras de introducir la historia en las clases
de matemticas. Una solucin clsica, en el mbito universitario, es la introduccin de un
curso de historia de las matemticas en el currculo. Sobre este tema volveremos ms
adelante. Tambin, se discute acerca de los enfoques en la historia de las matemticas.
Bsicamente encontramos dos enfoques generales los cuales tienen que ver con una visin
general del desarrollo de las matemticas, estos enfoques son: a) eurocntrico y b)
multipolar o multicultural.
El enfoque eurocntrico predominante en las historias de las matemticas escritas a
comienzos del Siglo XX. Desde este enfoque, las matemticas comienzan en Grecia, aunque
se llega a reconocer alguna contribucin de Egipto y Babilonia, de donde se pasa a Europa y
en tiempos ms recientes a los Estados Unidos. Joseph (1978) representa este enfoque
eurocntrico clsico con un diagrama como el que se muestra en la Figura 3.1. Este enfoque
predomin en buena parte del Siglo XX, especialmente en la poca del imperialismo.
Figura 3.1. Trayectoria eurocntrica clsica (Joseph, 1987)
39
El surgimiento de alternativas polticas y econmicas al modelo capitalista, as como de

movimientos de liberacin en el mundo colonizado, tuvo un impacto en la produccin
acadmica, en particular, en la historia de las matemticas y otras ciencias. En el campo
acadmico se libraron luchas en contra del imperialismo cultural. Tambin surgieron
interpretaciones de las matemticas como sistema cultural o de las matemticas como una
manifestacin cultural ms al igual que la msica o la literatura. Comenzaron ha aparecer
una serie de trabajos sobre la interrelacin entre la cultura y las matemticas, como
alternativa a la perspectiva eurocntrica predominante. Adems, se daban a conocer nuevos
resultados de investigaciones histricas en diversas partes del mundo. Todo esto llev a una
visin eurocntrica modificada, no tan simplista como la anterior, y donde se reconoca
tmidamente las contribuciones de pueblos no europeos a la historia de las matemticas,
principalmente de Egipto y Mesopotamia. En la Figura 3.2 presentamos la versin de Joseph
(1987) de este trayectoria eurocntrica modificada.
Figura 3.2. Trayectoria eurocntrica modificada (Joseph, 1987)

En las dos ltimas dos dcadas del siglo pasado surgi con fuerza un movimiento
intelectual, tanto en la historia de las matemticas como en la pedagoga de las ciencias
matemticas, que buscaba superar completamente la visin eurocntrica de la historia de
las matemticas. Desde esta perspectiva se reivindicaba el hecho que todos los pueblos
eran capaces de producir matemticas, basndose en el hecho que todos los pueblos haban
producido algn tipo de matemticas. Dentro de este enfoque se destaca el trabajo de
Paulus Gerdes en Mozambique, en los tiempo de Samora Machel, de Joseph en Inglaterra y
de educadores matemticos brasileos como Ubiratan DAmbrosio. Este ltimo es conocido
en algunos medios como el padre de la etnomatemtica, aunque esta afirmacin no es
precisa. Joseph (1987) insiste en la necesidad de superar el enfoque eurocntrico y develar
sus implicaciones para la enseanza y aprendizaje de las matemticas. Para estos autores,
los estudiantes de pases que en las historias de las matemticas son retratados como
pases donde nunca se ha producido ningn tipo de contribucin a las matemticas se
sentiran ellos incapaces de aprender matemticas. Esto explicara parcialmente la baja
autoestima y el rechazo de los estudiantes en pases no europeos hacia las matemticas.
Una manera de contrarrestar este efecto sera escribir una historia de las matemticas en la
que se reconocieran las contribuciones de pueblos y civilizaciones no europeas al desarrollo
de las matemticas. Joseph (1987) propone un enfoque que se denomina trayectoria
alternativa, la cual se muestra en la Figura 3.3. Sin embargo, en este enfoque no se toman
en cuenta las civilizaciones americanas, como los incas, aztecas y mayas. Civilizaciones en
las que se desarrollaron importantes ideas matemticas, tales como el cero en las
matemticas mayas, independiente de los desarrollos europeos y en otras latitudes. Para
corregir esta debilidad, DAmbrosio, entre otros, propone que se diseen y ofrezcan curso
de historia de las matemticas en Ibero Amrica. Siguiendo esa recomendacin incluimos
40
como cierre de esta leccin unas breves notas sobre un aspecto de la historia de la
enseanza del lgebra lineal en Venezuela.
Figura 3.3. Trayectoria alternativa (siglo VIII al siglo XV) (Joseph, 1987)
Las historias de reas particulares de las matemticas, como el lgebra lineal, tambin se
pueden abordar desde cualquiera de los tres enfoques esbozados arriba. En este curso
adoptamos el tercer enfoque, el enfoque multipolar o multicultural. Pensamos que este
enfoque es el ms favorable para que nuestros estudiantes comprendan, como dicen Di
Prisco y Lara, que no slo somos capaces de aprender matemticas sino que somos capaces
de producir matemticas.
Adems de los enfoques generales anteriores, podemos distinguir otros enfoques ms
especficos sobre la introduccin de la historia de las matemticas en la enseanza de esta
disciplina. Algunos de estos enfoques son: a) organizar el contenido segn el orden
histrico, b) estudio de grandes problemas, c) desarrollo del lenguaje matemtico (smbolos
y trminos), d) enfoque biogrfico y e) introduccin de ancdotas, especialmente sin son
sensacionalistas (por ejemplo el supuesto duelo por una prostituta donde muri Euler).
Estos cinco enfoques apuntan ms hacia la manera en que podemos introducir la historia en
la prctica de la enseanza de las matemticas, mientras que los tres enfoques de ms
arriba tienen que ver con una concepcin de las matemticas y su historia. Estos enfoques,
ms que inclinarnos por uno en particular, los asumimos como una suerte de etapas que
van desde lo ms complejo hasta lo menos complejo, en el orden presentado arriba. Queda
en manos del profesor decidir que enfoque resulta ms conveniente o factible para una
situacin de enseanza en particular.
En este curso nos interesa estudiar el caso particular del uso de la historia del lgebra lineal
en su enseanza y aprendizaje. Esto requiere tener, en principio, una visin general de la
historia. Una vez que usted se forme esa visin general estar mejor preparado para
profundizar en el estudio de aquellos los temas en particular que le resulten de inters. La
historia de cualquier disciplina est determinada por la manera cmo definamos la misma.
Lo anterior nos lleva a considerar la pregunta: Qu es el lgebra lineal?
Actividad 3.1.
1) Escriba una definicin del lgebra lineal con sus propias palabras sin consultar ninguna
bibliografa especializada.
2) Investigue y copie dos o tres definiciones diferentes del lgebra lineal, tal como
aparecen en la bibliografa consultada.
41
3) Compare y contraste su definicin con las definiciones copiadas en el punto anterior.

Considera usted necesario modificar su definicin? De ser afirmativa su respuesta,
escriba su nueva definicin.
Para los efectos de esta leccin asumiremos el lgebra lineal como la rama de las
matemticas que estudia () objetos de tres gneros: matrices, espacios y formas
algebraicas. Las teoras de estos objetos estn estrechamente vinculadas. () (Mltsev,
1978/1972, p. 12). Por otro lado, tenemos 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 mtodo de su solucin, as como las propiedades de la funcin lineal
correspondiente y = ax + b, son los modelos de partida para las ideas y los mtodos de
toda el lgebra lineal. () (Mltsev, 1978/1972, p. 11). Una vez identificados los objetos
de estudio y el problema primario de esta rama de las matemticas, estamos en disposicin
de comenzar a estudiar su historia. El lgebra lineal es tan antigua como las matemticas
mismas, lo cual no debe intimidarnos a la hora del plantearnos el estudio de su historia.
La historia del lgebra Lineal es muy interesante porque nos permite ilustrar varios puntos
de inters para la educacin matemtica. Primero, el desarrollo prolongado durante siglos
de ideas y procedimientos. Segundo, el carcter multicultural de las contribuciones al
desarrollo del lgebra lineal. Tercero, su continuo desarrollo.
Los orgenes del lgebra lineal se remontan a varios siglos antes de nuestra era (a.n.e.).
Problemas que conducen al planteamiento de ecuaciones lineales aparecen por primera vez
aproximadamente en el ao 300 a.n.e. en una tableas de Babilonia (actualmente partes de
Irak). A continuacin mostramos uno de los problemas que aparece en una tablilla de arcilla
que todava se conserva en algn museo de Europa, como muchas otras obras de arte
sustradas de las colonias:
Hay dos campos cuya rea total es 1 800 metros cuadrados. Uno produce
granos a una taza de 2/3 de un bulto por metro cuadrado mientras que el otro
produce granos a una taza de de bulto por metro cuadrado. Si la produccin
total es de 1 100 bultos. Cul es el tamao del campo?
Actividad 3.2
Antes de continuar la lectura resuelva el problema propuesto anteriormente.
Figura 3.4. Una pgina del Primer Captulo del Jiuzhang suanshu
42
Encontramos un desarrollo igual de interesante en China entre los aos 200 y 100 antes de
nuestra era. En un libro denominado Jiuzhang suanshu o Los Nueve Captulos de las Artes
Matemticas, del cual no se conserva el original, aparecen por primera vez unos arreglos
que permitan la resolucin de sistemas de ecuaciones lineales sin necesidad de escribir las
ecuaciones. Especficamente estos arreglos aparecen en el Captulo Ocho, el cual lleva por
ttulo en chino Fang ch'eng el cual se puede traducir como Clculo con tablas cuadradas
(siguiendo la traduccin al ingls Calculation by Square Tables). En ese captulo son
presentados 18 problemas los cuales se reducen a la resolucin de sistemas de ecuaciones
lineales simultneas. El mtodo de resolucin usado por los matemticos chinos es
bsicamente igual al de la matriz aumentada de los coeficientes. Los problemas propuestos
llevan al planteamiento de sistemas de hasta seis ecuaciones y seis incgnitas. La principal
diferencia con el mtodo actual es que los coeficientes de cada ecuacin son colocados en
las columnas en lugar de las filas. Otro aspecto novedoso es que los matemticos chinos
trabajaban con nmeros negativos y en este mismo captulo incluyeron reglas para calcular
con estos nmeros (O'Connor y Robertson, 2003).
Veamos a continuacin uno de los problemas planteados en el captulo ocho de dicho libro:
Hay tres tipos de maz, de los cuales tres bultos del primero, dos del segundo y uno
del tercero hacen 39 medidas. Dos del primero, tres del segundo y uno del tercero
hacen 24 medidas. Y uno del primero, dos del segundo y tres del tercero hacen 26
medidas. Cuntas medidas de maz estn contenidas en un bulto de cada tipo de
maz?
Como usted ya pudo haber notado, este problema tiene ciertas semejanzas con el
encontrado en la tablilla babilnica.
Actividad 3.3
Antes de continuar con la lectura resuelva el problema propuesto en Los Nueve Captulos de
las Artes Matemticas trascrito arriba.
Veamos a continuacin como resolvieron este problema los matemticos chinos. Antes de
pasar a ver esta solucin es bueno notar que los chinos utilizaban una especie de palitos
sobre un tablero para sacar cuentas, algo as como una especie de baco. Volvamos al
problema, el planteamiento y la solucin paso a paso fueron como sigue, por razones de
simplificacin usamos el sistema de numeracin decimal para expresar el proceso de
solucin en lugar del sistema de numeracin chino.
Paso 1
1
26
34
26
26
24
39
Paso 2
43
Paso 3
0
39
24
39
36
99
24
39
Paso 4
Actividad 3.4
Explique los detalles de cada una de las operaciones hechas por los matemticos chinos
para ir de un paso a otro. Cul es la solucin al problema planteado? Cmo se deriva la
solucin del ltimo arreglo? Se parece este mtodo a alguno estudiado por usted en la
Educacin Media Diversificada y Profesional o en la universidad?
Este resultado es realmente sorprendente. Ms sorprendente an es como ha sido silenciado
por los libros ms importantes de historia de las matemticas, lo cual evidencia un sesgo,
una posicin eurocntrica. Ciertamente, los primeros sistemas de ecuaciones lineales y
algunos mtodos para resolverlos, los cuales conocemos actualmente con nombres
europeos, y enseamos en la escuela aparecieron por primera vez en China siglos antes que
en Europa.
La idea de determinante fue publicada primero en Japn. El matemtico japons Takakazu
Seki (1642-1798) public, en 1683, una obra titulada Mtodo para Resolver los Problemas
Disimulados en la cual introduce mtodos matriciales similares a los usados por los
matemticos chinos antes de nuestra era y adems introduce los determinantes. Seki fue
un matemtico muy brillante y produjo muchas ideas matemticas antes de que fueran
inventadas por matemticos europeos. En el caso de los determinantes, Saki se adelant
unos diez aos a Leibniz. Algunos autores afirman que este descubrimiento fue simultneo
pero independiente como veremos ms abajo. Saki nunca us un trmino que se
correspondiera con la palabra determinante (OConnor y Robertson, 2003).
Tenemos as que los primeros pasos en el desarrollo de conceptos y procedimientos que
forman parte del lgebra lineal surgieron fuera de Europa y muchos antes de que
matemticos europeos se ocuparan de ellos. En especial tenemos que resaltar que el caso
del lgebra lineal los griegos no jugaron ningn papel de importancia. Debido, en buena
medida, a su pobre desarrollo en el lgebra.
Veamos a continuacin brevemente el desarrollo del lgebra lineal en Europa. Comenzamos
en el siglo XVI. Cardano, en su libro Ars Magna, presenta una regla para resolver un
sistema de dos ecuaciones lineales la cual denomin regula de modo. Esta regla de Cardano
es fundamentalmente similar a la regla de Cramer para resolver un sistema 2 x 2. Cardano
no logr una definicin de determinante aunque en su trabajo se encuentra el germen para
una definicin.
Muchos de los resultados estndar en la teora elemental de matrices aparecieron por
primera vez mucho antes que las matrices fueran objeto de investigacin matemtica. Por
ejemplo, de Witt, en su libro Elementos de Curvas, mostr como una transformacin de los
ejes reduce una ecuacin dada para una cnica a la forma cannica. Este resultado tiene
44
que ver con la diagonalizacin de una matriz simtrica pero de Witt no se lo plante en esos
trminos.
En una carta a lHopital, Leibniz le explica que el sistema de ecuaciones
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
tiene solucin porque: 10.21.32 + 11.22.30 + 12.20.31 = 10.22.31 + 11.20.32 + 12.21.30,
lo cual es equivalente a la condicin que la matriz de coeficientes tiene determinante 0. Lo
interesante de este resultado es que Leibniz no est usando coeficientes numricos, la
expresin se compone de caracteres, el primero se refiere a la ecuacin en que se
encuentra y el segundo a la letra que pertenece. Se trata de una notacin donde 12 es
equivalente a a12, tal cual como lo escribimos hoy en da. Recordemos que Leibniz sostena
que una buena notacin matemtica era la clave para el progreso. Esta conviccin le llev a
experimentar con diferentes notaciones para los coeficientes de las ecuaciones en un
sistema. Es bien conocida la contribucin de Leibniz a la notacin en el clculo diferencia e
integral.
El trmino resultante fue usado por Leibniz para nombrar unas sumas combinatorias de
trminos de un determinante. Tambin present un resultado similar a la regla de Cramer.
Adems, hay evidencias de que conoca que un determinante poda ser expandido usando
una columna, tal como lo que llamamos hoy la expansin de Laplace. As como el estudio de
los coeficientes de un sistema de ecuaciones le llev a los determinantes, su estudio de los
coeficientes de formas cuadrticas conduce a la teora de matrices.
En 1748 apareci publicado el libro de MacLaurin titulado Tratado del lgebra, el cual
escribi en 1730. En este libro, MacLaurin present lso primeros resultados sobre
determinantes demostrando la regla de Cramer para sistemas 2 x 2 y 3 x 3 e indicaciones
de cmo funciona esta regla para el caso 4 x 4. Fue en 1750, cuando el propio Cramer dio
una regla general para sistemas n x n, sin demostracin, en su artculo Introduccin al
Anlisis de Curvas Algebraicas. El problema que le preocupaba a Cramer, en este caso, era
el de hallar la ecuacin de una curva en el plano que pase a travs de un nmero dado de
puntos.
En el siglo XVII, comienzan a aparecer con cierta regularidad trabajos sobre determinantes.
En 1764, Bezout present mtodos para calcular determinantes, Valdermont tambin
public algunos resultados en este sentido en 1771. Un ao ms tarde, Laplace afirm que
los mtodos introducidos por Cramer y Bezout no eran prcticos. Laplace, en un artculo
dedicado al estudio de las rbitas de los planetas, discuti la resolucin de sistemas de
ecuaciones lineales sin hacer clculos con las ecuaciones utilizando determinantes. En sus
trabajos, Laplace us el trmino resultante para referirse a lo que hoy llamamos
determinante, como mencionamos anteriormente ese primer trmino fue tambin usado
por Leibniz. Laplace elabor la expansin de un determinante que hoy lleva su nombre.
Otro matemtico que contribuy al desarrollo del lgebra lineal fue Lagrange. En un artculo
que apareci publicado en 1773, sobre temas de mecnica, Lagrange present resultados
sobre identidades para determinantes funcionales de 3 x 3. En este trabajo no se establece
relacin alguna con los resultados ya publicados por Laplace y Vandelmonde. Otro aspecto
interesante de este artculo, es que en ste aparece por primera vez una interpretacin del
determinante como volumen. En particular, Lagrange demuestra que el tetraedro formado
por O(0, 0, 0) y los tres puntos M(x, y, z), M(x, y, z) y M(x, y, z) tiene volumen igual
a 1/6[z(xy yx) + z(yx xy) + z(xy yx)].
45
Entramos en el Siglo XVII, fue Gauss, en su trabajo Disquisitiones Arithmeticae que

apareci en 1801, quien introdujo el trmino determinante en una discusin sobre formas
cuadrticas. Gauss us este trmino porque el determinante determina las propiedades de
las formas cuadrticas. Este concepto de determinante no es el mismo que el que usamos
hoy en da. Gauss describi la multiplicacin de matrices, como composicin, y la inversa de
una matriz en el contexto particular de los arreglos de los coeficientes de formas
cuadrticas. La interpretacin de Gauss de la multiplicacin de matrices como composicin
muestra que l no haba alcanzado el concepto de lgebra de matrices.
El mtodo de eliminacin gaussiana fue introducido por Gauss en su trabajo que le dedic al
estudio de la orbita del asteroide Pallas. Trabajando con los datos de observaciones de
Pallas, recogidos entre 1803 y 1809, Gauss obtuvo un sistema de seis ecuaciones lineales
con seis incgnitas e ide un mtodo sistemtico para resolver tales ecuaciones.
Recordemos que este mtodo fue inventado por los matemticos chinos tal como sealamos
anteriormente.
El trmino determinante fue usado por primera vez en le sentido moderno por Cauchy en
1812. Cauchy demostr nuevamente los resultados anteriores y produjo nuevos resultados
propios sobre menores y adjuntos, su trabajo fue el ms completo de los trabajos de esta
poca sobre determinantes. En el artculo que public en este ao demostr el teorema de
multiplicacin de los determinantes por primera vez. En la misma reunin del Instituto de
Francia, en la que Cauchy ley su artculo, Binet tambin present un trabajo con una
demostracin del teorema de la multiplicacin pero result menos satisfactorio que la
ofrecida por el primero.
Ms tarde, en 1826, Cauchy us el trmino tableau (tabla) para denotar a la matriz de
coeficientes en el contexto de su estudio de las formas cuadrticas en n variables. Encontr
los valores propios y obtuvo resultados sobre la diagonalizacin de una matriz en el proceso
de convertir una forma a una suma de cuadrados. Este matemtico tambin introdujo el
concepto de matrices similares (pero no el trmino) y demostr que si dos matrices son
similares tienen la misma ecuacin caracterstica. Gauss tambin demostr, continuando
con sus estudios de las formas cuadrticas, que toda matriz simtrica es diagonalizable.
El tema de los valores propios tambin fue tratado por Jacques Sturn en el contexto de la
resolucin de sistemas de ecuaciones diferenciales ordinarias. Sturn produjo una
generalizacin del problema de los valores propios. Aunque el concepto de valor propio
haba sido introducido 80 aos antes por DAlembert. Este ltimo se ocupaba del problema
del movimiento de una cuerda con masas atadas a sta en varios puntos, el cual conduce a
la resolucin de sistemas de ecuaciones diferenciales lineales. Ni Cauchy ni Sturn estaban
conscientes de la generalidad de las ideas con las que estaban trabajando y las
consideraban en los contextos particulares en los que trabajaban.
Otro concepto importante en el lgebra lineal es el de transformacin lineal. Este concepto
fue tratado de manera independiente por Jacobi, en 1830, Kronecker, en la dcada de 1950,
y Weierstrass, en la dcada de 1860. En 1841, Jacobi public tres tratados sobre
determinantes. Estos trabajos fueron de mucha importancia porque en ellos aparece por
primera vez una definicin de determinante de manera algortmica y los elementos del
determinante no aparecieron especificadas de manera tal que los resultados se aplican
igualmente a los casos donde los elementos sean nmeros o donde sean funciones.
Adems, tres trabajos sirvieron para diseminar la idea de determinante.
La primera contribucin en idioma ingls a la teora de los determinantes fue un escrito de
Cayley publicado en 1841. Fue en este trabajo donde apareci por primera vez el uso de
dos lneas verticales a ambos lados del arreglo para denotar un determinante. Esta notacin
es la ms usada en nuestros textos actuales.
46
En 1844, Eisenstein us una sola letra para denotar a las substituciones lineales y mostr
como sumarlas y multiplicarlas al igual que nmeros ordinarios, excepto por la falta de
conmutatividad. Para algunos autores, Eisenstein fue el primero en proponer la idea de
considerar las substituciones lineales como un lgebra.
El trmino matriz fue introducido por primera vez por Silvestre en 1850. Silvestre defini
una matriz como un arreglo oblongo de trminos y los vio como objetos que llevaban a
varios determinantes de los arreglos cuadrados contenidos en aquel. Despus de su regreso
a Inglaterra en 1851, Silvestre comparti con Cayley su inters por las matemticas,
aunque ambos se dedicaban entonces a la abogaca. Cayley captur con rapidez la
impostancia de las matrices y public unas notas, en 1853, donde apareci por primera vez
la idea de inversa de una matriz.
Sin embargo, la primera definicin formal de una matriz no apareci sino en 1858. En este
ao, Cayley public su Memoria sobre la Teora de Matrices donde escribi esa definicin. En
ese trabajo los arreglos de coeficientes estudiados en el caso de las formas cuadrticas y de
las transformaciones lineales son tratados como casos especiales de este concepto general.
Cayley elabor un lgebra de matrices, defini la adicin, la multiplicacin, la multiplicacin
por un escalar y las inversas, tambin produjo una construccin explcita de la inversa de
una matriz en trminos del determinante de sta. Adems, demostr, para el caso de
matrices 2x2, que una matriz satisface su propia ecuacin caracterstica. La generalizacin
de este resultado es conocido como el teorema de Cayley-Hamilton. Hamilton demostr ese
resultado para el caso de matrices 4x4 en el marco de sus estudios sobre los cuaterniones.
El trabajo de Jordan, titulado Tratado sobre las Substituciones y Ecuaciones Algebraicas, de
1870 trata el tema de una forma cannica para las substituciones lineales sobre un campo
finito de orden primo. En ese trabajo aparece la llamada forma cannica de Jordan.
Frobenius escribi un trabajo importante sobre las matrices en 1878, el cual tiene por ttulo
Sobre las Substituciones Lineales y las Formas Bilineales. Al parecer, Frobenius no tenia
conocimiento del trabajo previamente publicado por Cayley. En su trabajo, Frobenius no usa
el trmino matriz aunque trata con coeficientes de formas. Sin embargo, llega a demostrar
resultados importantes sobre marices cannicas como representativas de clases especiales
de matrices. Frobenius hace referencia a trabajos de Kronecker y Weierstrass donde habran
tratado casos especiales de sus resultados en los aos de 1874 y 1868 respectivamente.
Tambin demostr el resultado general que ua matriz satisface su ecuacin caracterstica.
En este trabajo Frobenius tambin presenta una definicin del rango de una matriz el cual
usa en su trabajo con formas cannicas y la definicin de matrices ortogonales.
En 1884, Sylvester define la nulidad de una matriz cuadrada A, n(A), com el mayor i tal que
cada menor de A de orden n i + 1 es cero. l estaba interesado en estudiar los invariantes
de matrices, es decir, de estudiar aquellas propiedades de las matrices que no cambian bajo
ciertas transformaciones.
A finales del siglo XIX, en 1896, Frobenius conci el trabajo de Cayley Memoria sobre la
Teora de Matrices, de 1858. Despus de esto fue que comenz a usar el trmino matriz. A
pesar del hecho que Cayley slo demostr el llamado teorema de Cayley-Hamilton para los
casos de matrices de 2x2 y 3x3 respectivamente, Frobenius generosamente le atribuy el
resultado a ste aunque el mismo Frobenius fue el primero en demostrar el teorema en
general.
Pasamos ahora al Siglo XX. Aparece publicado en 1903, post-morten, el trabajo de
Weierstrass Sobre la Teora de Determinantes. En ese trabajo, Weierstrass ofrece una
definicin axiomtica de determinante. En ese mismo ao fueron publicadas las lecciones de
Kronecker sobre los determinantes, tambin despus de su muerte. Con estos dos trabajos
se estableca la teora moderna de determinantes, pero la teora de matrices tom u poco
47
ms de tiempo para llegar a ser una teora completamente aceptada. Uno de los primeros
pasos en ese proceso de aceptacin fue la publicacin, en 1907, del libro de Bcher
Introduccin al lgebra Avanzada. En la dcada de 1930 parecieron trabajos influyentes
escritos pro Turnbull y Aitken. Ms tarde, en 1955, con el libro de Mirsky Una Introduccin
al lgebra Lineal la teora de matrices alcanza su papel de importancia actual como uno de
los cursos de matemticas ms importantes en la formacin de pre-grado de matemticos.
Olga Taussky Todd (1906-1995) jug un papel muy importante en la elevacin de las
matrices de una mera herramienta a una importante teora. Ella us las matrices para
analizar las vibraciones en los aviones durante la Segunda Guerra Mundial y se convirti en
lder en el desarrollo de la teora de matrices.
Los libros y el lgebra Lineal en Venezuela
Como mencionamos anteriormente, se ha escrito muy poco sobre la historia de las
matemticas en Venezuela. Una de las pocas obras con las que contamos es la de Mauricio
Orellana (1980) titulada Dos Dcadas de la Matemtica en Venezuela publicada por la
Universidad Nacional Abierta. Tambin hay unos pocos artculos publicados sobre el tema,
por ejemplo los trabajos de Beyer (2004) y Brito (2004). La historia de las matemticas en
nuestro pas es un campo virgen para la investigacin. A continuacin ofrecemos una
pequea contribucin a esa historia, limitada a los libros de lgebra lineal publicados en el
pas.
El primer libro venezolano del que tenga conocimiento que trata temas de lgebra Lineal a
nivel universitario fue escrito por Raimundo Chela, primer doctor en matemticas
venezolano. En su libro, Curso de lgebra, escrito especialmente para profesores de
secundaria en formacin, el profesor Chela (1957), introduce temas de lgebra lineal sin
mencionar esta rama de la matemtica. Seala Chela que:
Para los estudiantes del Instituto Pedaggico o de otros similares, tiene an
mayor importancia el deslinde formal del lgebra que se propugna en varias
partes de esta obra, ya que en el futuro profesor de Segunda Enseanza es vital
la ordenacin de los conocimientos en cualquiera de las disciplinas sobre las que
versan sus estudios; y en el caso particular del lgebra resulta muy conveniente
prevenirlo sobre el alcance de esa ciencia, debido a que en muchos buenos
textos de Anlisis Matemtico, de frecuente uso, se exponen, sin la suficiente
crtica, junto con nociones del anlisis infinitesimal, con lo cual resulta casi
siempre borrosos y confusos los lmites del lgebra.
El lgebra Elemental, la que se estudia en los liceos, en un ejemplo de las
variedades algebraicas llamadas campos.
Encontramos, en estas palabras del profesor Chela expresin de la necesidad de distinguir
mercadamente los lmites entre 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 enfatiza que el lgebra Elemental que le ensea en educacin secundaria es un
caso particular de lgebra.
Actividad 3.5
Si en una de las universidades que funcionan en la ciudad donde usted vive o cerca se
ofrece la carrera de Matemticas averige lo siguiente:
1. Si profesores de esa universidad han escrito libros o manuales de lgebra Lineal. En
caso positivo haga una cronologa incluyendo los libros mencionados en esta leccin.
2. Cundo se ofreci por primera vez el curso de lgebra Lineal en esa universidad.
48
Respondiendo a los llamados internacionales para reformar la matemtica escolar en la

dcada de los 60 un grupo de profesores de matemtica del Instituto Experimental
Pedaggico de Barquisimeto organiz un Curso de perfeccionamiento de Profesores de
Matemtica. Este curso estaba fundamentalmente dirigido a profesores de matemtica de la
educacin secundaria. Para tal curso fueron escritos una serie de publicaciones sobre
diversos temas de matemticas. En el ao 1966, apareci el folleto lgebra Lineal escrito
por el por. M. Morales V. Este folleto estaba estructurado en dos partes. La primera parte
de tres captulos sobre espacios vectoriales, matrices y aplicaciones lineales. La segunda
parte estaba formada por complementos y ejercicios, el cual era un conjunto de ejercicios
resueltos y otros propuestos sin solucin. Los autores de estos cursos no nos sealan que
importancia le asignan al lgebra lineal en la formacin de los profesores de
Otro ejemplo, de libro de lgebra Lineal escrito en Venezuela, lo ofrece la unidad de
estudios libres de la Universidad Simn Bolvar con el nombre lgebra Lineal y Geometra
(Mat 007). Esta unidad estaba seguida de otras unidades (Mat 007, Mat II y Mat 112) sobre
temas de esta rama de las matemticas. En la descripcin de la unidad sus autores sealan
que:
Con esta unidad, usted empieza a estudiar un captulo muy importante de la
matemtica: el lgebra lineal, que trata de los vectores y sus propiedades. En
ella le discutir el lgebra lineal en R2, o sea, los vectores del plano; son las
flechitas que usted empez en bachillerato para estudiar diversos conceptos
fsicos como las fuerzas y la velocidad. (p.7)
Siguiendo con la descripcin de la unidad, los autores sealan que el concepto de
combinacin lineal es fundamental en el lgebra lineal. Reconocen que a pesar de ser un
concepto aparentemente sencillo, a veces hay dificultades en comprenderlo (p.7). Agregan
que las transformaciones lineales, que con lo que dan razn de existencia el lgebra lineal
(p.8). Estas unidades eran ofrecidas a profesores de matemticas en formacin.
El lgebra Lineal Interactiva del profesor Luc Bramaud du Boucheron es el primer libro de
esta asignatura que combina el uso de tecnologa. Este libro viene acompaado del
programa (software) Bbgraf II, producido por el mismo do Boucheron y la profesor Clara
Baldi Acosta. Este programa constituy parte del trabajo hecho en el Departamento de Mat.
Aplicadas, de la Facultad de Ing.-UCV, sobre el uso de la tecnologas en la enseanza de la
matemtica.
Seala Boucheron que:
El estudio de los sistemas de ecuaciones lineales, tema familiar a todos los
bachilleres, sirve de base para la introduccin de muchos conceptos de lgebra
Lineal: matrices, producto de matrices, vectores, espacios y subespacios
vectores, etc. (p.7).
Adems afirma que:
La Geometra analtica tiene un lugar importante en este curso, por un lado, es el
primer campo de aplicabilidad del lgebra Lineal pero, por el otro tambin es una
fuente de menos conceptos (distancia, ortogonalidad, ngulos, etc.) que
incrementan considerablemente los alcances de esta disciplina. (p.7).
Propone Boucheron alterar el estudio terico con la experimentacin, lo cual se hace
posible gracias al programa Bbgraf II.
En 1999, tambin como parte de un programa de formacin de profesores de matemticas
graduados, el profesor Soon-Kiong Sim prepar un libro de lgebra Lineal para un curso del
mismo nombre. Este libro forma parte de la coleccin Materiales para el Aula editados por
49
la Escuela Venezolana para la Enseanza de la Matemtica que se realiza anualmente en la

Facultad de Ciencias de la Universidad de los Andes en la ciudad de Mrida.
En conclusin, los matemticos 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 matemticas y para el desarrollo profesional de profesores en ejercicio. Hay
muchas preguntas por responder en el campo de la historia de las matemticas, como por
ejemplo: Cundo se dict el primer curso de lgebra lineal a nivel universitario? Cul fue
el primer libro de lgebra lineal usado en nuestras universidades? En cul orden han sido
introducidos los temas de lgebra lineal en la escuela secundaria venezolana? Qu
contribuciones originales han hecho los matemticos venezolanos en el campo del lgebra
lineal?
Con esta breve nota sobre un aspecto de la historia del lgebra lineal en Venezuela,
esperamos que usted sienta curiosidad por el estudio de la historia y que, por muy limitada
que pueda parecer, todo pas tiene su propia historia de las matemticas.
Referencias
Beyer, W. (2004). Bossio, Chela, Duarte y Zavrotsky: Un lazo de oro para la matemtica y
la educacin matemtica en Venezuela. En D. Mora (Comp.), Tpicos en educacin
matemtica (pp. 183-202). Caracas: GIDEM.
Brito, O. (2004). Panorama matemtico en la Venezuela colonial. En D. Mora (Comp.),
Tpicos en educacin matemtica (pp. 299-250). Caracas: GIDEM.
Joseph, G. G. (1978). Foundations of eurocentrism in mathematics. Race and Class, 27(3),
pp.13-28.
Mltsev, A. I. (1978). Fundamentos del lgebra lineal. (C. Vega, Trad.). Mosc: MIR.
(original 1972)
O'Connor, J. J. y Robertson, E. F. (2003). Nine Chapters on the Mathematical Art. Disponible
en: http://www-groups.dcs.st-and.ac.uk/~history/HistTopics/Nine_chapters.html
Orellana, M. (1980). Dos Dcadas de la Matemtica en Venezuela. Caracas: Universidad
Nacional Abierta.
50

Anexo A
Cronologa del lgebra Lineal
1900 AC
Los comienzos de las matrices y los determinantes se encuentran en el estudio

de sistemas de ecuaciones lineales, el cual fue introducido primero por los
babilonios. Los babilonios estudiaron problemas que le llevaron a plantearse
ecuaciones lineales simultneas.
200 AC
Los chinos realmente llegaron ms cerca de las matrices que usamos hoy en da
mediante un mtodo muy similar al que conocemos con el nombre de
eliminacin gaussiana. Esta tcnica fue usada por los chinos an antes de que
tuvieran ecuaciones o variables.
1545
Cardano, en su obra Ars Magna, presenta una regla para resolver un sistema de
dos ecuaciones lineales llamado regula de modo, la cual es esencialmente la
regla de Cramer, pero Cardano no lleg al ltimo paso, de manera que l no
lleg a la definicin de un determinante.
1683
El matemtico japons Takakasu Seki Kowa (1642-1708) escribi el Mtodo de

Resolver Problemas Disimulados, el cual contiene mtodos de matrices escritos
en tabletas, de la misma manera en que los chinos los registraban. Seki tambin
introdujo los determinantes y dio mtodos generales para calcularlos basndose
en ejemplos. Seki hall matrices de hasta 5x5 y las aplic a la resolucin de
ecuaciones pero no a sistemas de ecuaciones.
Leibniz explico que un sistema 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
exactamente la condicin que la matriz de coeficientes tenga determinante igual
a 0. Los puntos indican la multiplicacin y los dos caracteres describen primero
la ecuacin y el segundo sustituye la letra.
1750
Cramer present una frmula basada en determinantes para resolver sistemas

de ecuaciones lineales, mejor conocido como la Regla de Cramer para sistemas
de ecuaciones nxn.
1773
El primer uso implcito de las matrices ocurri en el trabajo de Lagrange sobre

las formas bilineales para la optimizacin de funcin de valores reales de 2 o
ms variables. Lagrange buscaba caracterizar el mximo y el mnimo de
funciones de varias variables.
1800
Carl Friederich Gauss (1777-1855) fue le primero en usar el trmino

determinante. Us este trmino porque el determinante determina las
propiedades de la forma cuadrtica, el cual no es el mismo concepto de
determinante en uso hoy en da. Gauss describi la multiplicacin de matrices y
la inversa de una matriz, en el contexto particular de los arreglos de coeficientes
de formas cuadrticas. Tambin desarroll la Eliminacin Gaussiana mientras
estudiaba la rbita del asteroide Pallas por medio de la obtencin de un sistema
de seis ecuaciones lineales y seis incgnitas. Este mtodo fue ms tarde usado
para resolver problemas de mnimos cuadrados en clculos celestiales y en
clculos para medir la Tierra y su superficie.
51
1812
Cauchy us el trmino determinante en su sentido moderno y demostr el

teorema de la multiplicacin de determinantes por primera vez.
1826
Cauchy encontr los valores propios y dio resultados sobre la diagonalizacin de

una matriz en el contexto de convertir una forma a la suma de cuadrados.
Cauchy tambin introdujo la idea de matrices similares y mostr que si dos
matrices son similares, ellas tienen al misma ecuacin caracterstica y demostr
que toda matriz simtrica real es diagonalizabe.
1834
Jacques Sturm dio una generalizacin del problema de los valores propios en el
contexto de la resolucin de sistemas de ecuaciones diferenciales ordinarias.
1844
Grassmann propuso la primera lgebra vectorial que involucr un producto

vectorial no conmutativo (VxW no tiene que ser igual a WxV). Grassmann
tambin introdujo el producto de una matriz columna y una matriz fila lo cual
result en lo que es hoy en da denominado una matriz simple o de rango uno.
1850
James Joseph Silvestre fue el primero en introducir el trmino matriz, el cual

describi como un arreglo oblongo de trminos. Silvestre tambin defini la
nulidad de una matriz cuadrada.
1855
Arthur Cayley cultiv el lgebra de matrices. Cayley estudi composiciones de

transformaciones lineales y fue llevado a la matriz definiendo la adicin, la
multiplicacin, la multiplicacin escalara y las inversas.
1870
La forma cannica de Jordan apareci en su publicacin Treatise on

Substitutions and Algebraic Equations. sta apareci en el contexto de una
forma cannica de substituciones lineales sobre un campo finito de orden primo.
1878
Frobenius obtuvo resultados importantes sobre las natrices cannicas como

representativas de clases de equivalencias de matrices. Frobenius tambin
defini el rango de una matriz, el cual us en su trabajo sobre formas cannicas
y la definicin de matrices ortogonales.
1888
Peano, en su libro Calcolo Geometrico Secondo lAusdehnungslere de H.

Grassmann Preceduto dalle Oparazioni della Logica Deductiva, present una
introduccin moderna de espacios lineales y del lgebra lineal.
1890
Weierstrass us una definicin axiomtica de un determinante.
1925
Heisenburg reinvent el lgebra matricial para la mecnica cuntica.
1942
Gibas represent matrices generales como suma de dos matrices simples.
1948
Turing introdujo la descomposicin LU de una matriz.
1958
Wilkinson desarroll la factorizacin QR
Auto-Evaluacin 3
1. Elabore un esquema del enfoque o trayectoria alternativa en la historia de las
matemticas.
2. Tomando como referencia el esquema anterior, elabore un esquema para representar la
evolucin histrica del lgebra lineal tal como se presenta en esta leccin.
3. Compare y contraste ambos esquemas hechos en los puntos 1 y 2.
4. Seale en cules pases o regiones del mundo aparecieron las primeras ideas del lgebra
lineal.
5. Indique cul es el principal problema del lgebra lineal.
6. Cules son los objetos de estudio del lgebra lineal?
7. Diga cules son los cinco enfoques en el uso de la historia de las matemticas en la
educacin en matemticas.
8. Cmo puede contribuir a la enseanza del lgebra lineal el conocimiento de su historia?
Leccin 4
Tecnologas en la Enseanza y Aprendizaje del lgebra Lineal
Esta leccin tiene como objetivo pasar revista al uso de tecnologas en la enseanza,
aprendizaje y evaluacin de temas de lgebra Lineal. Esta rama de las matemticas se
caracteriza por sus numerosas aplicaciones y por tratar con un gran nmero de algoritmos
de clculo que son relativamente sencillos. Sin embargo, realizar esos algoritmos con papel
y lpiz en contextos reales, que involucren una gran cantidad de datos, puede resultar muy
tedioso y prcticamente imposible. Por otro lado, dedicarle demasiado tiempo a la
realizacin de cuentas con papel y lpiz puede desmotivar a los estudiantes y no permitirles
captar los conceptos fundamentales del lgebra Lineal. Las tecnologas, en particular
calculadoras y computadoras, resultan de mucha utilidad para auxiliarnos en la ejecucin de
esos algoritmos. Sin embargo, como veremos en esta leccin, el uso de las tecnologas en la
enseanza no se limita a ese papel, el de ahorrarnos tiempo al hacer clculos. El uso de las
tecnologas en educacin en matemticas, y en la enseanza, aprendizaje y evaluacin del
lgebra Lineal en particular, incluye un amplio rango de posibilidades.
Aplicaciones genricas
Denominamos aplicaciones genricas a un conjunto de aplicaciones que fueron diseadas
para diversos usos y que pueden ser empleadas en diversas facetas de la enseanza,
aprendizaje y evaluacin de temas de lgebra Lineal. En esta leccin nos ocuparemos de
tres tipos de estas aplicaciones, los cuales son: a) hojas de clculo, b) latex y c)
presentadores.
Hojas de clculo. Las hojas de clculo son una de las primeras aplicaciones desarrolladas
especialmente para las computadoras personales. Estas surgen de la necesidad de
automatizar las hojas de trabajo que se usan en contabilidad. Con la popularizacin de
Windows y de Microsoft Office, la hoja de clculo Excel se convirti en la hoja de clculo
ms usada. Aunque existen hojas de clculo de otros fabricantes y en distribucin abierta
(Open Source), como por ejemplo Open Office. Dada la amplia distribucin de Excel,
usaremos esta hoja de clculo para los ejemplos de uso de estas aplicaciones en la
enseanza del lgebra Lineal.
La hoja de clculo Excel incluye varias funciones que nos permiten realizar operaciones
con matrices y calcular determinantes. Estas funciones son: matriz inversa, multiplicacin
de matrices y determinante. La adicin de matrices se puede hacer fcilmente usando los
comandos de suma de la hoja de clculo. Para tener acceso a estas funciones hay que
seleccionar el men Insertar en la barra superior (ver Figura 4.1). Una vez dentro de ee
men, escoja con el cursor y haga clic sobre Funcin. Una vez hecha esta operacin se
abre la ventana de dilogo Insertar Funcin. En esta ventana aparece una diversidad de
opciones (ver Figura 4.2). En esa ventana hay que escoger la opcin Matemtica y
trigonometra. Una vez seleccionada esa opcin aparecern en la ventana de dilogo la lista
de todas las funciones de Matemtica y trigonometra disponibles. Buscamos en la lista y
seleccionamos la funcin MINVERSA, la cual nos permite calcular la inversa de una matriz
dada.
54
Figura 4.1. Men Insertar de Excel
Figura 4.2. Ventana de dilogo de Insertar Funcin
55
Al seleccionar la funcin de nuestro inters, aparece en la parte inferior de la ventana de

dilogo una breve descripcin de la misma (Ver Figura 4.3). En el caso de la funcin
MINVERSA aparece la siguiente descripcin: Devuelve la matriz inversa de una matriz
dentro de una matriz (ver Figura 4.3).
Figura 4.3. Ventana de dilogo con la funcin MINVERSA seleccionada

Le invitamos a que experimente con estas funciones.
Activdad 4.1
Use Excel para resolver el problema propuesto como parte de la Actividad 3.3.
Tex y Latex. Se trata de una aplicacin especial para transcribir textos de matemticas.
Latex es ampliamente utilizado para la escritura de libros, artculos para revistas y
materiales instruccionales impresos. Esta aplicacin nos permite escribir todo tipo de
expresiones matemticas. Adems, de su versatilidad para la escritura en matemticas, hay
varias versiones de Latex disponibles en formato Open source.
Una de las versiones ms populares de esta aplicacin es MikText. Esta versin la puede
bajar, para instalarla en su computadora, en la direccin:
Tambin hay varios manuales de Latex en espaol disponibles libremente en la web.
Recomendamos los manuales que se encuentran en las direcciones siguientes:
http://www.fceia.unr.edu.ar/lcc/cdrom/Instalaciones/LaTex/latex.html
http://www.cidse.itcr.ac.cr/revistamate/HERRAmInternet/Latex/wmlatexrevista/index.html
Para aprender ms sobre Latex, una buena pgina web con bastante informacin bsica en
espaol es: http://www.matematicas.net/paraiso/latex.php. All incluso encontrar usted
informacin sobre como instalar MikText.
Presentadores. Los presentadores son aquellas aplicaciones que se utilizan para disear
transparencias dinmicas de soporte para conferencias, exposiciones, clases, etc. al como
56
el caso de Excel, Power Point se ha convertido en uno de los presentadores ms utilizados.

Sin embargo, tambin hay aplicaciones de este tipo en el formato fuente abierta.
Calculadoras
Las calculadoras que ms se usan en la educacin superior en nuestro pas son las
fabricadas por CASIO y Hewlet Packard (HP), estas ltimas son muy apreciadas por los
estudiantes de ingeniera. Para lo efectos de esta leccin nos interesa, ms que pasar
revista a un modelo en particular de calculadora, ver algunos ejemplos e invitarle a
reflexionar sobre su uso en la clase de matemticas. Para tal efecto usaremos la calculadora
ClassPad 300 de CASIO.
En el Centro de Documentacin de su Centro Local est a su disposicin un disco compacto
que contiene una versin de la calculadora ClassPad 300 para computadora. Una vez
instalado el software del disco tendr acceso a la calculadora.
En los anexos A y B le mostramos dos ejemplos de uso de la calculadora ClassPad 300 de
Casio en actividades de aprendizaje sobre temas de lgebra Lineal.
Actividad 4.2
Instale el ClassPad 300 en una computadora y realice las actividades propuestas en los
anexos A y B
Lenguajes de programacin
Hay varios lenguajes de programacin disponibles que se pueden usar para escribir
algoritmos del lgebra Lineal. Dependiendo del curso y de la formacin previa de los
estudiantes se les podra asignar tareas en las que tengan que disear programas para
ejecutar determinados algoritmos. Estas tareas seran de especial relevancia para
estudiantes en las carreras de computacin o de ingeniera de sistemas.
Fortran es conocido por muchos como el lenguaje de programacin de la ingeniera, por su
amplia aplicacin para soluciones de clculo numrico. Octave GNU es un lenguaje de alto
nivel que fue desarrollado como una alternativa a Fortran. Octave permite resolver
numricamente problemas lineales y no-lineales y es compatible con MathLab. Usted puede
descargar gratis este lenguaje de programacin en la direccin:
http://www.gnu.org/software/octave/index.html
Los lenguajes tambin permiten disear aplicaciones especiales para la web. Tal es el caso
del lenguaje Java el cual permite escribir applets. Ms abajo, en la seccin dedicada a los
objetos de aprendizaje presentaremos unos ejemplos de applets.
Aplicaciones especficas
Las aplicaciones especficas son aquellas, como su nombre lo indica, que fueron diseadas
especialmente para matemticas, incluso especialmente para el lgebra Lineal. Estas
ltimas las separamos en dos grupos que denominaremos (a) tcnicas y (b) didcticas.
Llamamos tcnicas aquellas aplicaciones diseadas para uso profesional y que tambin
pueden ser usadas en la enseanza. Mientras que las aplicaciones especficas didcticas
incluye todas aquellas aplicaciones diseadas especficamente con fines educativos.
Hay disponibles un nmero de aplicaciones especiales tcnicas o sistemas algebraicos
computarizados (SAC), expresin introducida en el curso de Didctica del Clculo. En dicho
curso usted tuvo la oportunidad de estudiar algunas de estas aplicaciones y su importancia
para la enseanza de las matemticas, en especial del Clculo. Las consideraciones hechas
en esa oportunidad se aplican al caso del lgebra Lineal.
57
Magma, Maple, Mathematica y MathLab son los paquetes de computacin comerciales

usados en matemticas. En al campo de la Open Source surgi SAGE como una
alternativa a estas aplicaciones comerciales. Para ms informacin y bajara este software
visite la pgina: http://www.sagemath.org/
Existe un buen nmero de sitios en internet donde se pueden conseguir referencias de
aplicaciones especficas para la enseanza de las matemticas. Le recomendamos visitar la
pgina del Proyecto e-Math de la Universitat Oberta de Catalunya: La Universidad Virtual,
en la direccin: http://www.uoc.edu/in3/e-math/intro.htm. All encontrar artculos,
materiales y enlaces interesantes sobre el uso de tecnologas en la enseanza de las
matemticas y un espacio dedicado a la enseanza del lgebra lineal.
Actividad 4.3
1. Revise dos sitios de aplicaciones especficas e indague acerca de su utilidad para la
enseanza y aprendizaje del lgebra lineal. Considere si incluye clculo matricial,
determinantes y otras aplicaciones del lgebra lineal.
2. Indique si las aplicaciones especficas escogidas en el punto 1 incluyen facilidades para
la visualizacin.
3. Cul de las dos aplicaciones especiales usara usted como profesor? Explique.
Objetos de aprendizaje
Qu es un objeto de aprendizaje? Compartimos la caracterizacin siguiente elaborada por
el Souther Regional Education Borrad (SREB) de los Estados Unidos. Para el SREB, Los
objetos de aprendizaje son contenido digital que puede ser usado y re-usado para la
enseanza y el aprendizaje. Ellos son modulares, flexibles, porttiles, transferibles y
accesibles. Los objetos de aprendizaje pueden ser usados para ensear una habilidad o
concepto particular, o para proveer pensamiento estimulante y experiencias de aprendizaje
para el profesor o estudiante. Un objeto de aprendizaje, tal como es definido por SCORE
(siglas de Sharable Content Objects Repository for Education), incluye contenido digital,
actividades prcticas y herramientas de evaluacin que estn ligadas uno o ms objetivos
educacionales y clasificado en un plan que permite informacin acerca del contenido a ser
almacenado y recuperado (esquema meta-datos).
Para los propsitos de la enseanza y el aprendizaje, los objetos de aprendizaje efectivo
usan documentos, interactividad, grficos, simulaciones, video, sonido y otras herramientas
que vna ms all de las presentaciones estticas de los libros para involucrar a los
estudiantes en contenido del mundo real (Fuente:
http://www.sreb.org/programs/EdTech/pubs/PDF/05T03-PrinciplesEffectiveLO.pdf).
A continuacin presentamos algunos ejemplos de objetos de aprendizaje especficos para la
enseanza y aprendizaje de temas de lgebra lineal. En la web usted encontrar en la web
un buen nmero de pginas donde se almacenan objetos de aprendizaje que estn a la
disposicin de todo aquel que ls quiera usar.
Calculadora de vectores. Este objeto de aprendizaje es una calculadora grfica que nos
permite hallar la suma de dos vectores en dos dimensiones, es decir, en el plano. Viste la
pgina http://comp.uark.edu/~jgeabana/java/VectorCalc.html donde podr experimentar
con este objeto de aprendizaje.
58
Esta calculadora nos permite sumar solamente dos vectores en el plano. En la pgina donde
se encuentra esta calculadora encontramos un enlace que nos lleva a una adaptacin de
sta donde encontramos una calculador que nos permite sumar hasta tres vectores en el
plano. Esta la puede encontrar directamente en la siguiente direccin electrnica:
http://romano.physics.wisc.edu/lab/java/M2_Vector_Calculator.html.
59
Calculadora de matrices. Vimos al comienzo de esta unidad que con la herramienta Excel
podamos hacer operaciones con matrices y calcular determinantes. Sin embargo, existen
numerosas aplicaciones especiales y objetos de aprendizaje que nos permiten operar con
matrices y obtener otros resultados interesantes. Este es el caso del objeto de aprendizaje
calculadora de matrices que se encuentra depositado en la pgina:
http://wims.unice.fr/wims/wims.cgi.
Al entrar en la pgina indicada arriba aparecer una pantalla como la que se muestra a
continuacin. En el espacio en blanco que aparece a la derecha del signo de igualdad usted
puede introducir los elementos de la matriz separados por comas en cada fila, use enter
para marcar el final de cada fila. En el ejemplo de abajo introducimos una matriz cuadrad
2x2, con elementos:
12
13
10
Una vez introducida la matriz selecciones los clculos que desea realizar y haga clic en el
botn Show. Entonces aparecern los resultados, tal como se muestra en la tercera de las
tres pantallas que se muestran a continuacin. Para facilitarle el uso de este objeto de
aprendizaje presentamos la traduccin al espaol de todos los elementos en este objeto de
aprendizaje en la segunda pantalla de abajo.
60
61
Visualizacin de los valores propios de una matriz. Uno de los aspectos ms discutidos en la
enseanza del lgebra lineal, y de las matemticas en general, es el papel de la
visualizacin en la comprensin y apropiacin de los conceptos y procedimientos
matemticos. Encontramos un objeto de aprendizaje que nos permite visualizar los valores
propios de una matriz compleja 3 por 3, los crculos de Gershgorin y los valos de Cassini.
Este objeto de aprendizaje se encuentra en la pgina:
http://etna.mcs.kent.edu/vol.8.1999/pp15-20.dir/gershini.html
Actividad 4.4
1. Realice una bsqueda en internet de informacin sobre los crculos de Gershgorin.
Recopile esa informacin.
2. Busque en internet informacin sobre los valos de Cassini. Recopile esa informacin.
Tome nota de coincidencias y discrepancias entre la informacin recolectada.
3. Escriba un breve ensayo donde presente el resultado de las bsquedas realizadas en los
puntos 1 y 2.
62
63
Videos
El uso de videos en educacin cobra especial importancia en la educacin a distancia,
aunque no es una herramienta exclusiva para esta modalidad. Algunas universidades
presenciales ponen a disposicin de sus estudiantes ciertas clases grabadas en video para
que puedan verlas de nuevo y repasar los contenidos.
La Universidad nacional Abierta tiene una serie de videos disponibles en los centros de
documentacin sobre diversos temas de matemticas. Seguramente usted ya conoce
algunos de ellos. Si no, le invitamos a que los vea.
La web tambin es una buena fuente de videos. En sitios tan populares como YouTube se
consiguen videos de matemticas y en particular de lgebra Lineal.
El mejor ejemplo hasta ahora disponible en internet es las clases completas de un curso de
un trimestre dictadas por el Profesor Gilbert Strang, autor de un libro de lgebra Lineal
traducido al espaol, en el Instituto de Tecnologa de Massachusetts (MIT, por sus siglas en
ingls). Lamentablemente estas clases estn en ingls, pero vale la pena verlas aunque
usted no conozca bien ese idioma. Estas clases se encuentran en la direccin:
http://mit.ocw.universia.net/18.06/f02/index.html.
Cmaras digitales
Las cmaras digitales son cada vez ms usadas en la enseanza de las matemticas. Por
ejemplo, la revista The Mathematics Teacher, publcada por le Nacional Council of Techares
of Mathematics (NCTM, Consejo Nacional de Profesores de Matemticas) de los Estados
Unidos tiene una seccin fija titulada Lente Matemtico. En esta seccin se presentan
fotografas como detonantes para la indagacin matemtica, se estimula a los lectores y
lectoras a ver patrones y relaciones.
Los estudiantes tambin pueden hacer uso de las cmaras digitales para documentar su
trabajo y hacer investigaciones. En el curso de Matemtica y Ciencias (cod. 532), de la
Licenciatura en Educacin Mencin Matemtca que ofrece la UNA, algunos estudiantes han
usado cmaras digitales en la realizacin del trabajo prctica y han incorporado las
fotografas en su informes de investigacin.
Cursos en lnea y blogs
Con el auge de las computadoras y de internet, han surgido numerosas ofertas de curso
basados en ambas tecnologas. Como futuro profesor de matemticas o como consultor de
matemticas usted tal vez se vea en la necesidad de administrar o disear cursos de
matemticas en lnea. En la Universidad Nacional Abierta usamos la aplicacin Moodle para
administra cursos en lnea. Este curso tiene una pgina de apoyo que usted encuentra en la
pgina: http://academico.una.edu.ve/foro. Como se le indic en la presentacin ya debera
haberse registrado para tener acceso a la pgina del curso. Hay otras aplicaciones para
administrar cursos en lnea.
Los blogs se estn haciendo cada vez ms populares en el campo de la educacin. A tal
punto, que algunos autores han llegado a sealar que constituyen una de las herramientas
en la web ms influyentes en educacin. Xisten varios sitios en la web especialmente
dedicados al diseo de blogs, uno de los ms populares es www.blogspot.com. Le invitamos
a visitar el blog http://didacticadelalgebra.blogspot.com/, en el cual encontrarn
informacin sobre didctica del lgebra. Usted puede disear su propio blog de apoyo para
sus clases, si usted es actualmente profesor, o como estudiante para intercambiar con otras
personas interesadas en estudiar temas compartidos.
64
3. Cules son realmente las ventajas que ofrece un uso adecuado de los
programas matemticos respecto a una formacin "tradicional"?
Las ventajas de la correcta utilizacin de un software matemtico con las caractersticas
anteriormente descritas son varias: en primer lugar, permite al profesor explicar conceptos
que, de otra forma, quedaran en un nivel de abstraccin difcil de asimilar por muchos
estudiantes en un tiempo breve: volmenes generados por funciones al rotar sobre un eje,
representaciones de superficies en 3D, conceptos y resultados tericos susceptibles de ser
comprobados empricamente (tales como la aproximacin de una funcin mediante
polinomios de Taylor, la convergencia de series infinitas, la existencia de movimientos
caticos, el teorema central del lmite, etc.). Por aadidura, este tipo de software permite
una participacin mucho ms activa y creativa (quizs la palabra sea constructivista) por
parte del estudiante: con esta herramienta, el estudiante podr adentrarse por s mismo
(preferentemente de forma guiada por su profesor) en nuevos mundos que le permitirn
conjeturar, experimentar, y extraer conclusiones. Esto abre a cualquier estudiante con unos
mnimos conocimientos informticos toda una gama de posibilidades (simulacin estadstica,
programacin de algoritmos numricos, anlisis avanzado de problemas de investigacin
operativa y de optimizacin, etc.) que eran poco o nada factibles hace tan slo cinco o diez
aos, cuando los programas matemticos eran tan rudimentarios y complejos como los
procesadores de texto o las hojas de clculo de la poca. En definitiva, y utilizando palabras
de la profesora Mara Victoria Snchez (Universidad de Sevilla), "saber matemticas pasa a
entenderse no slo como una acumulacin de hechos y procedimientos, sino como la
capacidad de 'hacer' matemticas".
Disponer de estos programas abre la posibilidad de tener un potente laboratorio matemtico
que acompaar siempre al estudiante en su proceso de aprendizaje, permitindole realizar
pruebas complejas de clculo numrico y simblico, trasladando as soluciones y estrategias
desde los contextos tericos originales a otros nuevos mucho ms inteligibles para l.
Por si las razones anteriores no fuesen suficientes, hay, adems, otra razn de peso: la
individualizacin del proceso de enseanza. En efecto, el uso de este tipo de software
facilita la adaptacin curricular a las necesidades e intereses de cada alumno, convirtindose
as en el complemento perfecto del profesor y de los materiales: cada alumno podr
reforzar, con ayuda de este tipo de programas, aquellos puntos conceptuales que le resulten
ms difciles de asimilar, y practicar con ellos tantas veces como su tiempo (y ganas) lo
permita.
Es muy importante observar tambin que el aprendizaje de este tipo de software se puede
interpretar en clave de inversin de tiempo. Inversin que se comenzar a rentabilizar
totalmente en el momento en que el estudiante empiece a ejercer como profesional, ya sea
de forma liberal o en el mbito de cualquier empresa donde el uso de estas herramientas le
sean requeridos.
Para terminar, es obvio que el uso correcto de un buen programa matemtico puede
resultar un elemento fundamental en la motivacin del estudiante, tanto por las razones
anteriormente citadas como por el dinamismo y la interactividad que se consigue en el
proceso.
Juan, A. A. y Bautista, G. (2001). Didctica de las matemticas en la enseanza superior:
La utilizacin de software especializado. Disponible en:
http://www.uoc.edu/web/esp/art/uoc/0107030/mates.html.
65
Anexo A
Ejercicio con la ClassPad Eliminacin Gaussiana
Una tienda de comida naturista vende latas de frutas secas mixtas en tres tamaos. El
tamao grande contiene 1 libra de merey y 2 libras de man. El tamao gigante contiene 2
libras de merey y 4 libras de man y 1 libra de nuez. El tamao mamut contiene 2 libras de
merey, 6 libras de man y 1 libra de nuez.
a) Supongamos que un cliente ordena un despacho de exactamente 15 libras de merey, 34
libras de man y 6 libras de nuez. Cuntas latas de cada tipo tienen que despacharse
los deseos del cliente sin que sobre ningn tipo de frutos secos? Proponga un sistema de
ecuaciones lineales que describa la situacin.
b) Use la ClassPad para resolver de dos maneras el sistema de ecuaciones planteado en la
parte a).
c) Muestre que si el nmero de libras de man en la orden tiene el doble del nmero de
libras de merey en la orden y que fue posible completar la orden, podramos completar
la orden slo con latas grandes y gigantes. [Ayuda: Use una ClassPad para resolver un
sistema 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) Muestre 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 completar la orden.
[Ayuda: Use una ClassPad para resolver un sistema 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) Muestre que si el nmero de libras de merey en la orden hubiese sido mayor que una
mitad del nmero de libras de man en la orden, no hubiera sido posible completar la
orden. [Ayuda: Use una ClassPad para resolver un sistema 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 todos los valores de C, P y W para los cuales la
orden puede ser completada usando slo latas del tamao gigante de frutas secas
mixtas. [Ayuda: Usted puede hacer esta parte 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 entre C, W y P en una solucin sin latas grandes o mamut. Sin embargo,
es ms fcil usar el sentido comn simple para obtener una respuesta, y entonces
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 denotan el nmero
de latas grande, gigante y mamut respectivamente.
66
b) La pantalla que se muestra a la derecha nos indica que

L = 3. G = 4 y M = 2.
c) La pantalla a la derecha nos muestra que M tiene ser 0.
d) La pantalla a la derecha nos muestra que si C < 2W,

entonces el valor de L sera negativo lo cual no es posible.
e) El pantalla de la derecha se muestra que si C > P/2,
entonces el valor de M sera negativo lo cual no es
posible.
f) Dado que el tamao gigante contiene 2 libras de merey, 4
libras de man y 1 libra de nuez, si slo son usadas latas
gigantes para completar la orden del nmero de libras de
merey tiene que ser el doble del nmero de libras de
nuez y el nmero de libras de man debe ser cuatro veces
el nmeros de libras de merey. La pantalla que se
muestra a la derecha confirma esto dado que si L = M =
0, entonces C = 2W y P = 2C = 4W. Fjese que por este
orden, el nmero de latas gigantes necesarios es igual al
nmero de libras de en la orden.
(Traduccin de Julio Mosquera)
Fuente:
http://www.casioeducation.com/resource/downloads/lessons/classpad/classpad300gaussian_elimination.pdf
67
Anexo B
Hallar la Matriz Fundamental para una Cadena de Markov Absorbente
Ejercicios para los Estudiantes

La matriz de transicin de abajo representa una Cadena de Markov en la cual los Estados I,
II y III son absorbentes.
1/8
1/8
1/8
1/8
1/8
3/8
Recordemos que denotamos la matriz 2 por 2 en la esquina inferior derecha de P como R y

que denotamos la matriz 3 por 2 que est sobre R como S. Esto es, R contienen las
probabilidades de transicin de los estados no absorbentes a los estados no absorbentes y S
contiene las probabilidades de transicin de estados no absorbentes a estados absorbentes.
Con esta notacin, podemos escribir P como sigue, donde I (en este caso) denota una
matriz identidad 3 por 3 y O (en este caso) denota una matriz de ceros de 2 por 3.
Recordemos que hay dos matrices importantes asociadas con la matriz de transicin.
Primero, tenemos F, la matriz fundamental. F es la inversa de I R, donde esta I es la
matriz identidad con las mismas dimensiones de R. Las sumas columna de F dan el nmero
de transiciones previas a la absorcin para cada estado no absorbente.
-1
Entonces, tenemos la matriz estable, SF = S(I R) . La entrada en, por ejemplo, la fila 3
y columna 2 de SF da la probabilidad que si el sistema comienza en el segundo estado no
absorbente (por ejemplo, Estado V), el estado ser absorbido en el tercer estado
absorbente (por ejemplo, Estado III).
Puede usar una calculadora ClassPad para hacer todos los clculos descritos arriba.
En la pantalla de la izquierda, se muestra la matriz de transicin original. En la pantalla de
la derecha, vemos el clculo de la matriz fundamental y las sumas de sus columnas.
68
La sintaxis para las funciones subMat y fill que usted ve en la pantalla de arriba es:
subMat(matriz, beginning row, beginning column, ending row, ending column)
so that if ans is P, submit(ans,4,4,5,5) is R
fill(value, number of rows, number of columns)
Ahora, en la pantalla de la izquierda se muestra la matriz de transicin original, en la
pantalla del medio aparece cmo crear S, y en la pantalla de la derecha se muestra el
clculo de la matriz estable. Usted notar que la suma de las columnas de la matriz estable
son 1, como tiene que ser.
Entonces, vemos que si nuestra cadena de Markov comienza en el segundo estado no

absorbente, por ejemplo estado V, en promedio 64/35 transiciones ocurrirn previo a la
absorcin y el sistema ser absorbido en el Estado III con la probabilidad 8/35.
69
Ejercicio
Suponga la Cadena Markov con la matriz de transicin comienza en el estado IV.
1/3
1/4
1/4
1/4
1/6
1/4
Cul es la probabilidad de que el sistema sea absorbido en el Estado I y cul es el nmero

esperado de transiciones que ocurrirn previas a la absorcin?
Respuestas
En la pantalla del medio podemos ver que el nmero esperado de transicin previo a la
absorcin es 9/4. De la pantalla que se muestra a la derecha, vemos que la probabilidad de
que una absorcin ocurra en el Estado I es 5/8.
(Traduccin Julio Mosquera)

Fuente:
http://www.casioeducation.com/resource/downloads/lessons/classpad/classpad300markov_chain_and_fundamental_matrix.pdf
Auto-Evaluacin 4
1. Haga una lista de los tipos de tecnologas que se podran usar para la enseanza,
aprendizaje y evaluacin del lgebra lineal.
2. Haga una lista de aquellas tareas en la que puede ser til la tecnologa para la
enseanza y aprendizaje del lgebra lineal.
3.
Unidad 3
Objetivo 3:
Disear unidades didcticas de lgebra Lineal.
Introduccin
A Unidad 3 est dedicada al problema del diseo de unidades didcticas. Usted tuvo
oportunidad de estudiar estas unidades por primera vez en el curso de Didctica del Clculo.
Trataremos de no ser repetitivos y profundizar en esta materia. El contenido de esta unidad
est organizado en tres lecciones. La Leccin 5 est dedicada a una revisin del concepto de
unidades didcticas, a la identificacin de sus principales elementos. Reiteramos, en esta
leccin nos apoyamos en el material ya estudiado en un curso anterior, sin embargo,
esperamos que usted encuentre un contenido nuevo y que le parezca interesante y le ayude
a ampliar su visin de estas unidades. Hacemos especial nfasis en las actividades de
aprendizaje. En la Leccin 6 discutimos asuntos relacionados con la elaboracin de objetivos
de aprendizaje y de actividades de aprendizaje. Dentro de estas ltimas resaltamos la
actividad de creacin o proposicin de problemas. A diferencia de otros enfoques en
didctica de las matemticas, una parte de la pedagoga de las ciencias matemticas, donde
se enfatiza la resolucin de problemas, la cual llega a ser denominada como el corazn de
las matemticas, pesamos que la creacin de problemas y su posterior resolucin es an
ms importante. En la introduccin a este curso sealamos que las matemticas y su
didctica no son deportes de espectadores. Pensamos que slo el estudio disciplinado y la
dedicacin conducen a un aprendizaje significativo de las matemticas. Lo anterior requiere
que el estudiante no sea un mero solucionador de problemas propuestos por el profesor,
directamente en clase o indirectamente por medio de un material escrito impreso o en lnea.
Para nosotros el estudiante tiene que realizar actividades que le brinden oportunidades de
razonar matemticamente, una de ellas es la creacin de sus propios problemas y la
formulacin de preguntas de investigacin. Por ello es que resaltamos la creacin de
problemas como actividad de aprendizaje. La Leccin 7 est dedicada al delicado tema de la
evaluacin. En primer momento entendemos la evaluacin como una actividad dedicada a
valorar la bondad de la unidad didctica y cada uno de sus componentes en particular, la
actuacin del profesor y el desempeo y conocimiento alcanzado por los estudiantes
producto de su envolvimiento en las actividades propuestas en la unidad didctica. Por
razones de espacio, le dedicamos especial inters a este ltimo aspecto, lo cual no significa
que sea mucho ms importante que los otros mencionados. En especial suele obviarse la
evolucin de la actuacin del profesor. Le invitamos a que no deje de considerar ese aspecto
como una buena prctica para mejorar la accin pedaggica.
Leccin 5
Unidades Didcticas
La Unidad 3 est compuesta de tres lecciones. En estas lecciones nos centraremos en el
estudio de la unidad didctica. En el curso de Didctica del Clculo (Cod. 761), usted ya
tuvo la oportunidad de estudiar las unidades didcticas y de disear una para la enseanza
de contenidos de Clculo.
En esta oportunidad retomaremos este instrumento de
planeacin y veremos su uso en el caso especial de la enseanza de contenidos de lgebra
Lineal. Trataremos de no ser repetitivos y profundizar en el estudio de las unidades
didcticas.
Unidades didcticas
Recordemos primero qu es una unidad didctica. En el curso de Didctica del Clculo (Cod.
761), se defini la unidad didctica como:
() una forma de planificar el proceso de enseanza-aprendizaje alrededor de
un elemento de contenido que se convierte en eje integrador del proceso,
aportndole consistencia e importancia. Esta forma de organizar conocimientos
y experiencias debe considerar la diversidad de elementos que contextualizar el
proceso (nivel de desarrollo del alumno, medio sociocultural y familiar, Proyecto
Curricular, recursos disponibles) para regular la prctica de los contenidos,
seleccionar los objetivos bsicos que pretende conseguir, las pautas
metodolgicas con las que trabajar, las experiencias de enseanza-aprendizaje
necesarios para perfeccionar dicho proceso. (Escamilla, 1993, p. 39 citado por
Gil, 1997(a))
Asumiremos aqu esta definicin. Nos interesa considerar ahora los elementos que
constituyen una unidad didctica. En general, se puede decir que para el diseo de estas
unidades se debe tomar en cuenta por lo menos los elementos siguientes:
Objetivos de aprendizaje (Para qu ensear?)
Contenidos (Qu ensear?)
Actividades de enseanza y aprendizaje (Cmo ensear? Cmo se aprende?)
Actividades y procedimientos de evaluacin (Qu hay que evaluar, cundo y cmo?)
A los elementos anteriores se podran aadir:
Presentacin y orientacin de la unidad (Cmo organizar la instruccin?)
Metodologa (Cmo ensear?)
Temporalizacin o duracin de la unidad (Cunto tiempo es necesario para la

enseanza?)
(Basado en: http://www.deciencias.net/disenoud/deaula/ud1.htm)

Tenemos que cada uno de estos elementos nos permite responder las preguntas bsicas de
la pedagoga. Revise las preguntas entre parntesis que acompaan a cada uno de los
elementos listados arriba.
Otra manera de proponerse el paso inicial en el diseo de unidades es en trminos de
decisiones a tomar en torno a los asuntos siguientes:
74
Didctica del lgebra Lineal y la Probabilidad
Objetivos
Contenidos
Estrategias metodolgicas
Evaluacin
Seleccin de materiales
Gestin del aula (uso de espacios, tiempos, modos de agrupamiento...)
(Fuente: http://acadi.iteso.mx/acadi/articulos/unidida2.htm).
La consideracin tanto de los elementos como de los asuntos, justo mencionados, nos
permitir formarnos una idea general del plan para la unidad. Pero, para planificar
necesitamos precisar cules sern los elementos que forman la unidad. Sugerimos asumir la
organizacin de la unidad didctica propuesta por Marqus Graells (2006). Para este autor
toda unidad didctica debera tener la estructura siguiente:
Presentacin de la UNIDAD DIDCTICA: objetivos, ndice de objetivos,

destinatarios, breve descripcin de las actividades y la evaluacin.
Diversas unidades (5/10) de aprendizaje (que incluyen los tres elementos:

contenidos, actividades, evaluacin)
Resumen y conexiones entre las unidades de aprendizaje de la UNIDAD

DIDCTICA y con otras unidades.
Actividades de aplicacin relacionadas con las unidades de aprendizaje
Evaluacin general de la UNIDAD DIDCTICA.
En esta caracterizacin de Marqus Graells (2006) aparece un elemento nuevo, las unidades
de aprendizaje.
Qu son las unidades de aprendizaje?
En un glosario desarrollado por la Universidad Virtual de Salud, La Habana, se definen las
unidades de aprendizaje como:
() las pequeas unidades en que se organiza la informacin y que al
integrarse conforman las diversas unidades didcticas o lecciones que
componen un curso (Fuente:
http://www.uvirtual.sld.cu/glosario/ploneglossary.2006-0808.4973748209/ploneglossarydefinition.2006-08-09.0215567862)
Para otros autores, como la organizacin peruana Educared, las unidades de aprendizaje
son formas de organizacin articulada con otras formas que le dan expresin a la unidad
didctica. En sus propios trminos,
Las unidades didcticas son la expresin ms inmediata que debe reflejar
la intencionalidad pedaggica de un centro educativo determinado y se
expresan a travs de las Unidades de Aprendizaje, los Proyectos de
Aprendizaje y los Mdulos. Veamos brevemente en que consisten estas
formas de programacin:
Unidades de Aprendizaje: son una forma de programar. Resumen la

planificacin del docente y tienen en cuenta el desarrollo de contenidos de
un rea para obtener nuevos aprendizajes.
Proyectos de Aprendizaje: son formas de programar. Parten de un

problema o necesidad de los alumnos y alumnas, establecen los pasos a
75
seguir con la finalidad de obtener un resultado o producto concreto que

resuelva el problema inicial. Es la propuesta de programacin ms
participativa. En la planificacin, ejecucin y evaluacin intervienen los
alumnos y las alumnas.
Mdulos de aprendizaje: es una forma de desarrollar o reforzar un

tema especfico. Es el complemento de un proyecto o de una Unidad de
Aprendizaje.
(Fuente: http://www.educared.pe/docentes/articulo/1036/actividades-deaprendizaje-significativo/)
Hasta aqu hemos definido las unidades didcticas, distinguimos sus elementos,
identificamos su estructura y resaltamos uno de sus componentes: las unidades de
aprendizaje. Tocaremos brevemente el tema de los fundamentos tericos en que se
sustenta la unidad didctica.
No existe una nica fundamentacin terica para las unidades. Lo importante de
comprender es que a partir de la adopcin de un enfoque terico determinado se disea un
tipo particular de unidad. En otras palabras, si usted adopta un enfoque cognitivista
disear una unidad diferente de si adoptara un enfoque situado.
Tenemos as que, existen tantos tipos de unidades didcticas como enfoques tericos sean
adoptados como base. En la tabla 1 se muestran diferentes tipos de unidades didcticas
segn las teoras subyacentes.
Tabla 1. Tipos de unidades didcticas
Tipos de unidades didcticas
Modelos tericos
Transmisor
Contenidos conceptuales, conocimiento

cientfico. Ejercicios prcticos.
Tecnolgico
Pedagoga por objetivos, eficacia y

planificacin = orden. Contenidos y
ejercicios.
Artesano humanista
Lo que el alumno aprende ser lo que le

interesa saber a partir de ser til. La
motivacin ser el punto de partida.
Por descubrimiento
Cada alumno redescubre por s mismo,

busca el placer por el descubrimiento,
creatividad eje del trabajo.
Constructivista
Partir de lo que el alumno ya sabe, las

ideas previas es el punto de inicio.
(Fuente:
http://64.233.167.104/search?q=cache:Hxd8gnqxLmYJ:normalista.ilce.edu.mx/normalista/r
_n_plan_prog/efisica/presen_taller/u_didac.pdf+unidades+didacticas&hl=es&ct=clnk&cd=2
0&gl=ve)
Actividad 5.1.
Reflexione acerca de los tipos de unidades didcticas presentados en la Tabla 1. Cul o
cules tipos de unidades pareciera el ms adecuado para la educacin a distancia? Escriba
un breve ensayo, de dos pginas mximo, describiendo ese tipo o tipos de unidad didctica
con sus propias palabras y argumente sobre su utilidad para la educacin a distancia.
76
Los tipos de unidades didcticas presentados en la Tabla 1 no agotan todas las

posibilidades. Por ejemplo, no se incluyen en esa tabla aquellos tipos que podran derivarse
de la cognicin situada y de la teora de la actividad. Escapa del objetivo de esta leccin
entrar en la discusin de ms detalles al respecto. Nos interesa que usted entienda que hay
varios tipos de unidades didcticas y que cada uno de esos tipos se corresponde con un
modelo terico determinado. Aspecto que debe ser considerado en el momento de evaluar
una unidad didctica determinada, as como al disear una unidad didctica.
Qu ventajas tiene la unidad didctica como instrumento de planeacin?
Ayuda a evitar la improvisacin.
Sentimiento de control sobre los procesos, seguridad en lo que se propone, confianza

en s mismo y en la propuesta.
Favorece el mejoramiento de la enseanza ya que obliga a los profesores a

reflexionar en torno al curso.
Favorece el mejor aprovechamiento del tiempo.
Cuando se disea en grupo favorece la creatividad y refuerza los vnculos de equipo.
Gua los procesos interactivos de enseanza-aprendizaje que se ponen en prctica.
Permite a cada profesor(a) adaptar su trabajo pedaggico a las caractersticas de su

grupo.
Genera crecimiento profesional cuando se favorece la toma de decisiones

conscientes, cuando se procede a travs de la reflexin y autorevisin de lo que
sucede en el saln de clases o a distancia.
(Adaptado de: http://acadi.iteso.mx/acadi/articulos/unidida2.htm)

Fases del diseo de una unidad didctica
En la seccin anterior vimos qu es una unidad didctica, cules son sus principales
componentes y los diferentes tipos de unidades didcticas. El primero de estos puntos nos
llev a considerar de manera particular las unidades de aprendizaje, sobre las cuales
volveremos ms adelante. Nos interesa ahora pasar a estudiar los pasos o fases en el
diseo de unidades didcticas.
Se pueden identificar seis fases en el proceso de diseo de las unidades didcticas; las
cuales son:
1. Eleccin de la temtica de la unidad. (ejes o ncleos-tema-guin temtico)
2. Eleccin del modelo metodolgico.
3. Redaccin de objetivos
formulacin de objetivos).
de
la
unidad
(anlisis-adecuacin-contextualizacin;
4. Seleccin de contenidos y su secuenciacin.

5. Elaboracin de actividades (considerando el apoyo al momento del proceso y su
secuencia).
6. Evaluacin de la Unidad Didctica (del aprendizaje de los alumnos, del proceso de
enseanza-aprendizaje).
(Adaptado de: http://acadi.iteso.mx/acadi/articulos/unidida2.htm)
A continuacin veremos algunos detalles de cada una de estas fases.
77
Eleccin de la temtica de la unidad

En el caso que nos ocupa en este curso se trata de temas de lgebra Lineal. El problema
sera decidir cules temas van a ser tratados dentro de una misma unidad didctica. Otro
aspecto a considerar en esta fase es la conexin de esos temas con otros contenidos de
matemticas, de otras asignaturas y de actividades o situaciones en la vida real.
Eleccin del modelo metodolgico
El modelo metodolgico nos lleva al punto estudiado en la seccin anterior sobre los
diversos tipos de unidades didcticas. En la eleccin del modelo metodolgico el profesor
debera considerar varias estrategias.
Objetivos de la unidad
Una de las fases ms difciles de realizar en el diseo de una unidad didctica es la de
establecer los objetivos. Por un lado, los objetivos de la unidad didctica deben estar al
servicio de los logros de los objetivos establecidos para el curso o asignatura
correspondiente. Por ejemplo, el curso de lgebra II que se ofrece en la Universidad
Nacional Abierta tiene unos objetivos de aprendizaje establecidos en su material
instruccional impreso. Esta es una limitacin institucional dentro de la cual hay que trabajar.
Por el otro lado, puede ser que usted no est satisfecho o satisfecha con esos objetivos, por
ejemplo le podran parecer muy elementales y deseara que sus estudiantes logren unos
objetivos de mayor complejidad cognoscitiva. La unidad didctica permite coordinar ambos
esfuerzos, el logro de los objetivos establecidos y otros objetivos propuestos por el profesor.
En cualquier caso, tanto para evaluar los objetivos establecidos como para disear sus
propios objetivos, el profesor debe tener un conocimiento razonable acerca de la
elaboracin de objetivos y de varios tipos de objetivos. En la Leccin 6 estudiaremos el
tema de la elaboracin de objetivos con ms detalle.
Elaboracin de actividades
Las actividades son el corazn de la unidad didctica. Para lo efectos de esta asignatura,
usaremos las actividades didcticas como sinnimo de unidades de aprendizaje. stas, junto
a la evaluacin, son determinantes para que se alcancen los objetivos propuestos. Al
disear las actividades debera tomar en cuenta los aspectos estudiados en las lecciones 3 y
4, es decir, la historia del lgebra Lineal y el uso de tecnologas en su enseanza.
Las actividades didcticas estn al servicio del logro de los objetivos propuestos. Si en una
unidad didctica nos proponemos objetivos de nivel cognitivo complejo, las actividades
tendrn que ser suficientemente exigentes de manera tal que promuevan el desarrollo del
razonamiento a ese nivel de complejidad. Por el contrario, si los objetivos son de bajo nivel
cognitivo, las tareas sern rutinarias y poco exigentes. En la Leccin 6 trataremos en detalle
el tema de las actividades de aprendizaje.
Evaluacin de la Unidad Didctica
La evaluacin de la unidad didctica se refiere a la valoracin de varios aspectos de sta, no
se reduce a la evaluacin de los aprendizajes logrados por los estudiantes. La evaluacin
debe incluir la evaluacin del trabajo del profesor, de los materiales didcticos, de las
actividades y del aprendizaje. Al disear la unidad didctica deber planificar la manera en
que evaluar cada uno de estos aspectos.
Una manera de valuar su trabajo docente sera mediante un cuestionario sencillo donde
incluya diversos elementos.
Algunos de estos elementos seran: a) claridad en la
exposiciones instruccionales, b) adecuacin de las actividades a los objetivos, c) claridad en
la redaccin de las instrucciones escritas, d) evaluacin del estudiante ajustada a los
objetivos y e) conexiones significativas con otras asignaturas y situaciones reales.
78
La evaluacin del material didctico y de las actividades se puede hacer por medio de
instrumentos escritos especialmente diseados para tal efecto. Al igual que en el caso
anterior, en eso instrumentos se deben incluir aquellos elementos que se consideran
relevantes en el material didctico y en las actividades.
La evaluacin del aprendizaje logrado por los estudiantes se puede hacer de diversas
maneras. Esta evaluacin estara condicionada en buena medida al modelo metodolgico y
las actividades realizadas por los estudiantes en el desarrollo de la unidad. En la Leccin 7
estudiaremos con ms detalles asuntos relacionados con la evaluacin. En especial
pasaremos revista a unas taxonomas de los objetivos educacionales, Bloom y adaptaciones
a las matemticas y SOLO, y a los niveles de desempeo de PISA.
Actividad 5.2.
Al comienzo de esta leccin identificamos los principales componentes de una unidad
didctica. En una tabla de dos columnas, escriba en la primera columna de izquierda a
derecha esas componentes y en la segunda columna haga corresponder las fases de diseo
de una unidad didctica en que se trabajo cada uno de esos elementos.
En esta leccin definimos que es una unidad didctica e identificamos sus principales
componentes, adems especificamos unas fases a seguir en el proceso de estas unidades.
Con el material hasta aqu estudiado usted ya debera haberse formado una idea general de
este instrumento de planeacin. En las dos lecciones siguientes estudiaremos la elaboracin
de objetivos de aprendizaje y de diversos tipos de actividades de aprendizaje, y aspectos
especficos relacionados con la evaluacin de la unidad didctica respectivamente.
Referencias
Garca Ruvalcaba, L. (s.f.). Unidades didcticas.
http://acadi.iteso.mx/acadi/articulos/unidad_didactica.htm
Falc, C. (1999). Crear unidades didctias en formato web.
http://www.geocities.com/athens/sparta/6407/
Marqus Graells, P. (2006). Diseo instructivo de unidades didcticas.
http://dewey.uab.es/pmarques/ud.htm
Auto-Evaluacin 5
1. Qu es una unidad didctica?
2. Defina unidades de aprendizaje.
3. Haga una lista de los aspectos de la enseanza que nos permite considerar la unidad
didctica.
4. Enumere las ventajas del uso de la unidad didctica como instrumento de planeamiento.
5. Cules son las principales decisiones que se deben considerar al disear unidades
didcticas?
6. Mencione por lo menos tres tipos diferentes de unidades didcticas y seale el modelo
didctico correspondiente a cada uno de ellos.
7. Defina objetos de aprendizaje.
8. Qu relaciones hay entre objetos de aprendizaje, unidades de aprendizaje y unidades
didcticas?
9. Enumere cada una de las fases del diseo de unidades didcticas.
10. Complete la tabla siguiente.
Elementos de la Unidad Didctica

Objetivos de aprendizaje
Contenidos
Actividades de enseanza y
aprendizaje
Actividades y procedimientos de
evaluacin
Presentacin y orientacin de la
unidad
Metodologa
Temporalizacin o duracin de la
unidad
Preguntas que responde
Leccin 6
Experiencias y Objetivos de Aprendizaje
En la leccin anterior pasamos revista al proceso general de diseo de unidades didcticas.
En esta leccin nos ocuparemos del diseo de objetivos de aprendizaje y de las estrategias
de aprendizaje. Adems, trataremos brevemente el tema del uso de libros en la enseanza
y el aprendizaje del lgebra Lineal. Recuerde que consideramos el caso de la enseanza
presencia y la enseanza a distancia. Con el avance de esta ltima es probable que usted
llegue a desempaarse como profesor en un programa de educacin a distancia.
Como indicamos arriba, primero nos ocuparemos de los objetivos de aprendizaje de la
unidad didctica. Qu son los objetivos de aprendizaje?
Los objetivos de aprendizaje comunican lo que el curso, asignatura o unidad
educacional [en nuestro caso, unidad didctica] espera que el estudiante
aprenda. En otras palabras, lo que el estudiante debe ser capaz de demostrar
al final de un perodo de aprendizaje. (Branda, 2000)
Antes de decidir qu objetivos de aprendizaje consideraremos en una unidad didctica, es
necesario identificar las competencias y los conceptos y principios que esperamos que le
estudiante aprenda y adquiera (o se apropie). Lo ms probable es que usted tenga que
trabajar con unidades didcticas para cursos en los que los contenidos y competencias,
incluso los objetivos ya estn establecidos. Retomemos el ejemplo del curso lgebra II (cod.
753), en el Anexo D usted encontrar los contenidos y objetivos estipulados en el material
instruccional impreso para este curso. Si usted tiene que disear una unidad didctica para
este curso, ya tiene unos contenidos y objetivos establecidos como punto de partida. Usted
tendra que considerar si el orden en que estn presentados estos temas y objetivos son lo
ms adecuado, de lo contrario usted podra modificar esa secuencia. Tambin puede ser que
usted considere que uno de los objetivos es muy elemental y que sea conveniente
transformarlo en un objetivo de mayor nivel cognitivo.
Para disear los objetivos de aprendizaje usted deber escoger entonces la lista de
contenidos a tratar en la unidad didctica. A partir de esa lista de temas usted identificar
los principios/conceptos, los cuales constituyen las ideas ms relevantes o fundamentales
subyacentes a los contenidos, y que son imprescindibles para su comprensin. Estos
principios/conceptos son aplicables en la solucin de diversos problemas o situaciones
particulares, en otras palabras, son generalizables (Branda, 2000).
Para Branda (2000) los objetivos de aprendizaje deben tener las caractersticas siguientes:
1. Pertinentes. Los objetivos deben estar relacionados con los conceptos/principios
seleccionados y ser pertinentes a ellos.
2. Claros. Se debe evitar la ambigedad en la redaccin de los objetivos. El uso de
palabras como apreciar, comprender y saber, aunque apropiadas para describir los
conceptos/principios, deben evitarse en la redaccin de los objetivos de aprendizaje.
Verbos como comparar, contrastar, construir, escribir, demostrar, identificar,
resolver y definir son preferibles para la redaccin de objetivos, porque se prestan a
menos interpretaciones y confusiones.
81
3. Factibles. Las aspiraciones expresadas en los objetivos deben ser realizables en el

tiempo y con los recursos disponibles.
4. Evaluables. Sealamos arriba que mediante los objetivos se establece aquello que se
espera que el estudiante aprenda, aquello que debe ser capaza de hacer al terminar la
unidad didctica, por lo tanto tienen que describir lo que es evaluable (Branda, 2000).
Los objetivos tiene que describir el nivel mnimo que sera aceptable. En el plan de
evaluacin de los aprendizajes logrados por los estudiantes se indican la cantidad de
objetivos que se exigirn para considerar que los estudiantes se han apropiado del
contenido y procesos enseados en la unidad didctica.
En la preparacin de objetivos de aprendizaje se sugiere seguir los pasos siguientes:
1. Identificar las competencias que se espera que el estudiantes demuestre al final del
perodo de aprendizaje (en nuestro caso una unidad didctica, El Autor)
2. Elaborar una lista de temas que se consideran importantes para ese perodo de
aprendizaje (asignatura, curso o unidad educacional).
3. Identificar, en relacin con estos temas los conceptos/principios que el estudiante
debera aprender en relacin con las competencias identificadas en el Paso 1. Este paso
permite la identificacin de lagunas y la eliminacin de material redundante.
4. Preparara los objetivos de aprendizaje. (Tomado de Branda, 2000)
En la redaccin de los objetivos deben quedar claramente especificados las condiciones, la
actividad y el contenido. En el objetivo debe quedar bien claro cules son las condiciones en
las que se espera que los estudiantes demuestren su comprensin del concepto/principio.
Tambin se debe indicar sin ambigedad la actividad que los estudiantes deben llevar a
cabo. Por ltimo, es necesario expresar con claridad los contenidos (o conocimientos) que
se espera que el estudiante logre y que debe demostrar que ha logrado.
Antes de entrar en el proceso de redaccin de los objetivos de aprendizaje de una unidad
didctica es conveniente determinar el objetivo general de la unidad. Este tipo de objetivos
describe el propsito o fin de la unidad didctica y es distinto de los objetivos de
aprendizaje. Los objetivos generales de una unidad didctica se colocan en un orden
jerrquico con los objetivos del programa de estudio y del curso o asignatura. Ver el
ejemplo en el Anexo D.
En general podemos distinguir dos tipos de objetivos de aprendizaje: a) de habilidades o
destrezas, y b) de actitudes (Branda, 2000). En esta Unidad nos referimos
fundamentalmente a objetivos del primer tipo.
Los objetivos de habilidades y destrezas requieren que se indique claramente tanto las
condiciones en la cuales se realizar la actividad as como los criterios que se usarn para
determinar si el desempeo del estudiante es aceptable o no. Por ejemplo, las condiciones
pueden referirse a si el estudiante podr resolver los problemas planteados usando
tecnologas o si los datos con los que se espera que trabaje tiene que ser reales o ficticios.
En cuanto a los niveles de desempeo tenemos que se pueden usar descriptores como sin
errores, correctamente o sigue correctamente un algoritmo. Se recomienda el
establecimiento de una jerarqua de niveles de desempeo (veremos ejemplos de esto en la
Leccin 7). Como por ejemplo alto nivel de desempeo, desempeo razonable y
desempeo inaceptable. Estos niveles de desempeo deben ser adecuados al contenido
que se trate en la unidad didctica (Branda, 2000).
Segn Branda (2000), el uso de objetivos bien redactados tiene una serie de ventajas, las
cuales son:
82

1. Proveen estrategias de planificacin.
2. Identifican redundancias y/o lagunas en el currculo.
3. Describen el conocimiento en un estilo operacional.
4. Proveen consistencia entre los objetivos, la enseanza y la evaluacin.
5. Centran la educacin en el estudiante.
6. Eliminan las conjeturas y permite la auto-evaluacin.
7. Mejora el aprendizaje del estudiante.
Si bien podemos considerar cules actividades de aprendizaje usaremos en el desarrollo de

la unidad didctica durante la redaccin de los objetivos de aprendizaje, stos tienen que
ser formulados independientemente de esas estrategias. En la elaboracin de una unidad
didctica, tal como se indic en la leccin anterior, debemos tomar en cuenta como
elementos claramente diferenciados los objetivos, la metodologa y la evaluacin. Como
sugiere Branda (2000), primero decidimos a dnde queremos que lleguen los estudiantes
(los objetivos de aprendizaje); segundo, se proponen los medios y recursos que se pueden
usar para alcanzar los objetivos propuestos (por ejemplo: uso de calculadoras graficadoras)
y, por ltimo, determinar las formas en que se decidir si los estudiantes han logrado o no
la meta y en qu nivel.
Antes de continuar veremos un ejemplo de objetivo general, conceptos/principios y
objetivos de aprendizaje.
Objetivo General:
Proveer oportunidades de aprendizaje para que dada una situacin geomtrica el estudiante
sea capaz de identificar los elementos relevantes, explicarla y traducirla al lenguaje del
lgebra lineal.
Principios/conceptos
La representacin de una situacin matemtica en diferentes formas ayuda a mejorar su

comprensin.
Para algunas situaciones geomtricas puede resultar ms esclarecedor expresarlas

algebraicamente y ms fciles de manipular una vez representadas en lenguaje
algebraico.
Apoyndose en el uso de tecnologas el estudiante debe:
Expresar una situacin geomtrica en trminos del lgebra lineal.
Resolver un problema planteado geomtricamente usando herramientas del lgebra

lineal.
Existe una lnea muy delgada entre los objetivos de aprendizaje y los objetivos de
evaluacin. A tal punto que las taxonomas de objetivos, como la llamada Taxonoma de
Bloom (Ver Leccin 7), pueden ser usadas para la clasificacin y diseo de objetivos de
ambos tipos. Incluso, en algunos casos no se hace diferenciacin entre los objetivos de
aprendizaje y de evaluacin, como por ejemplo en las asignaturas que se ofrecen en la
Universidad Nacional Abierta. En la Leccin 7 estudiaremos dos de estas taxonomas y los
niveles de desempeo de PISA. En todo caso, lo importante es proveer a todos los
estudiantes, sin ningn tipo de discriminacin, de las oportunidades de aprendizaje
adecuadas para que alcancen los mayores niveles de desempeo.
83
Actividades de aprendizaje
Una vez redactados los objetivos de aprendizaje, pasamos a la eleccin de las actividades
de aprendizaje que realizaran los estudiantes de manera tal que logren esos objetivos. Es
muy importante que usted conozca y se apropie de un amplio repertorio de actividades de
aprendizaje. A continuacin le presentamos una diversidad de estas estrategias para su
consideracin.
Actividades de Aprendizaje
1. Torbellino de ideas: La ventaja de este tipo de actividad es que permite
obtener un gran nmero de ideas sobre un tema en poco tiempo. Se puede
iniciar la actividad, una vez presentado el tema, planteando una pregunta. Por
ejemplo, "En qu consiste la erosin?, por qu se produce?
2. Posters: Los posters permiten a los alumnos presentar sus ideas de forma
sencilla y fcilmente inteligible para sus compaeros. Les obliga a negociar el
contenido y proporciona, por tanto, un buen recurso para centrar la discusin.
3. Debates: Estimulan en los alumnos el examen de sus ideas individuales y
los familiarizan con las ideas de sus compaeros. La discusin ayuda a los
estudiantes a desarrollar una conciencia de la fortaleza o debilidad de sus
propias ideas, y a apreciar que las personas pueden tener diferentes puntos de
vista respecto de un mismo asunto.
4. Trabajos prcticos: Los trabajos prcticos son una de las actividades mas
importantes en la enseanza de las ciencias experimentales al poder ser
programados como una forma de adquirir conocimiento vivencial de los
fenmenos naturales, como un soporte para la comprensin de conceptos y
teoras, como un medio de desarrollar habilidades prcticas y aprender
tcnicas de laboratorio, y como una forma de aprender y practicar los procesos
y las estrategias de investigacin propios de la metodologa cientfica.
5. Resolucin de problemas: La resolucin de problemas es otra de las
actividades que ocupa una posicin central en el currculo de ciencias. Un
problema es en su acepcin mas simple, una cuestin que se trata de resolver.
La forma tradicional de ensear a resolver problemas consiste en mostrar el
camino de resolucin y practicar con otros casos similares hasta que resulten
familiares a los alumnos. Este tipo de problemas son en realidad ejercicios.
6. Itinerarios y visitas: Son actividades muy diversas, cuya finalidad es dar
oportunidad a los alumnos de tener experiencias directas con el medio que nos
rodea. Un itinerario es una ruta preestablecida por el campo, generalmente
acompaado por una gua escrita.
7. Bsqueda de informacin: El alumno, bien individualmente o en grupo,
debe buscar informacin sobre el tema que esta, trabajando. La bsqueda
puede ser bibliogrfica, oral (realizacin de entrevistas), audiovisual, etc. La
informacin reunida en esta actividad sirve para realizar las actividades
posteriores.
8. Juegos de simulacin/representacin de roles: Son reproducciones
simplificadas de acontecimientos de la vida real en las que los alumnos pasan a
ser "actores" de la situacin, enfrentndose a la necesidad de tomar decisiones
y de valorar sus resultados.
9. Textos de Ciencia-Ficcin: Segn el Grupo "Alkali" (1985, 1986, 1990), la
utilizacin de la ciencia-ficcin, bien de textos publicados o de historias
84

inventadas por los alumnos o por el profesor, ofrece un gran abanico de
posibilidades.
10. Trabajo escrito: Puede ayudar a los alumnos a identificar y organizar sus
propias ideas. Permite desarrollar la capacidad de expresarse de forma clara y
concisa. El profesor debe ayudar a los alumnos a utilizar los trminos
cientficos no solo correctamente sino con dominio total de su significado. Los
informes de las distintas actividades realizadas y de la evolucin de sus ideas
obligan a los alumnos a reflexionar sobre las mismas y los hacen conscientes
de su propio aprendizaje.
11. Mapas conceptuales: Los mapas conceptuales son diagramas
bidimensionales que indican relaciones significativas entre conceptos en forma
de proposiciones. Una proposicin consta de dos o ms trminos conceptuales
unidos por palabras (palabras de enlace) para formar una unidad semntica.
Los mapas conceptuales deben ser jerrquicos. La jerarqua implica que los
conceptos ms generales e inclusivos deben situarse en la parte superior del
mapa y los conceptos progresivamente ms especficos y menos inclusivos, en
la parte inferior.
Tomado de: http://www.deciencias.net/disenoud/actividades/act1.htm
Todas las actividades anteriores fueron pensadas para la educacin presencial. Recordemos
que nos interesa considerar tambin la modalidad a distancia. Antes de continuar realice la
actividad siguiente.
Actividad 6.1.
Cules de las actividades de aprendizaje anteriores son aplicables a la situacin de la

educacin a distancia?
Una vez identificadas las estrategias que se aplican a la educacin a distancia, qu

modificaciones considera necesarias para adaptarlas a esa modalidad?
En su experiencia personal como estudiante de la UNA qu actividades de aprendizaje

usan con mayor frecuencia los asesores de Matemtica en su Centro Local.
Al momento de seleccionar las actividades de aprendizaje, usted debe tener en cuenta la

diversidad de stas y su adaptabilidad al caso particular de las matemticas. Creemos que
en general todas las actividades de aprendizaje presentadas arriba pueden ser adaptadas
para el caso de unidades didcticas sobre temas de matemticas, y en particular de lgebra
lineal. A esta lista de actividades agregaremos la proposicin de problemas.
Proposicin de problemas
El enfoque de la enseanza de las matemticas centrado en problemas ha puesto
demasiado nfasis en la resolucin de problemas y ha descuidado, y prcticamente olvidado
la proposicin de problemas. La capacidad o destreza para generar nuevos problemas, bien
sea a partir de problemas dados u originales, es tan importante en matemticas como la
habilidad para resolver problemas propuestos por otros. Dado que la proposicin de
problemas es poco practicada en la enseanza de las matemticas le ofreceremos a
continuacin algo ms de detalles sobre sta.
El futuro matemtico debe estar preparado para plantearse problemas de investigacin, lo
cual requiere reconocer que las ciencias matemticas no son un cuerpo acabado de
conocimientos. En otros trminos, el futuro matemtico debera apreciar el hecho que en
matemticas hay una gran cantidad de preguntas interesantes que permanecen abiertas,
85
ms an, que hay una cantidad incontable de preguntas por formularse. El estudiante de
matemticas debe prepararse para incorporarse a la discusin que se lleva a cabo en su
disciplina. La presentacin de las matemticas como un conjunto predeterminado de hechos
a ser transmitido por el profesor y adquirido por los estudiantes, enva el mensaje que los
estudiantes y los profesores estn separados de aquellos que crean las matemticas
(Making Mathematics, 2003).
Preparar un investigador en matemticas exige que los estudiantes se vean a si mismos
como practicantes, como matemticos aficionados de quienes se espera que creen y
trabajen en sus propias preguntas o problemas. Hacer investigacin requiere de una serie
de preguntas e indagaciones. En el proceso de creacin de nuevos conocimientos hay que
tener en cuenta conocimientos previos ya establecidos. Las buenas investigaciones
conducen al establecimiento de conexiones entre resultados relacionados. Es importante
resaltar este punto, las ciencias matemticas no son un conjunto de hechos y
procedimientos aislados que se aprenden y comprenden cada uno por su lado, sin
relacionarlos unos con otros (Making Mathematics, 2003).
Cuando la unidad didctica incluye actividades de aprendizaje de proposicin de problemas
puede contribuir a cambiar la visin de las matemticas. Cuando los estudiantes son
puestos en la posicin de proponerse sus propios problemas, sus preguntas matemticas
originales, y ven que esas preguntas se convierten en el centro de la discusin del grupo, su
percepcin de las ciencias matemticas tiene que ser alterada profundamente. Ya no se
limita la actividad a resolver problemas propuestos por el profesor. De esta manera el
estudiante pasa de ser un espectador a ser autor y actor. Cuando en la clase se invierte
tiempo en discutir sus problemas, los problemas creados por ellos mismos, se incrementa el
inters y la motivacin por estudiar matemticas (Making Mathematics, 2003).
En lo que sigue consideraremos dos conjuntos uno de movimientos o maneras de cambiar
un problema y otro de preguntas nuevas que nos podemos plantear acerca de viejos
problemas.
Maneras de cambiar un problema
Cambiar los nmeros
Cambiar la geometra
Cambiar la operacin
Cambiar los objetos bajo estudio
Remover una condicin, o agregar una nueva condicin.
Remover o agregar un contexto
Repetir un proceso. (Making Mathematics, 2003)
No presentaremos detalles de cada uno de estos movimientos para producir nuevos

problemas a partir de un problema conocido. Mostraremos un ejemplo para uno de ellos.
Cambiar los objetos bajo estudio
En lugar de considerar slo nmeros reales, podemos trabajar con vectores, matrices o
funciones como los trminos o factores. Veamos el siguiente ejemplo. Tenemos que 2 + 2 =
2 * 2, en general los estudiantes no suelen buscar ms ejemplos de nmeros que satisfagan
esta propiedad, tal vez el 0 es una excepcin. Sera interesante tratar de encontrar pares
nmeros racionales e irracionales que cumplan esa condicin. Pensando en considerar otros
objetos qu tal si probamos con matrices. Hay pares de matrices 2x2 que multiplicadas y
sumadas den el mismo resultado? Veamos un caso.
86
1/3
1/4
1/3
1/4
.
3
1/3
1/4
3/2
3/2
1/3
1/4
+
3
3/2
1/3
=
3
3/2
1/2
1/3
3/2
7/3
7/2
Otro caso es el de la matriz:
1/2
1/3
.
3
=
1/2
+
3
=
1/2
Qu propiedades tiene este par de matrices? Hay pares de matrices con valores enteros?
Diferentes del caso trivial,
2
(Adaptado de Making Mathematics, 2003)

Otra manera de generar problemas a partir de situaciones conocidas es plantendose
Nuevas preguntas para viejos problemas
Cul es el mnimo o el mximo valor posible?
Cuntos ?
Cul es la inversa de esta pregunta?
Cul es el procedimiento?
El objeto descrito existe?
Podemos generalizar el problema?
Cul es la explicacin subyacente para los patrones y estructuras que encontramos?

(Making Mathematics, 2003)
Para ms detalles sobre los movimientos y estas preguntas visite el sitio del proyecto
Making Mathematics en la direccin: http://www2.edc.org/makingmath/default.asp.
Esta leccin estuvo dedicada a los objetivos de aprendizaje y a las actividades de
aprendizaje, dos de los elementos de la unidad didctica. Distinguimos entre dos tipos de
objetivos de aprendizaje, de destrezas y actitudinales, y resaltamos la importancia de
contar con buenos objetivos de aprendizaje. Revisamos un conjunto de actividades de
aprendizaje y discutimos su adaptacin a las matemticas y a la educacin a distancia. En
especial tratamos en detalle la proposicin de problemas, por ser esta actividad de
aprendizaje muy poco usada y tener mucha importancia para la formacin de matemticos
investigadores. Cerramos reasaltando que lo ms importante es que organicemos la unidad
de aprendizaje de manera que le ofrezcamos oportunidades de aprendizaje a todos los
estudiantes sin distincin alguna y con el propsito de que todos alcances los mayores
niveles de desarrollo cognitivo.
Auto-Evaluacin 6
Leccin 7
Evaluacin de los Aprendizajes
Esta leccin est dedicada principalmente al problema de la evaluacin del trabajo del
estudiante durante y al finalizar una unidad didctica, lo cual no significa que no sea
importante plantearse la evaluacin de los otros elementos de la unidad didctica misma.
Pensamos que la evaluacin de los aprendizajes es uno de los aspectos ms problemticos
de la educacin en matemticas, por ello le damos ms importancia en este curso. Con esta
leccin cubrimos el material necesario para completar el diseo de una unidad didctica
para la enseanza de un tema de lgebra Lineal.
Entendemos la evaluacin como una actividad integral de la enseanza. Aunque parezca
una afirmacin trivial, para muchos educadores la evaluacin y la enseanza son vistas
como actividades separadas, a lo sumo las asumen como complementarias. En una fase
intermedia encontramos aquellos autores quienes afirman que la evaluacin debe estar al
servicio de la enseanza. Lo que si est claro es que el papel de la evolucin en el
aprendizaje logrado por los estudiantes no se puede minimizar, que en buena medida el
currculo aprendido es determinado por la evolucin. En otras palabras, los estudiantes se
interesarn por aprender slo aquello que es evaluado. De all la importancia de la
evaluacin.
Al estudiar el tema de la evaluacin y al pensar en disear una estrategia de evaluacin
para una unidad didctica, surge de manera inevitable la discusin en torno a los objetivos.
Taxonoma de los objetivos educacionales
La Taxonoma de los objetivos educacionales, tambin conocida como Taxonoma de Bloom,
fue desarrollada por Bloom, Hasting y Madaus (1976). Esta taxonoma fue desarrollada en
un momento en que el conductismo era una de las teoras del aprendizaje dominantes. Sin
embargo, como plantean sus autores, esta taxonoma no est atada a ninguna de estas
teoras en particular. En efecto, la taxonoma de los objetivos educacionales ha sobrevivido
la revolucin cognoscitiva que condujo al desplazamiento en educacin de la visin
conductista del aprendizaje. En la Universidad Nacional Abierta se us esta taxonoma para
la redaccin de los objetivos de las asignaturas tal como aparecen estipulados en los planes
de evaluacin. Por ejemplo, los objetivos de esta asignatura fueron redactados siguiendo las
pautas establecidas en la Taxonoma de los Objetivos Educacionales o de Bloom.
Esta taxonoma est compuesta de tres elementos bsicos, los dominios de aprendizaje, las
conductas y subconductas. Los dominios de aprendizaje son dos: a) cognitivo y b) afectivo.
El primero de estos dominios est dividido en dos tipos de conductas, las cuales son: 1)
conocimiento y b) habilidades y destrezas intelectuales. A cada una de estas conductas le
corresponden un nmero de subconductas. En la Tabla 1 mostramos la lista completa de
cada uno de estos elementos.
89
Tabla 7.1. Dominios y conductas de aprendizaje en la Taxonoma de Bloom original

Dominios de
Conductas
Sub-condutas
Aprendizaje
Conocimiento
1.0
Conocimiento
2.0
Comprensin
3.0
Aplicacin
Cognitivo
Habilidades y destrezas
4.0
Anlisis
intelectuales
5.0
Sntesis
6.0
Evaluacin
1.0
Recepcin (Atencin)
2.0
Respuesta
3.0
Valoracin
Afectivo
4.0
Organizacin
5.0 Caracterizacin por un valor o
complejo de valores
Fuente: Bloom, Hasting y Madaus, 1976
Esta taxonoma es jerrquica, en el sentido que las conductas estn ordenadas en orden de
complejidad y se asumen que el logro de una cierta conducta requiere el logro de todas las
conductas previas.
Wilson (1976) adapt la Taxonoma de los objetivos educacionales para el caso particular de
las matemticas en el nivel secundario. Veamos a continuacin dicha versin.
Tabla 7.2. Taxonoma de Bloom para las Matemticas adaptacin de Wilson
Dominios
Conductas
A0. Computacin
Cognitivo
B0. Comprensin
C0. Aplicacin
D0. Anlisis
Afectivo
E0. Intereses y actitudes

F0. Apreciacin
Fuente: Wilson, 1976

Se mantiene lo dominios cognitivo y afectivo. Las subconductas del modelo original pasan a
ser conductas en la adaptacin y son reducidas a cuatro en el dominio cognitivo y a dos en
el dominio afectivo. A continuacin presentamos una descripcin de cada una de estas
conductas.
Tabla 7.3. Descripcin de las conductas
Conducta
Descripcin
A0. Computacin
Incluye las conductas menos complejas, aquellos
resultados que no exigen tomar decisiones o efectuar
una memorizacin compleja
B0. Comprensin
Un conjunto de conductas ms complejas, la
separacin con las conductas anteriores es vaga y las
incluye
C0. Aplicacin
Implican una secuencia de respuestas por parte del
estudiante, la transferencia a situaciones nuevas es
mnima
90

D0. Anlisis
E0. Intereses y actitudes

F0. Apreciacin
Comprende las conductas ms complejas, incluye las

conductas anlisis, sntesis y evaluacin en la
Taxonoma de Bloom, se puede caracterizar como
bsqueda abierta, transferencia a un contexto en el
que no se ha practicado previamente, conducta
heurstica.
Actitud hacia las matemticas, sentimiento, emocin.
Apreciacin de las matemticas

En la descripcin anterior de cada conducta podemos ver con mayor claridad su carcter
jerrquico. Vemos como se va incrementado la complejidad de conductas menos
complejas, como en A0, a conductas ms complejas, en el caso de D0.
Hasta este punto no podemos ver con claridad que es lo especfico de esta adaptacin hecha
por Wilson para el caso de las matemticas. Esto se revela realmente en la lista de
subconductas correspondientes a las cuatro conductas en el dominio cognitivo y a las dos
conductas en el dominio afectivo. En la Tabla 4 se muestran estas subconductas.
Tabla 7.4. Sub-conductas de aprendizaje en una versin de la Taxonoma de Bloom original
para las Matemticas
Cognoscitiva
Conductas
Sub-conductas
A0. Computacin
A1. Conocimiento de hechos especficos
A2. Conocimiento de la terminologa
A3. Capacidad para realizar algoritmos
B0. Comprensin
B1. Conocimiento de conceptos
B2. Conocimiento de principios, reglas y
generalizaciones
B3. Conocimiento de la estructura matemtica
B4. Capacidad para transformar elementos de
problemas de una modalidad a otra
B5. Capacidad para seguir una lnea de razonamientos
B6. Capacidad para leer e interpretar un problema
C0. Aplicacin
C1. Capacidad para resolver problemas de rutina
C2. Capacidad para realizar comparaciones
C3. Capacidad para analizar datos
C4. Capacidad para reconocer modelos, isomorfismos y
simetras
D0. Anlisis
D1. Capacidad para resolver problemas no rutinarios
D2. Capacidad para descubrir relaciones
D3. Capacidad para construir demostraciones
D4. Capacidad para criticar demostraciones
D5. Capacidad para formular y validar generalizaciones
Las subcondutas propuestas por Wilson (1976) son especficas del campo de las
matemticas. Es oportuno aclarar que fueron elaboradas como parte de un modelo de
rendimiento en matemticas para la educacin secundaria, el cual veremos ms abajo. Sin
embargo, pensamos que este modelo se puede aplicar sin mayores modificaciones en el
caso de la evaluacin de los aprendizajes en matemticas en el mbito de la educacin
universitaria, y ms especficamente en el caso de la evaluacin de los aprendizajes en el
lgebra Lineal.
91
Antes de presentarle el modelo de rendimiento pasaremos revista a las subconductas

correspondientes a la dos conductas que conforman el dominio afectivo, las cuales se
muestran en la Tabla 5.
Tabla 7.5. Sub-conductas en el dominio afectivo
Afectiva
Conductas
Sub-conductas
E0. Intereses y
E1. Actitud
actitudes
E2. Inters
E3. Motivacin
E4. Ansiedad
E5. Valoracin de si mismo
F.0. Apreciacin
F.1. Extrnseca
F2. Intrnseca
F3.Operacional
Con la lista de subconductas en el dominio afectivo completamos el conjunto de
subconductas especficas para el campo de las matemticas. El elemento que falta para
completar el modelo de rendimiento en matemticas es los contenidos. El modelo se
representa en una tabla de doble entrada. En la entrada horizontal, fila superior,
encontramos las conductas y sus subcondutas correspondientes. En la entrada horizontal, la
primera columna de la izquierda, se coloca la lista de contenidos. Cada celda de la tabla se
corresponde entonces a una subconducta y a un contenido. Esta tabla sera de mucha
utilidad para organizar los contenidos que sern tratados en una unidad didctica y el nivel
de complejidad en que sern tratados. En otras palabras, el modelo nos permitira
establecer los contenidos y el nivel de complejidad de los aprendizajes, expresados en
trminos de conductas observables, que se espera que logren los estudiantes al finalizar al
unidad didctica.
Tabla 7.6. Modelo de Wilson para el rendimiento en Matemticas
CONDUCTAS
CONTENIDO
A0
B0
C0
D0
E0
F0
1.0
2.0
()
En el Anexo A mostramos este modelo completo.
Actividad 7.1
1. Haga una lista de siete temas de lgebra Lineal, piense en un primer curso
universitario para estudiantes con pocos cursos de matemticas.
2. Complete una tabla como la Tabla 6 con esos contenidos.
3. Marque con una equis (X) aquellas casillas del modelo de rendimiento que usted
considerara para ser tratados en este curso introductorio.
Ms recientemente, Kastberg (2003) hizo una adaptacin de la Taxonoma de los Objetivos
Educacionales, tambin para el caso de la educacin en matemticas en la educacin
secundaria. En esta adaptacin, la autora conserva las conductas incluidas en el modelo
92
original, pero las redefine como procesos y las adapta para el caso especfico de las
matemticas. En la Tabla 7 se muestran estos procesos con sus respectivas definiciones.
Tabla 7.7. Taxonoma de Bloom aplicada a las Matemticas
Procesos
Niveles
Definicin breve
Conocimiento
Recordar hechos, patrones, arreglos y mtodos
Comprensin
Comprender aquellos que es comunicado
Aplicacin
Usar informacin aprendida previamente en situaciones
nuevas y concretas para resolver problemas que tiene
una respuesta simple o una mejor respuesta
Anlisis
Descomponer material informativo en sus partes
componentes de manera tal que la jerarqua entre las
ideas queda clara
Sntesis
Colocar juntos elementos y partes para formar un todo
Evaluacin
Juzgar el valor del material y mtodos para un propsito
dado
Fuente: Kastberg, 2003
Como vemos en la tabla anterior, Kastberg (2003) no descompone cada una de las
conductas en subconductas. Basndose en esas conductas y en los contenidos, elabora la
autora un modelo de rendimiento similar al que dise Wilson (1976). Este modelo de
rendimiento se muestra en la Tabla 8.
Evaluacin
Sntesis
Anlisis
Aplicacin
Comprensin
Contenido
Conocimiento
Tabla 7.8. Modelo de Kastberg para la evaluacin

Procesos
1.0
2.0
3.0
()
Fuente: Kastberg, 2003
Tanto la adaptacin de la Taxonoma de los Objetivos Educacionales hecha por Wilson
(1976) como la hecha por Kastberg (2003) tenan como objetivo servir de gua para la
elaboracin tems para pruebas escritas o el diseo de tareas de evaluacin en
matemticas. En efecto, Wilson (1976) complementa su modelo con una extensa coleccin
de tems para evaluar diversos contenidos de matemticas en cada una de las conductas y
subconductas establecidas en el modelo.
93
Por su parte, Wood y otros (s.f.) usan una taxonoma, basada en la Taxonoma de los
objetivos educacionales, para indagar sobre el desempeo de los estudiantes en un curso de
lgebra lineal. Esta taxonoma est formada por ocho categoras organizadas en tres grupos
como se muestra en la Tabla 9.
Las categoras en esta taxonoma son especficas a un contexto. Esto es, cuando una
demostracin ha sido enfatizada en clase es una tarea en el Grupo A, mientras que proveer
el teorema al inicio es una tarea del Grupo C. Esta taxonoma nos estimula a pensar acerca
de nuestros primeros intentos en la elaboracin de tareas (problemas, preguntas o
ejercicios). Word y otros (s.f.) apuntan que esta taxonoma nos ofrece una manera til de
comprobar si hemos evaluado todas las habilidades, conocimientos y destrezas que
esperbamos que nuestros estudiantes desarrollaran y demostraran su dominio.
Tabla 7.9. Taxonoma de Wood y otros (s.f.)
Grupo A
Grupo B
Conocimiento de hechos
Transferencia de
informacin
Comprensin
Aplicaciones a nuevas
situaciones
Uso rutinario de
procedimientos
Grupo C
Justificar e interpretar
Implicacin, conjeturas y
comparaciones
Evaluar
A continuacin presentamos algunos ejemplos de problemas propuestos en cada uno de los

grupos de categoras en la taxonoma de Wood y otros (s.f.)
Problemas en el Grupo A
1. Halle los valores propios y los correspondientes vectores propios de la matriz
=
-1
2. Encuentre la matriz diagonal D y una matriz invertible P tal que A = PDP .

3. Calcule la descomposicin espectral de A.
4. Use la descomposicin espectral de A para calcular la inversa de A.
En esta tarea, slo se le exige a los estudiantes reproducir trabajo ya hecho previamente en
clase.
Problemas en el Grupo B
Explique como la descomposicin LU de una matriz A es usada para resolver el sistema
de ecuaciones lineales A x = B.
En esta tarea, se requiere que los estudiantes transformen su conocimiento de una
habilidad rutinaria al meta-conocimiento de explicar esa habilidad.
Problemas en el Grupo C (Justificar)
Sea T = {v1, v2, , vr} un conjunto de vectores linealmente independientes y sea A una
matriz nxn. Demuestre que el conjunto T = {Av1, Av2, , Avr} es tambin linealmente
independiente.
En esta tarea, se le pide alos estudiantes que justifiquen, o demuestren, un resultado del
lgebra lineal.
94
Actividad 7.2
Compare y contraste estas tres versiones de la Taxonoma de los objetivos educacionales
aplicadas especialmente a las matemticas.
Al comienzo planteamos que las taxonomas servan de utilidad para preparar lo objetivos
de evaluacin. Para tal fin, el modelo de rendimiento se complementa con una lista de
verbos para cada una de las conductas. En el Anexo B encontrar una lista de tales verbos
para las categoras incluidas en la Taxonoma de Bloom.
Actividad 7.3
1. Revise los objetivos especificados en el material instruccional impreso de la asignatura
lgebra II (Cod. 753) (Ver Anexo D).
2. Ubique cada uno de esos objetivos en las conductas de la taxonoma de Bloom. Use el
modelo de rendimiento de Wilson o de Kastberg.
3. Estn esos objetivos distribuidos razonablemente entre las diversas conductas o hay un
nfasis mayor en algunas de ellas?
Existen diversos tipo de taxonomas, como vimos arriba, incluso la propia taxonoma de los
objetivos educacionales ha dado origen a otras. A continuacin veremos la Taxonoma
SOLO, la cual ha sido usada por varios autores tanto en investigacin como en desarrollo en
matemticas.
Taxonoma SOLO
Los estudios en psicologa del desarrollo confirmaron que las personas comprenden de
manera progresiva los diferentes aspectos de un conocimiento particular. El trabajo de
Piaget es tal vez el ms conocido en ese grupo. La teora de las etapas del desarrollo
identificadas por Piaget fue criticada desde diversas perspectivas. Estas crticas llevaron a
nuevas formulaciones de la inteligencia y a cuestionar la primaca de la estructura
cognoscitiva subyacente. Biggs y Collis (1982, 1991) ofrecieron una interpretacin terica
alternativa. En su modelo estos autores separaron la estructura cognoscitiva
hipotticamente subyacente de los niveles observados de respuestas en los estudiantes,
adems permita considerar factores externos tales como el lenguaje, experiencias
especficas de aprendizaje, motivacin as como los factores cognoscitivos subyacentes
como mediadores de manera de producir los niveles observados de respuesta (Voulgaris y
Evangelidou, s.f.). Este modelo es conocido con el nombre de Taxonoma SOLO.
La Taxonoma SOLO toma su nombre de las siglas en ingles de Student Observed Learning
Outcomes (Resultados Observados del Aprendizaje del Estudiante) y fue elaborada por
Biggs y Collis (1991). La Taxonoma SOLO nos provee de un enfoque para categorizar el
desempeo cognoscitivo en diferentes reas de contenido y para definir objetivos del
currculo, el cual incluye criterios para los niveles de aprendizaje requeridos. Esta taxonoma
est integrada por modos de funcionamiento paralelos en buena medida a las etapas de
desarrollo cognoscitivo propuestas por Piaget. Estos modos de funcionamiento son: a)
sensorio-motor, b) icnico, c) Simblico concreto, d) Formal y e) Post-formal. A
continuacin ofrecemos una breve descripcin de cada uno de ellos.
a) Sensorio-motor (desde el nacimiento): El nio slo puede interaccionar con el mundo de
la manera ms concreta: dando una respuesta motriz a un estmulo sensorial.
b) Icnico (desde los 18 meses): Si una accin se vuelve ms abstracta debe ser
representada de alguna forma. La forma ms simple de interiorizar una accin es
imaginarla, formando lo que Bruner llama imagen interna o icono.
95
c) Simblico concreto (desde los 6 aos): Se inicia un cambio significativo de la abstraccin

desde la simbolizacin directa del mundo a travs del lenguaje oral al escrito, sistemas de
smbolos que se aplican al mundo de las experiencias.
d) Formal (desde los 16 aos): El razonamiento formal se produce en un sistema abstracto
supra-ordinado en el que pueden generarse formas alternativas de ordenar el mundo.
c) Post-formal (desde los 18 aos): El pensamiento post-formal supone preguntarse por las
fronteras convencionales de la teora y de la prctica. Es ajeno a cualquier nivel educativo y
puede aparecer en el campo de la investigacin (adaptado de Biggs y Collis, 1989, 1991).
(Tomado de Huerta, 1999, p. 306)
Biggs y Collis (1989) definen el modo como el nivel de abstraccin que un estudiante usa
cuando maneja los elementos de una tarea (p. 152, citado en Alsadi, 2001). Estos modos
estn asociados a una serie de niveles acumulativos de respuestas que reflejan una
complejidad creciente. A continuacin, en la Tabla 10, mostramos una descripcin de cada
uno de los niveles, en orden decreciente de complejidad, y un conjunto de indicadores para
cada uno de ellos.
Tabla 7.10. Niveles de respuestas mostradas por los estudiantes
Nivel de
Descripcin
Indicadores
desempeo
Abstraccin
extendida
Respuesta que hacen uso de

principios, hechos, procesos,
etc. ms abstractos que
aquellos que describen el
modo de funcionar actual.
Los estudiantes hacen

conexiones ms all del
contenido inmediato.
Los estudiantes generalizan y
transfieren los principios de lo
especfico a lo abstracto.
Relacional
Respuestas en las que se

manifiesta una comprensin
integrada de las relaciones
entre los diferentes aspectos
usados del modo de funcionar.
Los estudiantes demuestran las

relaciones entre conexiones.
Los estudiantes demuestran las
relaciones entre conexiones y el
todo.
Multiestructural
Respuestas en las que se

procesan diferentes aspectos
disjuntos del modo de
funcionar, normalmente en
una secuencia.
Los estudiantes hacen un

nmero de conexiones.
Lo significativo de las relaciones
ente las conexiones no es
demostrado.
Uniestructural
Respuestas en las que se usa

un solo aspecto relevante del
modo de funcionar.
Los estudiantes hacen

conexiones simples y obvias.
Lo significativo de las
conexiones no es demostrado.
Preestructural
Representa el uso, en la
respuesta, de aspectos no
relevantes del modo de
funcionar; es decir, respuestas
en las que no se usan aquellos
elementos que son necesarios
para poder identificar un modo
de funcionar.
Los estudiantes estn

adquiriendo piezas de
informacin desconectada.
Sin organizacin
Sin sentido del todo
(Elaboracin propia con informacin de Huerta, 1999, p. 292 y otras fuentes)
96
Huerta (1999) define como categora SOLO la combinacin de un modo de funcionar con un
nivel de respuesta.
La taxonoma SOLO ha sido utilizada en matemticas y en la evaluacin de otros
contenidos. Se han hecho varias adaptaciones de esta tecnologa para la evolucin
especfica en el caso de matemticas. Voulgaris y Evangelidou (s.f.) adaptaron la Taxonoma
SOLO para categorizar las respuestas de los estudiantes a problemas de medida del
volumen de un slido y a la concepcin de volumen respectivamente. Huerta (1999) cre un
modelo de evaluacin en el que integra la Taxonoma SOLO diseada por Biggs y Collis, los
niveles de compresin en geometra desarrollados por los esposos van Hiele y los mapas
conceptuales de Novak y Gowin (ver la Figura 1). Alsaadi (2001) us esta taxonoma como
instrumento para realizar un estudio comparativo entre los currculos oficiales de
matemticas para la escuela primaria en Inglaterra y nctar respectivamente. Vrettaros,
Vouros y Drigas (2004) desarrollaron un sistema automtico de diagnostico basado en la
Taxonoma SOLO y usando lgica borrosa (o difusa) en un contexto de aprendizaje
electrnico (e-learning). Aoyama (2006) elabor una jerarqua de las interpretaciones de
grficos por parte de los estudiantes sobre la base de esta taxonoma. Este autor distingui
cinco niveles de interpretacin de grficos: 1) Idiogrfico, 2) Lectura bsica de grficos, 3)
Racional/literal, 4) Crtica y 5) Hacer hiptesis y modelar. Reading and Reid (2006)
elaboraron una jerarqua del razonamiento acerca de la distribucin basada en las nociones
de distribucin mostradas por los estudiantes en sus respuestas, tomando en cuenta el nivel
de consideracin de la variacin. Estos autores distinguieron cuatro 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) Fuerte
consideracin de la variacin.
(Fuente: Huerta, 1999, p. 291)

Figura 1. Modelo de evolucin tridimensional
En Nuestra Amrica tambin se han hecho algunos trabajos de investigacin en educacin
matemtica donde se usa la Taxonoma SOLO. Por ejemplo, en Mxico, el Grupo de
Tecnologas Educativas (2002). Y en Colombia, Castillo Snchez, Salas y Valencia (s.f.)
disearon y aplicaron una herramienta computacional para la enseanza del Clculo en una
universidad de ese pas, y usaron esta taxonoma para evaluar las respuestas elaboradas
por los estudiantes a cuestionarios administrados por computadora. No conocemos trabajo
alguno de investigacin en educacin matemtica en Venezuela en que se considere la
Taxonoma SOLO.
97
Otra manera de distinguir la diversidad de desempeos que se espera que logren los
estudiantes, adems de las taxonomas como las mostradas anteriormente, es mediante el
establecimiento de niveles de desempeo. En la sesin siguiente estudiaremos un ejemplo
de este tipo de niveles, en especial se trata de los niveles de desempeo seleccionados para
el estudio comparativo internacional PISA.
Niveles de desempeo en matemticas
El Programme for International Student Assessment (PISA, Programa para la Evaluacin
Internacional de los Estudiantes) es una evaluacin internacional estandarizada desarrollada
conjuntamente por los pases participantes y aplicada a jvenes de 15 aos de edad en la
escuela. Este programa es una iniciativa de la Organization for Economic Co-operation and
Development (OECD, Organizacin para la Cooperacin Econmica y el Desarrollo). La
evaluacin se aplica en ciclos de tres aos, cada ciclo se identifica con el nmero del ao en
se aplica. En la primera aplicacin, PISA 2000, participaron 43 pases, entre los cuales se
encontraban 5 pases latinoamericanos.
Mientras que 40 pases, entre ellos tres
latinoamericanos, participaron en la segunda evaluacin aplicada en el 2003. El ao 2006
participaron 58 pases, entre los cuales se encuentran cinco pases latinoamericanos.
Un concepto bsico de la evaluacin en matemticas en PISA es el de literacy o
alfabetizacin matemtica, la cual es definida por la OECD (2003) como:
La capacidad individual para identificar y comprender el papel que
desempean las matemticas en el mundo actual, emitir juicios
fundamentados y ser capaz de usarlas en las necesidades de la vida personal,
laboral y social, actual y futura, como un ciudadano constructivo,
comprometido y capaz de razonar. (citado en ISEI-IVEI, 2004, p. 12)
En esta definicin se combinan el conocimiento y las destrezas matemticas. Medir esos
aspectos es el principal reto planteado por PISA. Una de las vas de solucin a este reto fue
el planteamiento de una dimensiones, las cuales son:
Los contenidos matemticos implcitos en los diferentes problemas y cuestiones

planteadas.
Los procesos que deben activarse para poner en relacin los fenmenos observados
con el conocimiento matemtico para resolver los respectivos problemas.
Las situaciones y contextos utilizados como fuente de estmulo y presentacin de la

informacin, que son en los que el problema que se plantea debe ser resuelto.
(ISEI-IVEI, 2004, p. 12)
Los contenidos fueron organizados en cuatro subescalas: cantidad, espacio y forma, cambio
y relaciones, y probabilidad. Adems de estas subescalas fueron identificados siete grupos
temticos: Nmeros, estadstica, geometra, funciones, lgebra, probabilidad y matemticas
discretas.
Para facilitar la interpretacin de los resultados obtenidos de la aplicacin de los
instrumentos de evaluacin se identificaron unos niveles de competencias o habilidades en
matemticas. Se diferenciaron un total de seis niveles como se muestra en la tabla
siguiente.
Tabla 7.11. PISA 2006-Niveles de Desempeo en Matemticas
Nivel 2
Interpretar y reconocer situaciones en contextos que slo requieren una

inferencia directa.
98
Extraer informacin pertinente de una sola fuente y hacer uso de un nico

modelo representacional.
Utilizar algoritmos, frmulas, procedimientos o convenciones elementales.
Efectuar razonamientos directos e interpretaciones literales de los

resultados.
Nivel 3
Interpretar y reconocer situaciones en contextos que slo requieren una

inferencia directa.
Extraer informacin pertinente de una sola fuente y hacer uso de un nico

modelo representacional.
Utilizar algoritmos, frmulas, procedimientos o convenciones elementales.
Efectuar razonamientos directos e interpretaciones literales de los

resultados.
Nivel 4
Trabajar con eficacia con modelos explcitos en situaciones complejas y

concretas que pueden conllevar condicionantes o exigir la
formulacin de supuestos.
Seleccionar e integrar diferentes representaciones, incluyendo

simblicas, asocindolas directamente a situaciones del mundo
real.
Utilizar habilidades bien desarrolladas y razonar con flexibilidad y con

cierta perspicacia en estos contextos.
Elaborar y comunicar explicaciones y argumentos basados en sus

interpretaciones, argumentos y acciones.
las
Nivel 5
Desarrollar modelos y trabajar con ellos en situaciones complejas,

identificando los condicionantes y especificando los supuestos.
Seleccionar, comparar y evaluar estrategias adecuadas de solucin de

problemas para abordar problemas complejos relativos a
estos modelos.
Trabajar estratgicamente utilizando habilidades de pensamiento y

razonamiento bien desarrolladas, as como representaciones
adecuadamente relacionadas, caracterizaciones simblicas y formales, e

intuiciones relativas a estas situaciones.
Reflexionar sobre sus acciones

interpretaciones y razonamientos.
formular
comunicar
sus
Nivel 6
Formar conceptos, generalizar y utilizar informacin basada

investigaciones y modelos de situaciones de problemas complejos.
en
Relacionar diferentes fuentes de informacin y representaciones y

traducirlas entre ellas de una manera flexible.
Poseen un pensamiento y razonamiento matemtico avanzado.
Aplicar su entendimiento y comprensin, as como su dominio de las

operaciones y relaciones matemticas simblicas y formales y desarrollar
nuevos enfoques y estrategias para abordar situaciones nuevas.
Formular y comunicar con exactitud sus acciones y reflexiones relativas a

sus descubrimientos, argumentos y su adecuacin a las situaciones
originales.
99
(Fuente: http://www.oei.es/evaluacioneducativa/Colombia_en_PISA_2006.pdf)
Para ms detalles y ejemplos de preguntas de matemticas para cada uno de los niveles de
desempeo puede consultar el material instruccional impreso de la asignatura Evaluacin de
los Aprendizajes en Matemticas (Cod. 551).
Como sealamos arriba, estos niveles de desempeo le pueden servir de gua para
establecer los objetivos de sus unidades didcticas.
Lo importante de las taxonomas y niveles estudiados anteriormente es que nos sirven de
gua para organizar la evaluacin del aprendizaje logrado por los estudiantes involucrados
en la realizacin de una unidad didctica. Ninguna de ellas por si sola tal vez le provea de
todos los elementos que usted requiera para su evaluacin. Tmese la libertad de disear
su propia taxonoma o conjunto de niveles adaptados a sus necesidades.
Capacidad para realizar algoritmos

Conocimiento de conceptos
Conocimiento de principios, reglas y
generalizaciones
Conocimiento de la estructura
matemtica
A1
A2
A3
B1
B1
B3
(Wilson, 1979)
Capacidad para realizar
comparaciones
Capacidad para analizar datos
Capacidad para reconocer modelos,
isomorfismos y simetras
Capacidad para resolver problemas
no rutinarios
Capacidad para descubrir relaciones
B5
B6
C1
C2
C3
C4
D1
D
2
D3
D4
Capacidad para formular y validar

generalizaciones
Cognoscitivas
C0 Aplicacin
Capacidad para criticar

demostraciones
Capacidad para resolver problemas

de rutina
B0 Comprensin
Capacidad para construir

demostraciones
Capacidad para leer e interpretar un

problema
B4
Capacidad para seguir una lnea de

razonamiento
A0
Computacin
Capacidad para transformar

elementos de problemas de una
modalidad a otra
Conocimiento de la terminologa
Contenido
Conocimiento de hechos especficos
Anexo A
Modelo de rendimiento en matemtica para la educacin secundaria basado en la Taxonoma de los objetivos
educacionales
D0 Anlisis
D5
101
Anexo B
Lista de verbos correspondientes a cada una de las conductas en la Taxonoma de Bloom
Conocimiento:
Organizar
Definir
Duplicar
Rotular
Enumerar
Parear
Memorizar
Nombrar
Ordenar
Reconocer
Relacionar
Recordar
Repetir
Reproducir
Anlisis:
Analizar
Valorar
Calcular
Categorizar
Comparar
Contrastar
Criticar
Diagramar
Diferenciar
Discriminar
Distinguir
Examinar
Experimentar
Inventariar
Cuestionar
Examinar
Comprensin:
Clasificar
Describir
Discutir
Explicar
Expresar
Identificar
Indicar
Ubicar
Reconocer
Reportar
Re-enunciar
Revisar
Seleccionar
Ordenar
Traducir
Sntesis:
Organizar
Ensamblar
Recopilar
Componer
Construir
Crear
Disear
Formular
Administrar
Organizar
Planear
Preparar
Proponer
Trazar
Sintetizar
redactar
Aplicacin:
Aplicar
Escoger
Demostrar
Dramatizar
Emplear
Ilustrar
Interpretar
Operar
Preparar
Practicar
Programar
Esbozar
Solucionar
Utilizar
Evaluacin:
Valorar
Argumentar
Evaluar
Atacar
Elegir
Comparar
Defender
Estimar
Evaluar
Juzgar
Predecir
Calificar
Otorgar puntaje
Seleccionar
Apoyar
Tomado de: http://www.geocities.com/jose_luis_cardenas/taxonomia_bloom.htm
102
Anexo C
Verbos para la Taxonoma SOLO
Niveles de comprensin
Abstracto extendido
Verbos indicativos
Teoriza
Generaliza
Formula hiptesis
Reflexiona
Genera
Relacional
Compara/contrasta
Explica causas
Integra
Analiza
Relaciona
Aplica
Multi-estructural
Enumera
Clasifica
Describe
Hace una lista
Combina
Ejecuta algoritmos
Uni-estructural
Identifica
Memoriza
Realiza procedimiento simples
Pre-estructural
No capta el punto
103
Anexo D
lgebra II
Objetivos Generales del curso
Relacionar y generalizar las ideas bsicas del lgebra y del Clculo a travs del lgebra
Lineal.
Aplicar los resultados obtenidos en el lgebra Lineal a otros campos de la Matemtica.
Mdulo 1: Espacios vectoriales

Objetivos Generales
2
Revisar y generalizar la estructura de espacio vectorial de R y R estudiadas en el curso

de Matemtica II.
Descomponer un espacio vectorial en suma directa de subespacios.

Unidad de Aprendizaje No. 1: Espacios vectoriales
Objetivos: Al finalizar el estudio de esta Unidad de Aprendizaje, estar en condiciones
de:
Comprender los conceptos de espacio vectorial y subespacio vectorial.

Experiencia de Aprendizaje No. 1
Contenidos: Espacios vectoriales. Subespacios vectoriales. Operaciones con
subespacios.
Objetivos: Al finalizar el estudio de esta Experiencia de Aprendizaje, estar en
condiciones de:
Aplicar los conceptos de espacio vectorial y subespacio vectorial en la

resolucin de problemas.
Unidad de Aprendizaje No. 2: Combinaciones lineales

Al finalizar el estudio de esta Unidad de Aprendizaje, estar en condiciones de:
Determinar relaciones de dependencia entre vectores y subespacios de vectores.

Contenidos: Combinaciones lineales.
condiciones de:
Aplicar los conceptos de combinacin lineal en la resolucin de problemas.
Hallar el subespacio generado por un subconjunto.
Buscar los generadores de un espacio vectorial y distinguir si un espacio

vectorial es finitamente generado.

Contenidos: Subespacio generado por un subconjunto de vectores. Espacios
vectoriales finitamente generados. Dependencia e independencia lineal.
condiciones de:
104

Distinguir si un conjunto de vectores es linealmente independiente.
Unidad de Aprendizaje No. 3: Bases de espacios vectoriales

de:
Determinar si un conjunto dado es base de un espacio vectorial.
Descomponer un espacio vectorial como suma directa de subespacios.

Contenidos: Bases y dimensiones de un espacio vectorial.
condiciones de:
Determinar una base de un espacio vectorial, as como la dimensin del

mismo.

Contenidos: Suma directa de subespacios vectoriales.
condiciones de:
Aplicar la suma directa de subespacios vectoriales en la resolucin de

problemas.
Mdulo 2: Transformaciones lineales

Objetivos Generales
Generalizar el concepto de transformacin lineal entre espacios vectoriales y estudiar
algunos espacios vectoriales importantes.
Unidad de Aprendizaje No. 4: Transformaciones lineales
de:
Revisar y generalizar el concepto de transformacin lineal entre espacios

vectoriales.
Contenidos: Transformacin lineal. Propiedades de las transformaciones lineales.
Ncleo. Imagen de una transformacin lineal.
condiciones de:
Aplicar la definicin de transformacin lineal en la resolucin de problemas.

Contenidos: Monomorfismo. Epimorfismo,. Isomorfismo. Espacios vectoriales
isomorfos.
condiciones de:
Distinguir si una aplicacin lineal es un monomorfismo, epimorfismo o

isomorfismo.
105
Unidad de Aprendizaje No. 5: Espacios de transformaciones lineales

de:
Estudiar algunos espacios vectoriales importantes.

Contenidos: Espacios vectoriales importantes. Espacio Homk(V, W). Propiedades
de los espacios Homk(V, W).
condiciones de:
Distinguir espacios vectoriales importantes.

Contenidos: El espacio dual de un espacio vectorial dado. Bidual de un espacio
vectorial. El grupo lineal general.
condiciones de:
Estudiar el grupo lineal general y aplicarlo a la resolucin de problemas.

Contenidos: Espacio vectorial cociente. Teoremas fundamentales de isomorfismos
de espacios vectoriales. Primero y segundo teorema fundamental de
isomorfismos entre espacios vectoriales.
condiciones de:
Aplicar el concepto de espacio vectorial cociente a la resolucin de problemas.
Mdulo 3: Matrices y transformaciones lineales

Objetivos Generales
Aplicar en la resolucin de sistemas de ecuaciones lineales las propiedades de las
transformaciones lineales y los determinanters.
Unidad de Aprendizaje No. 6: Matrices y transformaciones lineales
de:
Estudiar las relaciones entre espacios vectoriales de matrices y espacios

vectoriales de transformaciones lineales.
Contenidos: Matrices y transformaciones lineales. Matrices de orden mxn. Matriz
asociada a una transformacin lineal. Isomorfismo entre Homk(V, W) y M(dimW,
dimV, K).
condiciones de:
Estudiar las propiedades de la suma de matrices y aplicarlo a la resolucin de

problemas.
106

Contenidos: Producto de matrices. Matriz de cambio de base. Accin de un
cambio de bases sobre las coordenadas de un vector de un espacio vectorial.
Accin de un cambio de bases en los espacios vectoriales de una aplicacin lineal.
condiciones de:
Estudiar las propiedades del producto de matrices y aplicarlo a la resolucin

de problemas.
Unidad de Aprendizaje No. 7: Aplicaciones multilineales y determinantes

de:
Estudiar algunas aplicaciones multilineales en especial los determinantes.

Contenidos: Aplicaciones bilineales. Aplicaciones multilineales.
condiciones de:
Estudiar las aplicaciones bilineales y multilineales.

Contenidos: Funcin determinante. Determinante de una transformacin lineal.
Adjunto clsico de un endomorfismo.
condiciones de:
Estudiar la funcin determinante y su aplicacin a la resolucin de problemas.

Contenidos: Determinante de una matriz cuadrada. El determinante considerado
como una funcin de lneas. Desarrollo del determinante segn los elementos de
una lnea. Teorema de Laplace.
condiciones de:
Estudiar el determinante de una matrz cuadrada y su aplicacin a la

resolucin de problemas.

Contenidos: Producto vectorial, Representacin del producto vectorial mediante
un determinante formal. Identidad de Lagrange. Producto mixto. Producto mixto
y dependencia o independencia lineal.
condiciones de:
Resolver problemas mediante el uso de sistemas de ecuaciones.
Unidad de Aprendizaje No. 8: Sistemas de ecuaciones lineales

de:
107
Aplicar los resultados sobre matrices y determinantes a la resolucin de sistemas

de ecuaciones lineales.
Contenidos: Sistemas de ecuaciones lineales. Rango de una matriz. Sistemas
homogneos. Regla de Cremar. Compatibilidad de sistemas lineales. Equivalencia
de matrices. Mtodo de Gauss-Jordan.
condiciones de:
Aplicar las operaciones elementales y matrices elementales en la resolucin

de problemas.
Mdulo 4: Espacios con producto interno

Objetivos Generales
Estudiar espacios vectoriales con producto interno.

Unidad de Aprendizaje No. 9: Espacios eucldeos
de:
Adquirir la nocin de espacio eucldeo y aplicar sus propiedades..

Contenidos: Producto interno. Espacio normado. Distancia de un K-espacio
vectorial.
condiciones de:
Generalizar las definiciones y propiedades de la norma y del producto escalar

2
y estudiados en R y R a espacios vectoriales cualesquiera que tienen como

cuerpo de escalares al conjunto de los nmeros reales.
Estudiar el concepto de distancia en un K-espacio vectorial.

Contenidos: Vectores ortogonales y ortonormales. Mtodo de ortogonalizacin de
Gram-Schmidt.
condiciones de:
Adquirir los conceptos de conjuntos ortogonales y ortonormales y aplicar sus

propiedades en la deduccin del mtodo de Gram-Schmidt.
Unidad de Aprendizaje No. 10: Matrices y transformaciones lineales

de:
Estudiar las proyecciones y transformaciones ortonormales.

Contenidos: Complemento ortogonal. Proyeccin ortogonal.
108

condiciones de:
Estudiar el conjuntos de los vectores ortogonales a un conjunto dado S y

deducir algunas propiedades importantes de stos, si S es un espacio
vectorial.

Contenidos: Operaciones ortogonales. Matriz ortogonal
condiciones de:
Estudiar los operadores ortogonales de dimensin finita.
Mdulo 5: Vectores y valores propios

Objetivos Generales
Estudiar vectores y valores propios y formas cuadrticas.

Unidad de Aprendizaje No. 11: Vectores y valores propios de un operador de una
matriz cuadrada.
de:
Estudiar vectores y valores propios de un operador y de una matriz cuadrada.
Estudiar la diagonalizacin de un operador y de una matriz cuadrada.
Adquirir las nociones bsicas acerca de los operadores hermitianos.

Contenidos: Vector y valores propios de un operador. Vectores y valores propios
de una matriz cuadrada. Polinomio caracterstico de un operador o de una matriz
cuadrada. Diagonalizacin de un operador o de un matriz cuadrada.
condiciones de:
Calcular los vectores y valores propios de un operador y de una matriz

cuadrada.
Caracterizar los operadores diagonalizables en funcin de sus valores

propios..

Contenidos: Operadores hermitanos. Valores propios de un operador ermitao.
Operadores hermitanos y bases ortonormales de una espacio eucldeo.
condiciones de:
Estudiar las propiedades bsicas de los operadores hermitianos.
Unidad de Aprendizaje No. 12:

de:
109
Adquirir los conceptos fundamentales sobre formas bilineales sobre un espacio

vectorial y aplicarlos en el estudio de las formas cuadrticas sobre un K-espacio
vectorial y en particular sobre el cuerpo de los reales en la descripcin de las
cnicas y las cudricas..
Contenidos: Formas bilineales sobre un K-espacio. Formas bilineales simtricas.
condiciones de:
Estudiar las propiedades fundamentales de las formas bilineales sobre un Kespacio vectorial V.
Adquirir las nociones bsicas acerca de las formas bilineales simtricas.

Contenidos: Formas cuadrticas sobre un K-espacio. Formas cuadrticas reales.
Descripcin de las cnicas. Descripcin de las cudricas.
condiciones de:
Estudiar las propiedades de las formas cuadrticas sobre un K-espacio

vectorial V.
Aplicar las propiedades de las formas cuadrticas reales al estudio de las

cnicas y cudricas.
110
Auto-Evaluacin 7
Mdulo 2
Objetivo del Mdulo:

Estudiar elementos terico-prcticos de las Didcticas de la Probabilidad
dentro del marco de la Educacin Matemtica.
111
Unidad 4
Objetivo 4:
Estudiar diversas aproximaciones tericas e investigaciones en
didctica de la Probabilidad.
112
Leccin 8
Investigaciones iniciales
Esta unidad est dedicada al estudio de algunos de los resultados ms relevantes de la
investigacin respecto a la didctica de la probabilidad. La probabilidad es parte importante
de la vida comn de cualquier ciudadano. Con frecuencia un ciudadano necesita interpretar
un mensaje con base probabilstica, comunicar la posibilidad de ocurrencia o no de un
evento, tomar decisiones en situacin de incertidumbre. Esta es una de las razones por las
que la probabilidad ha formado parte de los estudios universitarios desde hace mucho
tiempo. Se considera necesario que la mayora de los profesionales tengan una formacin
bsica en probabilidad; adems, de ser base fundamental para la comprensin de la
estadstica inferencial. No obstante, fue con los ms pequeos con quienes se inici el
inters por investigar sobre la probabilidad, su enseanza y aprendizaje.
La investigacin sobre las intuiciones de los individuos acerca del azar y la probabilidad
tienen una larga tradicin en psicologa.
Los estudios de Piaget e Inhelder (1951)
comienzan la descripcin del pensamiento probabilstico y el pensamiento combinatorio, as
como el diseo de teoras acerca de su desarrollo en los individuos. Posteriormente otros
psiclogos han seguido esa lnea de investigacin (por ejemplo, Fischbein, 1975;
Kahneman, Slovic y Tversky, 1982; Stanovich, 1986) logrando resultados proporcionando
un apoyo importante para la enseanza de la probabilidad.
Las investigaciones respecto al razonamiento probabilstico atienden a dos tpicos. Un
grupo describe las maneras de pensar de las personas, investigan sobre las concepciones
elementales, las concepciones errneas, las intuiciones sobre probabilidad. Un segundo
grupo de investigaciones tienen como centro el cmo influir o cambiar esas creencias e
intuiciones sobre la probabilidad. En esta leccin se presentan se presentan parte de los
resultados de las investigaciones de Piaget e Inhelder (1951), Fischbein (1975) y Green
(1983); los cuales centran su inters en la comprensin de la probabilidad en nios y
adolescentes.
Los nios y la probabilidad
Piaget e Inhelder (1951) fueron los primeros investigadores en estudiar el desarrollo de las
ideas de azar y probabilidad en nios. Sus investigaciones se orientaron al estudio de la
adquisicin del concepto de probabilidad en su acepcin clsica, en el marco de las etapas
del desarrollo conceptual de Piaget. Como en la mayora de las investigaciones de Piaget, la
metodologa utilizada se basa en las entrevistas de los sujetos, por lo cual se requiere de un
alto grado de verbalizacin de parte de los nios. El problema fundamental comprender
exactamente lo que piensan los nios a partir de su expresin, la cual no siempre es clara y
precisa, por lo que buena parte de las conclusiones son inferencias de los investigadores.
Sin embargo, las descripciones de Piaget sobre lo que hacen y saben los nios en diversas
edades, estn totalmente acordes con los resultados de la investigacin ms reciente
realizada por psiclogos cognoscitivos.
Una de sus conclusiones ms importante es que el concepto de la probabilidad se
transforma en un conjunto formal de ideas nicamente a partir de la etapa operacional
formal, que ocurre alrededor de doce aos de edad.
Las razones que presentan Piaget e Inhelder para sustentar la afirmacin anterior son:
113

1. Para identificar los fenmenos aleatorios el nio necesita de la comprensin de la
relacin causa efecto. Sin este marco referencial el nio no puede desarrollar la idea
de azar.
La relacin causa-efecto comienza a apreciarse en la etapa de las
operaciones concretas, por lo que el nio no tiene elementos para comprender la idea
de azar.
2. Para comprender la idea de probabilidad hace falta que el estudiante desarrolle el
razonamiento combinatorio, aspecto este que logra en la etapa de las operaciones
formales (12 14 aos). Al apoyar sus investigaciones en la concepcin clsica de la
probabilidad ellos consideran que cada caso aislado de un experimento aleatorio es
indeterminado. No obstante, el nmero total de posibilidades puede determinarse por
intermedio de razonamientos de tipo combinatorio. Esto lo hace previsible y da
margen para la aparicin de la idea de la probabilidad, como razn entre las
posibilidades de un caso y el conjunto de posibilidades. Bajo esta argumentacin de
Piaget e Inhelder, slo es posible comprender la idea de probabilidad si se ha logrado
desarrollar el razonamiento combinatorio.
Para Piaget e Inhelder los nios no tienen una intuicin del azar lo cual dificulta la
compresin de la probabilidad. Por ello centraron sus investigaciones en determinar el nivel
de desarrollo que debe tener el nio para poder comprender este concepto. Al presentarse
un nuevo concepto, se produce un desequilibrio cognitivo en el sujeto y en ste comienza
un proceso de asimilacin (aceptacin de la nueva informacin) y acomodacin
(reestructuracin de la informacin ya existente).
Estos procesos dependen de los
conocimientos previos que posea el sujeto y del desarrollo intelectual del nio, el cual se da
en varias etapas. Segn Piaget, el desarrollo cognitivo de la nocin de probabilidad en el
nio se realiza en varias etapas:
1. Preoperacional (4-7 aos). El aprendizaje requiere de la manipulacin de objetos
concretos para que el nio apoye sus experiencias empricas para comprender los
conceptos. Al presentar al nio, experimentos aleatorios como la bandeja piagetina, ellos
afirman que los objetos del experimento volvern al estado inicial. Consideran que los
experimentos son reversibles, al no ocurrir los nios no son capaces de comprenderlos,
tratan de establecer el orden. Si se les presenta un experimento aleatorio con dos
eventos posibles, A y B, y el evento A aparece con frecuencia, ellos predicen que ocurrir
la prxima ocasin. La razn que presenta con frecuencia para esta prediccin es que B
fue omitida muchas veces. Para Piaget, la irreversibilidad de los experimentos aleatorios
no permite su compresin por parte de nios de esta etapa y por lo tanto apreciar lo que
es el azar.
2. Operaciones concretas (7 11 aos). Comienzan a comprenderse conceptos secundarios
que no necesitan del apoyo de experiencias concretas. A travs de la adquisicin de
esquemas operaciones espacio-temporales y lgicos-matemticos, adquiere la capacidad
de distinguir entre lo deducible y el azar. Comienza a comprender la interaccin de
cadenas causales que conducen a sucesos predecibles, y la irreversibilidad de los
fenmenos aleatorios. Ante un conjunto pequeo de elementos, los nios buscan formas
de realizar inventarios de todas las permutaciones, variaciones y combinaciones posibles.
Hacia el final del periodo es posible llegar a procedimientos rudimentarios de clculo,
mediante ensayo y error, pero no hay un enfoque sistemtico para generar la lista.
Logran una comprensin progresiva de la nocin de azar, pero todava creen que pueden
controlar los posibles resultados.
3. Operaciones formales (12 aos en adelante). Se comprenden abstracciones simblicas
y/o verbales sin necesidad de apoyo de la manipulacin de objetos. El adolescente
adquiere la capacidad de utilizar procedimientos sistemticos para realizar inventarios de
todas las permutaciones, variaciones y combinaciones posibles de un conjunto de
115
elementos. Agrupa las relaciones no determinadas de fenmenos aleatorios segn

esquemas operacionales. Consientan a asociar el azar con la ausencia de patrones de
resultados. Una vez que se presenta una situacin aleatoria, por medio del uso de estos
esquemas se hace inteligible, y la sntesis entre el azar y lo operacional conduce al
adolescente al concepto de probabilidad.
Una de las actividades realizadas por Piaget eInhelder (1951) fue presentar a los nios dos
colecciones de fichas blancas, con o sin una de sus caras marcadas, con composiciones
distintas cada coleccin. Se les solicitaba a los nios decidir en cul de las dos colecciones
sera ms fcil obtener una ficha con una cara marcada, al seleccionarla al azar. Los
resultados indican:
a) En el primer estadio no se realiza la comparacin lgico-aritmtica lo cual impide a los
nios resolver el problema. La nocin de probabilidad no es accesible puesto que se
precisa incluir la parte en el todo, los casos favorables en el conjunto de casos posibles,
compuestos disyuntivamente. Las soluciones se basan en apreciaciones intuitivas.
b) En el segundo estadio, se consigue hacer comparaciones con una sola variable. Los
nios tienen xito en los problemas que implican la comparacin de una sola variable,
mientras que presentan errores sistemticos en los casos de composicin proporcional.
Los problemas de una variable suponen las comparaciones aditivas, mientras, que los
segundos llevan implcito un doble cociente; lo cual lo relaciona de forma directa con las
ideas de fraccin y de proporcin, que el nio no ha adquirido.
c) En el tercer estadio, se ofrecen soluciones generales y rpidas. Los nios parecen
construir operaciones de segunda orden, operaciones construidas sobre operaciones,
que precisan un poder hipottico deductivo mayor que las operaciones concretas.
Aparece la nocin de probabilidad.
Actividad 8.1
Un ejemplo de las actividades que utilizaba Piaget e Inhelder es el de las cajas con
fichas. Al sujeto se le presentan dos cajas: una con tres fichas negras y una blanca,
otra con seis fichas negras y 2 blancas. Se le pregunta si hay la misma probabilidad o
una posibilidad diferente de escoger una ficha negra de cada caja. Presente a nios de
6, 9, 12 y 15 aos de edad, las dos cajas (en fsico) de Piaget e Inhelder. Indague sobre
lo que ellos creen respecto en cul caja es ms probable seleccionar una ficha negra, si
se extrae una de ellas al azar (adapte el lenguaje a la edad del nio). Realice un informe
con los resultados.
Por todo lo anterior para estos autores el concepto de probabilidad slo es compresible a
partir de la etapa operacional formal. Ellos consideran que a partir de los 12 aos, los nios
pueden hacer una sntesis entre el azar y la probabilidad, logrando una asimilacin
analgica entre lo fortuito y la operatoria.
Concepcin de probabilidad en nios y adolescentes
Green (1983 y 1991) realiz un amplio estudio para investigar los conceptos de probabilidad
de los adolescentes. Trabaj con ms de 3000 estudiantes de Inglaterra, de 11 a 16 aos,
para determinar sus niveles de desarrollo de acuerdo con las etapas definidas por Piaget. El
objetivo era descubrir lo que ellos saban sobre los conceptos de probabilidad y sobre el
lenguaje de la incertidumbre.
Para poder llegar a tal cantidad de sujetos, Green utiliz la tcnica de la encuesta y como
instrumento el cuestionario. Este instrumento permite llegar a un mayor nmero de sujetos,
recolectando la informacin de forma estructurada y sistemtica. Es una manera uniforme
abordar a distintos sujetos, aun cuando se aplique en momentos distintos, utilizando para

su anlisis algunas tcnicas estadsticas. Los cuestionarios de Green estaban conformados
en su mayora por temes de seleccin mltiple, aunque, en algunos casos, solicitaba
escribieran que argumentaran las razones de la respuesta seleccionada. La mayor parte de
las argumentaciones era muy superficial e incompleta, por lo que no resultaba muy til para
ayudar a conocer un poco ms la forma de pensar del estudiante.
El estudio inclua diferentes tareas como representaciones visuales del azar, hilanderos o
apuntadores3 con modelos de rea de probabilidad y experimentos aleatorios con urnas
ideadas por Piaget (una con 3 metras negras y 1 metra blanca y otra caja con 6 metras
negras y 2 blancas). Los resultados indican que la mayora de los estudiantes no haba
alcanzado la etapa de operaciones formales, con respecto al azar, ni siquiera a los diecisis
aos. Entre otros aspectos Green seala:
1. El principio
comprensible.
de
multiplicacin
apenas
era
2. Los tems que incluan los resultados de conteo

eran mejores que los que incluan relaciones.
3. No entendan la probabilidad como una razn. Al
preguntarles si habra la igual o diferente
probabilidad al escoger una metra negra de cada
caja piagetiana, cerca del 50% de los sujetos
escogieron la caja de 6N y 2B con mayor
probabilidad.
4. Prcticamente no conocan el concepto de azar.
Green present un panorama gris de la situacin de la
estocstica en las escuelas en Inglaterra.
Las
Hilandero o apuntador
conclusiones fueron: (a) el concepto de relacin es
crucial para la comprensin conceptual de la probabilidad; (b) los estudiantes son dbiles en
lo que respecta a la comprensin y uso del lenguaje comn de probabilidad, tales como al
menos o determinadas o imposible; y (c) slo un programa amplio y sistemtico de la
estocstica en las escuelas podra eliminar este pensamiento falaz en los nios.
Shaughnessy no proporciona informacin sobre el nivel de probabilidad y estadstica al que
pueden haber sido expuestos los estudiantes con quienes trabaj Green. Debido a la falta
de atencin a la estocstica en las escuelas norteamericanas, podramos esperar que los
resultados fueran tan malos, e incluso peores, en Norteamrica si se hiciera esta misma
encuesta en Estados Unidos.
En otro estudio Green, (1983) trabaj sobre intuicin probabilstica y present a un grupo
de nios una pregunta en la cual deban discriminar entre dos sucesiones, una cuyo patrn
es aleatorio de otra que no lo es. Ambas sucesiones simulan el resultado del lanzamiento
de una moneda equilibrada 150 veces. Las sucesiones presentadas fueron:
Sucesin 1:
cscssccssccscscsscsscscccssscccsscsscscscssccscccscscsccsssccsscscssccscssccscssccsccsc
ssscssccsscsscscsccscssccscscsscccsccsscscssccssscssscscsscccss
Sucesin 2:
sccssscsssscsccsssccsccsssccscccssscsssssscscscscssssccccccscccscsccscccccscccsscccscsc
ccccccccsscscccccccsssssccccsscscsccsccsccsssssscsccsscccssccc
Se trata de un crculo dividido en partes, no necesariamente iguales, con una flecha que puede girar colocada en
el centro.
117
Los resultados indican que la mayora de los nios eligen la secuencia no aleatoria y que no
mejora la apreciacin de la aleatoriedad con la edad. Entre las razones presentadas por los
nios y nias para su decisin encontraron las siguientes: Razones correctas: (a) El patrn
de la sucesin es demasiado regular para ser aleatorio. (b) Demasiadas rachas o rachas
demasiado cortas.
Razones incorrectas: (c)
El patrn de la sucesin aleatoria es
demasiado irregular; no se apreciaba suficientemente la irregularidad de una sucesin
aleatoria. (d) Se espera que la frecuencia relativa sea exactamente el 50% de caras y
cruces o un valor muy prximo; no se admiten fluctuaciones lgicas en esta proporcin. (e)
Rachas demasiado largas; no se admite la posibilidad de este tipo de rachas en una
sucesin aleatoria.
Este resultado es semejante al de Falk (1981) quien indica que los seres humanos somos
malos jueces cuando deben reconocer y construir eventos al azar. Este autor mostr las
siguientes secuencias a estudiantes de secundaria:
A) AAAVVAAVVAAAVVVVVVAAA
B) VAVAVAVAAVAVAAVAVVAVV
Se les indic que las secuencias correspondan a 21 cartas verdes y amarillas, y les pidi
que decidieran cul de las dos era ms probable que fuera una secuencia aleatoria. La
mayora de los estudiantes seleccion la secuencia B, por ser la que presentaba ms
cambios entre los colores. Sin embargo, las secuencias con cadenas ms largas de un
color es ms probable que sea aleatoria. Falk encontr los mismos resultados cuando pidi
a los estudiantes que generaran sus propias secuencias de 21 cartas. Con estas y otras
situaciones, Falk concluye que se tiende a ver patrones en eventos al azar cuando no los
hay, por lo que se rechaza la nocin de que ciertos resultados son al azar. Asimismo, se
tiende a inferir fenmenos aleatorios cuando no lo son.
Green (1991) realiz un estudio longitudinal sobre conceptos de aleatoriedad con escolares
de 7 a 11 aos, donde solicitaba a los nios escribir una sucesin aleatoria que represente
los resultados de lanzar una moneda 50 veces. En las sucesiones generadas por los nios
se identifican (a) un alto sentido de la equiprobabilidad.
Las sucesiones producan
aproximadamente el mismo nmero de caras que sellos. (b) rachas demasiado cortas de
un mismo resultado, respecto a lo que cabe esperar en un proceso aleatorio, lo cual parece
sugerir una relacin de dependencia entre los resultados.
Actividad 8.2
Solicite, de forma independiente, a 3 estudiantes de nivel superior (que ya no hayan
cursado la asignatura de estadstica o probabilidad en su carrera) que elabore lista de los
posibles resultados del lanzamiento de una moneda 50 veces. Para facilitar el trabajo,
proporcineles una cuadricula con 50 espacios.
Realice el mismo trabajo con 3
estudiantes de nivel superior que ya hayan estudiado probabilidad en su carrera. Analice
los resultados de cada grupo en funcin de la frecuencia relativa de cada resultado y la
longitud de las rachas. Luego compare los grupos, seale semejanzas y diferencias.
Intuicin y el conocimiento probabilstico
Fischbein, Pamput y Minzat (1970), realizaron estudios para comparar el razonamiento de
grupos de nios que no haban recibido ningn tipo de enseanza sobre probabilidad y de
nios que recibieron una enseanza breve y sistemtica sobre la forma de resolver los
problemas de probabilidad. Los resultados indicaron que se encontraron diferencia entre los
dos grupos de nios a partir de los 9 o 10 aos, pero no en los nios menores. Esto los
llevo a recomendar la inclusin de la probabilidad en la escuela a partir de los 10 aos. En
esta, como en la mayora de sus investigaciones, Fischbein utiliza el registro escrito de los
propios nios como base para tratar de conocer su pensamiento probabilstico.

De forma similar piensan Glayman y Vargas (1975), quienes indican ante una situacin
aleatoria, hasta los 5 o 6 aos, el nio piensa que puede prever el resultado; un poco ms
tarde responde que no puede afirmar nada y, gradualmente descubre que existen en el caos
aparente del mundo aleatorio, leyes que permiten estimar la realidad. Hasta los 14 y 15
aos parece difcil presentar el dominio de las probabilidades como una ciencia deductiva,
pero mediante ejemplos convenientes se puede conducir a los chicos a entrever y utilizar las
leyes del azar (p. 219).
Fischbein (1975) centr sus investigaciones las ideas que tienen los nios sobre el
conocimiento probabilstico antes y despus de la enseanza de ese tema en la escuela.
Este autor consideraba a la intuicin como un elemento muy importante en la planificacin
del proceso de enseanza. Para Fischbein la intuicin es el conjunto de adquisiciones
cognitivas que intervienen directamente en las acciones prcticas o mentales y tienen las
siguientes
caractersticas:
inmediatez,
globalidad,
capacidad
extrapolatoria,
estructurabilidad y autoevidencia. Aunque otorga a la intuicin el rasgo de inmediatez, no
la asocia con improvisacin, sino como el resultado de la maduracin de muchas
experiencias previas y surge en forma espontnea. Lo global es en contraposicin a lo
analtico. La capacidad extrapolatoria es porque en cierto modo las intuiciones tienen
carcter terico y a partir de ellas se pueden hacer predicciones. La estructurabilidad viene
dada por las relaciones que se pueden dar entre diversas intuiciones, formando estructuras
de razonamientos. La autoevidencia es en referencia al sujeto, para quien la intuicin no
necesita demostracin, son obvias.
En sus trabajos se distingue fundamentalmente: intuiciones primarias y secundarias. Las
primarias son adquisiciones cognitivas derivadas directamente de la experiencia y son
obvias para el sujeto. Cualquier persona puede tener una nocin intuitiva de probabilidad,
correlacin, gravedad, aceleracin, frecuencia relativa o contraste de hiptesis. Se
adquieren sin la necesidad de ninguna enseanza sistemtica. Sin embargo, como las
intuiciones son estn influenciadas por las experiencias y pueden madurar entonces son
adaptables y, por lo tanto, pueden estar influenciadas por la enseanza sistemtica. Las
secundarias son adquisiciones que poseen todas las caractersticas de las intuiciones
primarias, pero que se forman como producto de la educacin, esencialmente la formal.
Son creencias cognoscitivas reestructuradas que aceptamos y utilizamos como resultado de
la enseanza o de la experiencia dentro de una comunidad cultural en particular.
Este inters por la intuicin llev a Fischbein a estudiarla en el campo de la probabilidad ya
que consideraba que ste era un mbito apropiado para el surgimiento de la misma.
Supona que la toma de decisiones en situacin de incertidumbre obliga a los sujetos a
valerse de sus experiencias previas y a realizar estimaciones intuitivas de probabilidades.
Godino, Batanero y Caizares, (1987) al estudiar la obra de Fischbein identifican cuatro (4)
fases en el estudio de la gnesis de la idea de azar y probabilidad desde la infancia hasta la
adolescencia. Estas fases son:
1. Intuicin del azar. Al contrario de Piaget, Fischbein considera que la distincin entre lo
aleatorio y lo determinstico, intuicin primaria de azar, s es compresible por los
nios, incluso antes de los 7 aos. Para los nios, el azar es equivalente a lo
imprevisible, pero ante juegos de azar sencillos son capaces de elegir la opcin de
mayor probabilidad. En la etapa de las operaciones formales, se debe dar la sntesis
entre el azar y lo deducible, sin embargo, Fischbein considera que no se realiza
espontneamente. Esto se debe a las tradiciones culturales y educativas de la
sociedad, las cuales orientan el pensamiento bsicamente hacia explicaciones
deterministas unvocas. Para l, la intuicin del azar es irreconciliable con una
estructura del pensamiento lgico, y es relegada a una clase inferior, como un mtodo
inadecuado de interpretacin que no cumple los requisitos cientficos. Este
119
planteamiento de Fischbein respalda la inclusin de la probabilidad en los programas

escolares desde los cursos iniciales.
2. Intuicin de la frecuencia relativa. Esta intuicin mejora con la edad, con el apoyo de
experimentos aleatorios para la enseanza. En la etapa preoperacional el nio adapta
sus predicciones a las posibilidades de los sucesos que se le presentan. La forma en
que se desarrolla el experimento marca la pauta de las predicciones del nio. A partir
de la etapa de operaciones concretas la intuicin se sigue desarrollando como
resultado de las experiencias del nio con situaciones que implican sucesos aleatorios.
3. Estimacin de probabilidades. Si bien considera que el nio en la etapa preoperatoria
no es capaz de estimar las posibilidades a favor o en contra de los sucesos aleatorios,
piensa que es capaz de hacer juicios probabilsticos. Cuando es posible un control
experimental y operaciones auxiliares de comparacin y clculo simples, el nio puede
partir de una estimacin intuitiva de posibilidades a favor de algn suceso. Por
ejemplo, cuando se presentan al nio dos cajas con diferente nmero de bolas negras
y blancas, y se le pide elegir entre cul de las dos es ms probable seleccionar una
blanca. Fischbein seala que si los nios pasan por un proceso de enseanza
adecuado, a partir 9 o 10 aos pueden estimar probabilidades en experimentos
aleatorios con bolas. Piaget indica que slo a partir de los 12 aos los nios pueden
dar respuestas correctas.
4. Operaciones combinatorias. Fischbein ha evidenciado que los nios en la etapa de
operaciones concretas, con ayuda de enseanza, logran asimilar procedimientos
enumerativos usados en la construccin de diagramas de rbol.
Las investigaciones de Fischbein lo llevaron a proponer la enseanza de la probabilidad
desde el perodo de las operaciones concretas de Piaget, a diferencia de este que la propone
a partir del perodo de las operaciones formales. Fischbein en sus trabajos encontr que la
intuicin probabilstica no se desarrolla espontneamente, excepto dentro de unos lmites
muy reducidos.
Fischbein, Nello y Marino (1991) realizaron un estudio con 618 nios, entre 9 y 14 aos, a
los cuales se les administr un cuestionario que inclua algunas preguntas centrndose en
los conceptos de eventos seguros, posibles e imposibles. Una de las preguntas se refiere al
lanzamiento de un dado donde se les solicitaba indicaran si los eventos eran imposibles,
probables o seguros. Estos eventos 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 autores consideran que los dos grupos (9-11 aos y 11-14 aos) logran un desempeo
adecuado para los tres conceptos se describen, no obstante, sealan que
sorprendentemente el resultado con ms baja tasa de respuesta adecuada es el referido a
eventos seguros. Los resultados para el grupo de 9-11 aos de edad fueron: eventos
posibles 79,8% de respuestas correcta; eventos seguros 55,0%; eventos imposibles 94,4%.
Los resultados de los nios del otro grupo siguen un patrn similar, pero con mayores
porcentajes de respuestas correctas.
Este resultado es contrario a su hiptesis de
investigacin, segn la cual los eventos posibles son el concepto ms sofisticado. De
acuerdo con estos resultados, el concepto de evento seguro es ms complejo de lo esperado
y al parecer se desarrolla ms tarde que las ideas de la imposible y probable. Fischbein, et

al. (1991) concluyen que no debe darse por sentado que los nios desarrollan de forma
natural una mejor comprensin de los trminos imposible, posible y seguro.
Si bien las intuiciones pueden ayudar a ofrecer la simplificacin de cogniciones de la
realidad, tambin pueden inducir a errores y promover concepciones errneas de la realidad
cientfica. Esto es particularmente importante en la probabilidad y la estadstica, en las que
muchos fenmenos entran en conflicto con nuestras creencias cognoscitivas iniciales. Si las
intuiciones primarias sobre probabilidad y el azar se conciben de forma errnea, entonces el
sujeto tendr una idea desvirtuada de esos conceptos. El tiempo que se posponga la
enseanza de la probabilidad ser tiempo invertido en el afianzamiento de las intuiciones
primarias del sujeto y por lo tanto mayores dificultades para lograr intuiciones secundarias
apropiadas. Por lo tanto el estudio de la probabilidad desde los primeros aos es necesario
para modificar esos posibles errores en el pensamiento probabilstico.
Probabilidad en la escuela?
En los ltimos aos, educadores matemticos y estadsticos han dedicado tiempo y
esfuerzo en investigar sobre los procesos cognoscitivos implicados en la enseanza y
aprendizaje de la probabilidad. Shaughnessy (1992) resume las investigaciones realizadas
desde la educacin matemtica en tres grupos:
1. Estudios de factibilidad llevados a cabo para determinar si los temas en probabilidad y
estadsticas podran ser enseados a los nios de la escuela primaria o media (Doherty,
1965; Jones, 1974; Leake, 1962; Leffin, 1971; Mullenex, 1968);
2. Estudios experimentales o de correlacin que intentaban examinar los efectos de la
enseanza de la probabilidad sobre otras variables, o encontrar las relaciones existentes
entre otras variables (tales como actitudes, uso de smbolos, computacin) y el xito en
probabilidad (Gipson, 1971; McKinley, 1960; Shepler, 1970; Shepler & Romberg, 1973;
Shulte, 1968; White, 1974);
3. Estudios que comparaban los efectos de varios enfoques para la enseanza de una
unidad sobre probabilidad (Austin, 1974; Barz, 1970; Greelin, 1974; Kipp, 1975; McLeod,
1972; y Moyer, 1974).
La mayora de esos estudios indican que los nios en los ltimos aos de la educacin
bsica y comienzos de la escuela media ya procesan alguna idea de probabilidad antes de la
enseanza formal, y que es posible ensearles conceptos de probabilidad a los nios de
esas edades.
Falk, Falk y Levin (1980) realizaron un estudio con sesenta y un nios, con edades
comprendidas entre 4 y 11 aos. Se le propuso la comparacin de probabilidades en
distintos contextos, siempre con dos resultados posibles: color azul y color amarillo. En
cada experimento el nio deba seleccionar un color antes de realizar el experimento, con la
finalidad de ser recompensados si acertaba. Se utilizaron tres tipos de dispositivos: cajas
con pelotas azules y amarillas, ruletas divididas en sectores azul y amarillo, y apuntadores,
igualmente dividido en dos colores. En cada dispositivo, los conjuntos son de diferentes
tamaos con distintas proporciones de los dos colores, por lo que el problema era
seleccionar la mayor de las dos probabilidades. Se les presentaron a los nios un total de
nueve problemas distintos.
Aproximadamente en torno los seis aos de edad, los nios comenzaron a seleccionar
sistemticamente la mayor de las dos probabilidades, manifestando un razonamiento de
tipo probabilstico. El error dominante en los nios pequeos fue elegir el conjunto con
mayor nmero de casos favorables. Los contextos resultaron equivalentes para el propsito
de medir la capacidad de los nios para evaluar probabilidades.
Ellos verbalizaron
conceptos como probabilidad y oportunidad. El anlisis del patrn de respuesta del mismo
121
nio en los diferentes problemas, sugieren que en muy pocos casos de comportamiento
sistemtico respecto a un principio incorrecto dado.
El estudio indica que la probabilidad puede ser introducida en la enseanza escolar, incluso
desde los primeros grados. Los autores sugieren que la probabilidad se compone de dos
subconceptos: azar y proporcin. Primero se debe tener consciencia de la incertidumbre
presente en la situacin para luego aplicar el clculo de proporciones. Ellos indican que la
capacidad de calcular proporciones, por s sola, no implica necesariamente la comprensin
de la probabilidad, ya que se precisa tener en cuenta la imposibilidad de controlar o predecir
los resultados. Estos autores consideran que la orientacin determinista dominante en los
programas de estudios de los jvenes debe ser atenuada, para ello es recomendable
introducir el concepto de incertidumbre desde el principio.
Jones, Thornton, Langrall y Tarr (1999) sealan que seis conceptos son fundamentales para
que los nios pequeos puedan razonar en contexto de probabilidad: el espacio muestral,
probabilidad experimental de un evento, la probabilidad terica de un evento, las
comparaciones de probabilidad, probabilidad condicionada y la independencia.
Estos
autores consideran que a medida que los estudiantes progresan a lo largo de los grados
elementales, su razonamiento en situaciones de probabilidad se desarrolla a travs de
cuatro niveles:
1. Razonamiento subjetivo o no cuantitativo: No estn en condiciones de elaborar una
lista de todos los resultados posibles de un experimento aleatorio. Tiene un enfoque
subjetivo, fijan su atencin en lo que es probable suceda en lugar de lo que podra
suceder.
2. Etapa de transicin entre el razonamiento subjetivo e ingenuo al razonamiento
cuantitativo: Pueden lista de todos los resultados de un espacio muestral, pero
presenta dificultades en hacer conexiones entre el espacio muestral y la respectiva
probabilidad de un evento.
3. Razonamiento cuantitativo ingenuo: Pueden generar sistemticamente los resultados
y el espacio muestral de uno y de dos experimentos. Parecen utilizar el razonamiento
cuantitativo para determinar probabilidades y la probabilidad condicional, pero no
siempre expresan estas probabilidades utilizando notacin numrica convencional.
4. Razonamiento numrico: Pueden generar sistemticamente los resultados numricos
as como la probabilidades tericas y experimentales de distintos eventos de un
experimento aleatorio, adems pueden trabajar con los conceptos de probabilidad
condicional e independencia.
Otros investigadores (por ejemplo, Truran, 1994; OConnell, 1999) han trabajado
comparando el razonamiento probabilstico de nios con y sin enseanza formal de la
probabilidad, encontrando razones para pensar que ese razonamiento mejora despus de la
enseanza.
Referencias
Falk, R., Falk, R. y Levin, I. (1980). A potential for learning probability in young children.
Educational Studies in Mathematics, 11, 181-204.
Fischbein, E., Nello, M. S. y Marino, M. S. (1991). Factors affecting probabilistic judgements
in children and adolescents. Educational Studies in Mathematics, 22, 523-549.
Fischbein, E., Pamput, E. y Minzat, I. (1970). Comparison of fractions and the chance
concepts in children. Child Development, 41, 365-376.
Fischein, E. (1975).
Reidel.
The intuitive source of probability thinking in children. Dordrecht:

Glayman, M. y Varga, T. (1975). Las probabilidades en la escuela. Barcelona. Ed. Teide.
Green, D. R. (1983b), School Pupils' Probability Concepts, Teaching Statistics, 5, 34-42.
Green, D. R. (1991) A longitudinal study of pupils probabilty concepts. Universidad de
Loughborough.
Jones, G., Thornton, C., Langrall, C. y Tarr, J. (1999) Understanding Students Probabilistic
Reasoning. En L. Stiff (ed.) Developing Mathematical Reasoning in Grades K12.
Reston (VA): NCTM.
OConnell, A. A. (1999). Understanding the nature of errors in probability problem solving.
Educational Research and Evaluation, 5(1), 1-21.
Piaget, J. e Inhelder, B. (1951).
Presses Universit France.
La genese de lide de hasard chez lenfant.
Pars:
Shaughnessy, J. M. (1992). Research in probability and statistics: reflections and directions.

En D.A Grows (Ed.), Handbook of Research on Mathematics Teaching and Learning
(pp. 315 426). New York: Mc Millan.
Truran, J. (1994). Examination of a relationship between children's estimation of
probabilities and their understanding of proportion. En J. P. Ponte and J. F. Matos
(Eds), Proceedings of the XVIII PME Conference (v4, pp. 337-344). Universidad de
Lisboa.
Auto-Evaluacin 8
1. Las dos series de 150 resultados de los lanzamientos una moneda, proveniente de la
pregunta de Green (1991) expuesto anteriormente, se presentaron a una estudiante.
Se le indic que una de las secuencia era producto del lanzamiento de la moneda y la
otra no, que eran resultados inventados. Se pidi a la estudiante que identificara cul
era la serie generada por los lanzamientos de la moneda. Ella respondi que ambas
eran resultado de lanzamientos de monedas ya que mostraban resultados aleatorios.
Los resultados no tienen orden y eso es aleatorio; para mi ambas son el resultado de
lanzamientos. Revise las serias elaboras por Green, est usted de acuerdo con la
estudiantes? Argumente a favor o en contra de la estudiante haciendo uso de sus
conocimientos de probabilidad.
2. Constaste las posiciones de Piaget e Inhelder respecto a la de Fischbein en cuanto a:
intuicin de azar en los nios, estimacin de posibilidades y la nocin de probabilidad.
Seale coincidencias y divergencia entre estos autores.
3. Cules similitudes y divergencia encuentra entre el planteamiento de Jones, Thornton,
Langrall y Tarr y los de Piaget e Inhelder?
4. A partir de que edad se ensea probabilidad en la Educacin Bsica venezolana? Desde
la perspectiva de Piaget e Inhelder, desde que grado debera incluirse la probabilidad
en los programas educativos venezolanos? Y desde la visin de Fischbein, a partir de
que grado debera incluirse? Cul es su posicin al respecto? Argumente su respuesta.
5. Considera conveniente que los nios estudien probabilidad desde los primeros grados
de la educacin bsica? Argumente su respuesta.
123
Leccin 9
Sesgos en la interpretacin de la probabilidad
Esta leccin se prosigue el estudio de algunos de los resultados ms relevantes de la
investigacin respecto a la didctica de la probabilidad. Algunas personas consideran que
los conceptos errneos respecto a la probabilidad slo ocurren por la falta de estudio de ese
importante tpico, no obstante, hay considerables evidencias que sugieren que las personas
con formacin en probabilidades tambin incurren en errores. Shaughnessy (1992) seala
que los conceptos errneos que se derivan de distintas formas de pensamiento y
razonamiento. Son numerosos los tipos de razonamiento incorrecto identificados por las
investigaciones, en esta leccin se consideran algunos de los ms relevantes.
Los razonamientos incorrectos se les conoce en la literatura especializada como sesgos,
entendindose por ello:
conjuntos de respuestas incorrectas en las cuales la falla
identificada tienen un origen similar. Kahneman y Tversky (1972) consideran que los
sesgos se deben a la utilizacin de heurstica, como la representatividad y disponibilidad.
Por heurstica se entienden algunas formas de razonamiento informal a los que
frecuentemente recurren las personas. Prez Echeverra, (1990, citada por Serrano, 1996)
las describe como mecanismos por los que reducimos la incertidumbre que produce nuestra
limitacin para enfrentarnos a la complejidad de estmulos ambientales. Las heursticas
pueden ser muy tiles, pero su uso inapropiado en probabilidad puede generar errores de
razonamiento probabilstico.
Sesgos en la interpretacin de la probabilidad
Las investigaciones realizadas por los psiclogos Kahneman y Tversky (Kahneman y
Tversky, 1972; Tversky y Kahneman, 1974), centraron su atencin en el estudio de errores
en el pensamiento probabilstico en adultos. Estudiaron las falsas ideas tanto en la
estadstica como en la probabilidad. En este ltimo campo, la preocupacin central de sus
trabajos era cmo se produce el razonamiento en situaciones de incertidumbre. Se
concentraron en cmo se producen juicios y la toma de decisiones en contextos donde slo
existe informacin probabilstica, como puede ser el caso de mdicos, jueces, asesores
financieros, expertos militares, asesores polticos. Consideraban que las personas en este
tipo de situaciones hacen uso de heursticas de juicio, como la representatividad y la
disponibilidad.
La heurstica de representatividad es la tendencia la estimar a probabilidad de un evento o
suceso, basado en la representatividad del mismo respecto a la poblacin de la que
proviene (Kahneman et al., 1982). Las preguntas que parecen plantearse quienes utilizan
esta heurstica son como las siguientes: qu probabilidad tiene el objeto X de pertenecer a
los objetos de tipo Y? Cul es la probabilidad que un evento X se produzca luego del evento
Y? Cul es la probabilidad de que un evento Y produzca un suceso X? Preguntas de este
tipo le permiten evaluar a los sujetos si X es representativo de Y. Si X es muy parecido a Y,
(X es representativo de Y) entonces la probabilidad de que X se derive de Y es muy alta. Si
al contrario, X es poco parecido a Y entonces se le considera poco representativo y por lo
tanto la probabilidad de que X provenga de Y ser considerada baja.
Tversky y Kahneman (1982) ilustran el uso de la heurstica de la representatividad
mediante el siguiente ejemplo: Considere un individuo que es descrito por su vecino de la
siguiente manera: "Steve es muy tmido e introvertido, invariablemente servicial, pero
tiene poco inters en las personas, o en el mundo real. Es un alma mansa y ordenada,
124
125
cuida los detalles al extremo. Si Steve tiene una de las siguientes profesiones: granjero,
vendedor, piloto de la aerolnea, bibliotecario, o mdico, cul considera Ud. como la
profesin ms probable de Steve? Ordene de ms probable a menos probable la lista
anterior como posible profesin de Steve. Para los sujetos que utilizan la heurstica de la
representatividad, la probabilidad que Steve sea bibliotecario, por ejemplo, es muy alta.
Ellos evalan en qu grado l es representativo del estereotipo de un bibliotecario. Las
investigaciones con este tipo de problemas muestran que las personas jerarquizan las
ocupaciones por probabilidad y por similitud de exactamente la misma manera.
La
aplicacin inadecuada de esta heurstica puede producir serios errores, ya que se considera
que ciertos objetos, sujetos o eventos son ms representativos que otros. Esto lleva por
ejemplo, a considerar a los eventos ms probables como ms representativos que los
menos probables. El empleo de la heurstica de la representatividad puede generar varios
sesgos como por ejemplo: falacia del ndice base, insensibilidad a la previsibilidad, ilusin de
validez, conceptos errneos de regresin, insensibilidad al tamao de la muestra y
conceptos errneos sobre secuencias aleatorias (Kahneman, Slovic, y Tversky, 1982).
Otra heurstica utilizada para estimar la probabilidad de un evento es la disponibilidad. Las
personas que la utilizan se guan slo por la informacin que se tiene sobre hechos
semejantes, por valoracin de la informacin disponible. Por ello juzgan la posibilidad de
ocurrencia de un evento de acuerdo con la facilidad o disponibilidad para construir hechos
similares de ese evento. Por ejemplo, si una persona ve un accidente automovilstico en la
va mientras conduce, tiende a aumentar su estimacin de la probabilidad de que a l o a
ella le ocurra un accidente. La disponibilidad causa un sesgo sistemtico en la estimacin
de la probabilidad, porque la gente tiende a creer que los resultados que puede recordar
fcilmente son ms probables que ocurra. Fischbein y Schnarch (1997) reportan que el uso
de la disponibilidad aumenta con la edad, desde estudiantes de 5to grado hasta
universitarios. Al igual que la heurstica de la representatividad, la disponibilidad puede
generar varios sesgos como por ejemplo: el recuerdo de instancias, correlacin ilusoria,
sesgo debido a la efectividad de un conjunto de bsqueda y sesgo debido a la imaginacin.
De acuerdo con estos autores, las heursticas de la representatividad y la disponibilidad le
permiten al sujeto resumir cantidades grandes de informacin y ofrecer rpidamente una
conclusin. Ellos consideraban que cuando las personas tienen poco conocimientos de
estadstica y probabilidad hacen uso de estas heursticas, para hacer estimaciones de las
probabilidades de ocurrencia de un evento. No obstante, sus resultados indican que
tambin investigadores con estudios en estadstica hacan uso de ellas. Al usar en forma no
adecuada las heursticas los sujetos producen errores de razonamiento. stos han sido
denominados sesgos respecto a los razonamientos que se consideran acordes con la Teora
de la Probabilidad. Distintos autores han seguido los trabajos sobre la interpretacin de la
probabilidad (por ejemplo, Truran, 1994; Serrano, 1996; Caizares, 1997; Cardeoso,
2001), aunque no siempre dndole el mismo enfoque que Tversky y Kahneman.
A continuacin se describen algunos de los sesgos considerados en la bibliografa:
Falacia del apostador o efecto negativo de presencia reciente. Al lanzar varias veces una
moneda y presentarse una seguidilla de caras, algunos sujetos creen que aumentan las
posibilidades de que en el prximo lanzamiento salga un sello. Segn esta falacia, luego de
una racha o seguidilla de resultados iguales en un experimento aleatorio, lo ms seguro es
que en el prximo intento se obtenga un resultado diferente.
Esa interrupcin a que se produzca una sucesin ms representativa del experimento
aleatorio. De continuar la racha se hilara una secuencia menos representativa de la
totalidad de resultados posibles. Quienes as razonan desestiman el denominado teorema de
Bernoulli conocido corrientemente como la ley de los grandes nmeros. Bernulli indica que
cuando la probabilidad de ocurrencia de un evento p es desconocida, se puede lograr una

buena estimacin de p al hallar la proporcin de xitos en un nmero grande de ensayos.
La probabilidad estimada (x/N) y la verdadera probabilidad de p pueden diferir en algo, pero
esa diferencia disminuye al aumentar el nmero de ensayos (Kahneman, Slovic, y Tversky,
1982). Fischbein y Schnarch (1997), realizaron un estudio con estudiantes desde 5to grado
hasta la universidad, donde reportan evidencias de que el uso la falacia del apostador
disminuy con la edad.
Falacia del ndice base. Esta falacia se caracteriza por el sacrificio de la informacin
probabilstica, sobre la posible ocurrencia de un fenmeno, en beneficio de informacin
cualitativa por la supuesta representatividad de sta. Por ejemplo, a un grupo de sujetos se
le indica que una poblacin conformada por un 30% de ingenieros y 70% de abogados, y de
ella se extrae una persona al azar con las siguientes caractersticas: hombre, de 45 aos,
conservador, ambicioso y no est interesado en la poltica. Luego se les pregunta: lo ms
probable es que la persona descrita sea abogado o ingeniero?
Las respuestas
abrumadoramente indican que se trata de un ingeniero.
Quienes as responden,
menosprecian la probabilidad a favor de algunas caractersticas cualitativas que consideran
representativas del sujeto descrito; en este caso abogados. Ellos olvidan que el 70% del
grupo son abogados, por lo tanto es ms probable que la persona descrita tenga esa
profesin (Kahneman, Slovic, y Tversky, 1982).
Insensibilidad al tamao de la muestra. Es la confianza excesiva en la muestra, siempre
que el estadstico sea similar al valor considerado como parmetro, sin considerar la
cantidad de elementos que la conforma. Las personas que presentan este sesgo consideran,
por ejemplo, que obtener 7 caras al lanzar 10 veces una moneda equivale a obtener 70
caras en 100 lanzamientos. Ellos confan, en forma impropia, en las pequeas muestras;
suponen que cada serie de repeticiones de un experimento aleatorio debe reproducir todas
las caractersticas de la poblacin, sin importar qu tan limitadas sean dichas series.
Todo parece indicar que para estos sujetos, la similitud entre una medida tomada en una
muestra (estadstico) y una medida tomada en la poblacin (parmetro) no depende de la
cantidad de elementos que se consideren. Por lo tanto, cuando las probabilidades son
evaluadas por representatividad, el valor de un estadstico es independiente del tamao de
la muestra, desconociendo los estudios de la variabilidad del muestreo (Tversky y
Kahneman, 1974).
Los sujetos encuestados por Tversky y Kahneman no fueron capaces de apreciar la
influencia del tamao de la muestra aun cuando se le dio nfasis en la formulacin del
problema, como en el siguiente caso:
En un cierto pueblo hay dos hospitales. El Hospital A es el ms grande y nacen
aproximadamente 45 bebs por da. El Hospital B es ms pequeo y nacen
aproximadamente 15 bebs al da. Se sabe que aproximadamente el 50% de los
bebs son varones. Sin embargo, el porcentaje exacto vara de da a da. A veces
puede ser mayor de 50% y a veces puede ser menor. Durante un perodo de un
ao cada hospital registr los das en los cuales ms del 60% de los recin nacidos
eran varones. En cul hospital cree usted que tienen ms das registrados donde
ms 60% de los recin nacidos son varones?
a. El Hospital ms grande
b. El Hospital ms pequeo
c. Es igualmente probable en ambos hospitales (es decir, 50% para cada uno)
(Kahneman et al; 1982, 6)
La mayora de las personas considero que era igualmente probable obtener ms del 60% de
recin nacidos varones, en ambos hospitales. Lo ms probable es que estas personas se
127
guiaran por la igualdad de probabilidad de un recin nacido, 50% hembra 50% varn.
Esto contrasta con la teora de muestreo, segn la cual es ms probable que se registren
ms del 60% de bebs varones en el hospital pequeo por presentar una muestra ms
pequea. Pareciera que las personas que presentan este sesgo utilizaran 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 todas las
muestras sern representativas de todas las caractersticas estadsticas de las poblaciones
de donde proceden, sin importar la dimensin de la misma.
Serrano (1996) coincide con Tversky y Kahneman en que este error puede tener serias
consecuencias en la investigacin experimental. Hay cientficos que parecen creen en la
"ley de los pequeos nmeros" y por lo tanto sobreestiman la potencia de los mtodos
estadsticos. Ellos endosan expectativas injustificadas en la replicabilidad de experimentos
realizados con pequeas muestras. Salcedo (2002) seala que estudiantes venezolanos con
formacin en probabilidad tambin parecen presentar el sesgo de la insensibilidad al tamao
de la muestra.
Actividad 9.1
Las personas que presentan el sesgo de la Insensibilidad al tamao de la muestra
afirman, por ejemplo, que no hay diferencias entre la posibilidad de obtener 3
caras en 4 lanzamientos de una moneda, 30 de 40 lanzamientos de la misma
moneda 300 de 400 lanzamientos. No obstante, en todos los casos la
proporcin de caras es 0,75; entonces, por qu Tversky y Kahneman consideran
que quien as responde presentan el sesgo de la Insensibilidad al tamao de la
muestra?
Conceptos errneos sobre secuencias aleatorias. Algunas personas consideran que si una
familia tiene seis hijos, lo ms probable es que los nacimientos ocurran en la secuencia
HMHMHM donde H indica hombre y M mujer. Ellos estiman que esa secuencia es ms
probable que otras como HHHHMH o HHHMMM, ya que se creen que HMHMHM parece
representativa de la distribucin 50 50 de mujeres y hombres; que se supone ocurre en la
poblacin. Por esa misma razn, estas personas descartan la posibilidad de ocurrencia de
consideran que la secuencia MMMHHH. Algunas personas consideran que si la secuencia de
resultados que parecen relativamente ordenadas no pueden ser aleatorias por no
presentar el desorden que caracteriza a lo aleatorio. Las personas que as razonan
esperan que las sucesiones de eventos aleatorios representen siempre las caractersticas
esenciales de ese evento, sin importar qu tan larga es la sucesin examinada. Parecen
ignorar que, desde un punto de vista normativo, las 64 secuencias tienen la misma
probabilidad de ocurrir (Kahneman, Slovic, y Tversky, 1982).
Equiprobabilidad. Los individuos que muestran este sesgo de equiprobabilidad consideran
que existe una asociacin entre azar y equiprobabilidad. Ante la pregunta si se lanzan dos
dados, existe la misma probabilidad de obtener dos veces un 5 que de obtener un 5 y un 6?
Los resultados, en diferentes contextos, con sujetos de diferentes edades, indican que la
mayora de ellos consideran los dos eventos como igualmente probables. Lecoutre, Durand
y Cordier (1990) y Lecoutre (1992) consideran que este sesgo se debe a la ausencia de
asociacin de los modelos combinatorios con experimentos aleatorios. Los estudiantes
pueden manejar los modelos combinatorios pero no los relacionan con situaciones como la
anterior donde interviene donde el azar.
Otra posible explicacin de este sesgo podra estar en el ambiente educativo. Normalmente
el primer contacto formal que tienen los estudiantes con la probabilidad involucra el
concepto clsico de la misma. Esta concepcin se basa en experimentos aleatorios donde
todos los eventos son igualmente probables. Dadas situaciones de equiprobabilidad, por

ejemplo lanzamientos de dados y monedas equilibradas, se utiliza la frmula de Laplace
para asignar probabilidades.
Este primer contacto matemtico formal podra estar
provocando una incorrecta generalizacin del concepto clsico de probabilidad. Los sujetos
parecieran generalizar la equiprobabilidad y consideran que todos los eventos asociados a
un experimento aleatorio responden a este principio. Esto es lo que denomina Brousseau
(1983) un obstculo didctico. El estudiante logr el concepto de probabilidad sobre la base
de eventos igualmente probables, eso le permiti resolver un tipo de problema, por ello lo
considera eficiente y aplicable a otras situaciones que involucren probabilidad. Debido al
xito precedente el estudiante no encuentra razones para cambiar o modificar su
concepcin y se convierte en una rmora para el aprendizaje de nuevos conceptos.
Lecoutre y Fischbein (1998) presentaron una variante de la situacin sealada antes del
lanzamiento de dos dados, a un grupo de 687 estudiantes. Los resultados indican que la
proporcin de respuestas sesgadas es frecuente y aumentan con la edad.
Actividad 9.2
La pregunta que se presenta a continuacin proviene de las investigaciones de
Lecoutre y Durand (1988) para indagar la posible presencia del sesgo de la
equiprobabilidad.
Cuando lanzamos dos dados simultneamente:
a) Hay la misma probabilidad de obtener un 5 y un 6 que de obtener dos
veces 5
b) Hay ms probabilidad de obtener un 5 y un 6 que de obtener dos veces 5
c) Hay menos probabilidad de obtener un 5 y un 6 que de obtener dos veces
5
d) Es imposible saberlo
Razona tu respuesta
Se requiere que usted:
Analice matemticamente cada una de las alternativas de respuestas.
cul es la respuesta ms adecuada. Justifique su seleccin.
Indique
Disponibilidad. Como se expres antes, cuando la persona estima la probabilidad de los

acontecimientos basndose en la mayor o menor facilidad con la cual le es posible construir
ejemplos de ese acontecimiento, se considera que emplean la heurstica de la disponibilidad.
Esta heurstica generalmente esta asociada a experiencia y perspectivas personales, por lo
que general son limitadas. Su uso inapropiado genera el sesgo de disponibilidad o de la
informacin disponible, en evaluaciones o interpretaciones de probabilidad. Por ejemplo, si
visitamos por primera vez un restaurante y experimentramos mal servicio, podemos
pensar que el servicio en ese establecimiento es malo o muy malo. Sin embargo, para un
comensal frecuente de ese restaurante a quien siempre han atendido bien, al encontrarse
con un mal servicio no pensar lo mismo. Ambas perspectivas individuales pudieran estar
lejos de la verdad (Tversky y Kahneman, 1973, 1974). Una situacin similar se presenta
cuando un individuo slo considera el medio donde vive o labora para estimar el nivel de
rechazo o aceptacin de un poltico. En estos casos la persona estima la probabilidad de un
evento considerando slo la facilidad que tiene para recordar o construir ejemplos de
situaciones similares a la considerada. Se gua slo por la informacin que se tiene sobre
hechos semejantes, por valoracin de la informacin disponible.
Tversky y Kahneman sostienen que los sujetos que utilizan la disponibilidad juzgan la
frecuencia segn la fuerza de ciertas asociaciones. En una de sus investigaciones solicitaron
129
a un grupo de sujetos estimar la frecuencia relativa de palabras en el idioma ingls que

tuvieran R en la primera posicin o en la tercera posicin y se les pregunt cul de las dos
era ms probable de encontrar. La mayora de los sujetos respondieron que la R tiene ms
posibilidades de aparecer en la primera posicin. Sin embargo, en el idioma ingls la R es
mucho ms frecuente en la tercera posicin que en la primera. Tversky y Kahneman
indican que la respuesta de los sujetos esta sesgada por la facilidad para evocar las
palabras. Se estima que las palabras que comienzan con R son ms fciles de generar que
las que la tienen en la tercera posicin, por lo que se piensa que las primeras son ms
frecuentes. Algo similar ocurre cuando se le pregunta a las personas sobre la vocal ms
frecuente en el espaol. La mayora indica la a por la facilidad que tiene para evocar
palabras que contengan esa vocal, aunque en realidad es la e.
Una pregunta utilizada en investigaciones para evaluar el sesgo de la disponibilidad es la
siguiente: Se tienen dos grupos de 10 personas cada una. Con el primer grupo se forman
comits distintos de dos personas cada uno. Con el segundo grupo se forman comits
distintos de ocho personas cada uno. Si se selecciona al azar uno de los comits entre
todos los formados, es ms probable seleccionar un comit de dos personas o uno de ocho
personas? Los individuos escogen por un amplio margen los comits de 2 personas
(Kahneman y Tversky, 1973; Shaughnessy, 1977, citado por Shaughnessy 1992). La
explicacin a este fenmeno es la heurstica de disponibilidad. Simplemente es ms fcil
construir ejemplos de comisiones de 2 que construir ejemplos de comisiones de 8, por lo
que se afirma que la disponibilidad es una heurstica que influye o refleja nuestra propia
percepcin de la frecuencia relativa. Una variante de esta pregunta fue presentada por
Lecoutre y Fischbein (1998) a alumnos franceses e israelitas, con edades comprendidas
entre 11 y 17 aos de edad y de estudiantes de primer ao de universidad. Los resultados
indican que la presencia del sesgo y que la tasa de respuesta sesgada aumenta con la edad.
Actividad 9.3
Presente, de forma independiente, a 3 estudiantes de nivel superior (que ya no
hayan cursado la asignatura de estadstica o probabilidad en su carrera) la
pregunta sobre los comits. Solicite que justifiquen su respuesta. Realice el
mismo trabajo con 3 estudiantes de nivel superior que ya hayan estudiado
probabilidad en su carrera. Considera que ellos presentan el sesgo de la
disponibilidad? Hay diferencias entre el desempeo de uno y otro grupo?
Algunos de los sesgos asociados a la heurstica de la disponibilidad son: el recuerdo de
instancias, correlacin ilusoria, sesgo debido a la efectividad de un conjunto de bsqueda,
sesgo debido a la imaginacin.
Enfoque en el resultado aislado. Algunas personas interpretan situaciones probabilsticas de
forma determinista; pueden interpretar el pronstico para hoy se tiene un 70% posibilidad
de lluvia como hoy va a llover. Ellos creen que el evento es seguro porque su
probabilidad de ocurrencia est cercana al 100%. Asimismo, cuando un evento tiene una
probabilidad de ocurrencia menor al 50%, estas personas entienden que la probabilidad de
ocurrencia de ese evento es baja, incluso lo estiman como de difcil ocurrencia (Konold,
1989, 1993, 1995).
A esta forma de razonamiento, Konold (1989) la denomin el acercamiento del resultado o
enfoque en el resultado aislado. Las personas que presentan este sesgo interpretan las
situaciones probabilsticas comparando la probabilidad dada con los valores 0%, 50% y
100%. Si la probabilidad de interpretar se encuentra cerca de los extremos (0% 100%),
el evento ser considerado como imposible o seguro, respectivamente. Mientras que, si est
cercana al 50%, algunos lo consideran como eventos realmente aleatorios, no es
verdaderamente un pronstico y no se sabe qu puede pasar. Este tipo de razonamiento

sugiere dificultades para comprender el concepto frecuentista de la probabilidad, el cual se
utiliza para establecer la probabilidad de ocurrencia de fenmenos aleatorios no
equiprobables, pero con los cuales es posible efectuar una serie de ensayos idnticos.
Los investigadores Serrano, Batanero y Ortiz de Haro (1996), encontraron resultados
similares a los de Konold, al proponerle a estudiantes espaoles interpretar una prediccin
meteorolgica donde la probabilidad de lluvia es de un 70%. La mayora de los estudiantes
indic que llover en el da sealado con ese pronstico. Al indicarle que en el da en
cuestin no llovi, muchos de los encuestados piensan que el meteorlogo se equivoc en
sus predicciones. Los estudiantes espaoles consideraron poco fiable a un meteorlogo que
acierta su pronstico de 70% de probabilidades de lluvia, si llueve el 70% de esos das.
Probabilidad condicional e independencia
Una serie de educadores en matemticas y estadstica (por ejemplo, Falk, 1989) han escrito
sobre las dificultades que tienen los estudiantes con las probabilidades condicionales y con
los conceptos de hechos independientes. Uno de los problemas utilizados por Falk en sus
investigaciones es:
Hay tres cartas en una bolsa. Una de las cartas tiene ambas caras verdes, otra tiene ambas
caras azules y la tercera tiene una cara verde y la otra azul. Usted extrae una carta y nota
que uno de los lados es azul. Qu posibilidades hay de que el otro lado sea tambin azul
Los resultados indican que los sujetos piensan de manera errnea que la probabilidad de
que el segundo lado sea azul es de 1/2. Argumentan que hay dos posibles cartas a
considerar luego de que se muestre que la primera tiene un lado azul, la carta AA y la carta
AV. Ellos obvian que el evento condicionador no es la carta, sino el lado de la carta, de tal
manera que la carta AA tiene dos maneras de darnos un segundo lado que sea azul. La
probabilidad de que el otro lado sea azul es entonces de 2/3.
Otra concepcin errnea de las probabilidades condicionales es la confusin que existe entre
un condicional y su inverso. Existe una diferencia entre la probabilidad que una persona
tenga sarampin porque tengo una erupcin y la probabilidad de que tenga una erupcin
porque tengo sarampin. Cul de las dos situaciones presenta una probabilidad mayor?
Las personas en general presentan esa confusin, aun cuando tengan formacin en
probabilidad. Esto es grave ya que la probabilidad condicional es frecuente en diversos
campos profesionales. Al hacerse un examen para determinar la posible existencia de
cncer, el resultado puede ser positivo o negativo, pero las P(Cncer+TEST) es distinta a
P(+Test Cncer), pero tambin lo son P(CncerTEST) y P(TESTCncer). No obstante,
el pblico, y algunos profesionales, no ven ninguna diferencia entre esas situaciones
condicionales.
Con seguridad una persona tendr muchos de los sntomas de una
enfermedad si la padece; sin embargo, los sntomas ofrecen la informacin diagnstica, no
una informacin causal. Falk (1989) indica que la confusin entre un condicional y su
inverso tiene implicaciones en la investigacin estadstica experimental al interpretar lo que
significa rechazar la hiptesis nula en esos estudios.
Falk (1989) menciona algunas de las razones por las que las situaciones que involucran
probabilidades condicionales son difciles para los estudiantes.
1. Los estudiantes
condicionador.
podran
tener
dificultades
para
determinar
el
evento
2. Podra confundir condicionalidad con causalidad, y de esta manera investigar

P(BA) cuando se les pide investigar P(A B).
3. Pueden pensar creer que el eje del tiempo impide que un evento sea un evento
condicionador.
131
4. Podran estar confundidos con respecto a los elementos que se les dan para que
trabajen, por la expresin o construccin de un problema de probabilidad
condicional.
Daz y de la Fuente (2005) reportan que los errores en los que incurren los estudiantes al
resolver problemas de probabilidad condicional, se producen en los diferentes pasos del
proceso de resolucin, a saber: (a) identificacin correcta de los sucesos y sus
probabilidades; (b) correcta particin y subparticin del espacio muestral; (c) diferenciar
entre probabilidades simples, compuestas y condicionales, (d) confusiones entre la
probabilidad condicional P (A/B) con su inversa P(B/A). Para estas autoras, el teorema de
Bayes es un objeto complejo, cuya comprensin involucra toda una serie de conceptos y
propiedades previas como los de probabilidad simple compuesta y condicional, particin y
complementario, axioma de la unin y regla del producto. Todo esto dificulta su compresin
por parte de los estudiantes.
La investigacin de Tversky y Kahneman, y sus colaboradores, refrescaron el debate sobre
razonamiento bajo incertidumbre y brindaron un interesante campo de investigacin sobre
la enseanza y el aprendizaje de la probabilidad. No obstante, la investigacin no se limita
a este campo, a continuacin se mencionan algunos de los temas tratados en aos
recientes, colocando entre parntesis autores de investigaciones realizadas en cada tema:
o
Razonamiento sobre la probabilidad condicional (Falk, 1989; Ojeda, 1995; Snchez,

1996; Daz, y de la Fuente, 2005)
Enseanza de la probabilidad con ayuda de la computadora (Tauber, Batanero y

Snchez, 2005; Inzunsa Cazares, 2001, Yaez, 2006; Daz, y de la Fuente, 2006).
Conocimiento, creencias y actitudes de los docentes (Azcrate, 1995; Cardeoso,

2001; Gattuso, y Pannone, 2002; Ortiz, Mohamed, Batanero, Serrano, y Rodrguez,
2006)
La probabilidad en libros de texto (Ortiz, 1999; Serrad, Cardeoso y Azcrate,

2005)
Enseanza de la probabilidad y resolucin de problemas (Senz, 1998; Guisasola, y

Barragus, 2002; Meletiou, 2003)
Estos y muchos otros temas relacionados con la didctica de la probabilidad estn abiertos y
son un amplio campo de investigacin. La probabilidad y los problemas relacionados con la
enseanza, aprendizaje y evaluacin en distintos contextos estn a la espera de la
participacin de los investigadores para incrementar los conocimientos en esa rea. Como
el lector puede haber observado, no sea citados o referenciado investigaciones desarrolladas
en Venezuela. La razn es que las investigaciones en esta rea son escasas, por lo que es
un campo un con mayores posibilidades de indagacin.
Referencias
Azcrate, P. (1995). El conocimiento profesional de los profesores sobre las nociones de
aleatoriedad y probabilidad. Su estudio en el caso de la educacin primaria. Tesis
doctoral indita. Universidad de Cdiz.
Batanero, C. (2001a). Didctica de la Estadstica. Granada: Grupo de Investigacin en
Educacin Estadstica, Departamento de Didctica de la Matemtica, Universidad de
Granada
Caizares, M. J. (1997). Influencia del razonamiento proporcional y de las creencias
subjetivas en las intuiciones probabilsticas primarias. Tesis Doctoral. Universidad de
Granada.

Cardeoso, J. M. (2001). Las creencias y conocimientos de los profesores de primaria
andaluces sobre la matemtica escolar. Modelizacin de concepciones sobre la
aleatoriedad y probabilidad. Tesis Doctoral. Cdiz: Universidad de Cdiz.
Cardeoso, J. M. (2001). Las creencias y conocimientos de los profesores de primaria
andaluces sobre la matemtica escolar. Modelizacin de concepciones sobre la
aleatoriedad y probabilidad. Tesis Doctoral. Universidad de Cdiz.
Daz, C. y de la Fuente, I. (2005). Razonamiento sobre probabilidad condicional e
implicaciones para la enseanza de la estadstica . Epsilon , 59, 245-260
Daz, C. y de la Fuente, I. (2006). Enseanza del teorema de Bayes con apoyo tecnolgico.
En P. Flores y J. Lupiez (Eds.), Investigacin en el aula de matemticas. Estadstica
y Azar . Granada: Sociedad de Educacin Matemtica Thales. ISBN: 84-688-0573-4 .
CD ROM.
Falk, R. (1989). Inference under uncertainty via conditional probabilities. En R. Morris (Ed.),
Studies in mathematics education: Vol.7. The teaching of statistics (pp. 175-184).
Paris: UNESCO.
Fischbein, E y Schnarch, D. (1997). The evolution with age of probabilistic intuitively based
misconceptions. Journal for Research in Mathematics Education, 28, 1, 96-105.
Fischein, E. (1975).
Reidel.
The intuitive source of probability thinking in children. Dordrecht:
Gattuso, L. y Pannone, M. (2002). Teachers training in a statistic teaching experimentation.

En B. Phillips (Ed.), Proceedings of the Sixth International Conference on Teaching
Statistics, (pp. 685-692). Cape Town: International Association for Statistical
Education e International Statistical Institute.
Godino, J. D., Batanero, C., Caizares, M. J. (1987). Azar y probabilidad. Madrid: Sntesis.
Green, D. R. (1983a). A survey of probability concepts in 3000 pupils aged 11-16 years. En
D. R. Grey, P. Holmes, V. Barnett, & G. M. Constable (Eds.), Proceedings of the First
International Conference on Teaching Statistics (pp. 766-783). Sheffield, UK: Teaching
Statistics Trust.
Green, D. R. (1983b), School Pupils' Probability Concepts, Teaching Statistics, 5, 34-42.
Green, D. R. (1991) A longitudinal study of pupils probabilty concepts. Universidad de
Loughborough.
Guisasola, J. y Barragus, J. I. (2002). Heursticas y sesgos de los estudiantes de primer
ciclo de universidad en la resolucin de problemas de probabilidad. Enseanza de las
Ciencias, 20(2), 285 302.
Inzunsa Cazares, S. (2001). Las Herramientas Computacionales en la Enseanza de la
Probabilidad y la Estadstica. XI Semana de Investigacin y Docencia en Matemticas.
Universidad
de
Sonora.
Hermosillo
Sonora,
2001.
Disponible
en:
http://semana.mat.uson.mx/xiisemana/Memorias/inzunsa_santiago.pdf.
Jones, G. (Ed.) (2005). Exploring probability in school: challenges for teaching and
learning. Nueva York: Springer.
Kahneman, D. y Tversky, A. (1972) Subjective probability:
representativeness. Cognitive Psychology, 3, 430 454.
judgment
of
Kahneman, D. Slovic, P. y Tversky, A. (Ed) (1982). Judgment under uncertainty:

Heuristics and biases. Cambridge: Cambridge University Press.
133
Konold, C. (1989). Informal conceptions of probability. Cognition and Instruction, 6, 59-98

Konold, C. (1995). Issues in assessing conceptual understanding in probability an statistics.
Journal of Statistics Education. [Revista en lnea], 2 (1) Disponible:
http://www.amstat.org/publications/jse/v3n1/konold.html
Konold, C., Pollatsek, A., Well, A., Lohmeier, J. y Lipson, A, (1993). Inconsistencies in
students' reasoning about probability. Journal for Research in Mathematics Education,
24(5), 392-414.
Lecoutre, M. P., Durand y Cordier (1990) A study of two biases in probabilistic judgment:
representativeness and equiprobability. En J.P. Carveni, J.M. Fabre, M. Gonzlez
(eds), Cognitives Biases, (pp. 563 575). msterdam: North Holland.
Lecoutre, M. P. y Fischbein, E. (1998). volution avec lge de misconceptions dans les
intuitions probabilistes en France et en Isral. Recherches en Didactique des
Mathmatiques, 18(3), 311 332.
Lecoutre, M. P. (1992) Cognitive models and problems space in purely random situations.
Educational studies in mathematics, 23, 557-568.
Meletiou, M. (2003). On the formalist view of mathematics: impact on statistics instruction
and learning En A. Mariotti (Ed.), Proceedings of Third European Conference in
Mathematics Education. Bellaria, Italy: European Research in Mathematics Education
Society. Disponible en: http://www.dm.unipi.it/~didattica/CERME3/proceedings
Ojeda, A. M. (1995). Dificultades del alumnado respecto a la probabilidad condicional. UNO,
5, 37-55.
Ortiz, J. J. (1999). Significados de los conceptos probabilsticos en los libros de texto de
Bachillerato. Tesis doctoral. Universidad de Granada.
Ortiz, J. J., Mohamed, N., Batanero, C., Serrano, L. y Rodrguez, J. D. (2006). Comparacin
de probabilidades en maestros en formacin X Simposio de la Sociedad Espaola de
Investigacin en Educacin Matemtica. Huesca, 2006.
Piaget, J. e Inhelder, B. (1951).
Presses Universit France.
La genese de lide de hasard chez lenfant.
Pars:
Senz, C. (1998). Teaching Probability for Conceptual Change. Educational Studies in

Mathematics, 35(3), pp. 233-254.
Snchez, E. (1996). Dificultades en la comprensin del concepto de eventos independientes.
En F. Hitt (Ed.), Investigaciones en Educacin Matemtica (pp.389-404). Mxico.
Serrad, A., Cardeoso, J. y Azcrate, P. (2005). Los Obstculos en el Aprendizaje del
Conocimiento Probabilstico: Su incidencia desde los Libros de Texto. Statistics
Education
Research
Journal,
4(2),
59-81,
Disponible
en:
http://www.stat.auckland.ac.nz/~iase/serj/SERJ4(2)_serrado_etal.pdf.
Serrano, L. (1996). Significados institucionales y personales de objetos matemticos ligados
a la aproximacin frecuencial de la enseanza de la probabilidad. Tesis Doctoral.
Universidad de Granada.
Serrano, L., Batanero, C., y Ortiz de Haro, J .J. (1996) Interpretacin de enunciados de
probabilidad en trminos frecuenciales por alumnos de bachillerato. Suma, 22, 43-50.

Stanovich, K. E.
Foresman.
(1986). How to think straight about psychology.
Londres:
Scott,
Tauber, L., Batanero, C. y Snchez, V. (2005) Diseo, implementacin y anlisis de

enseanza de la distribucin normal en un curso universitario. EMA. 9 2005, pp 82
105.
Truran, J. (1994). Examination of a relationship between children's estimation of
probabilities and their understanding of proportion. En J. P. Ponte and J. F. Matos
(Eds), Proceedings of the XVIII PME Conference (v4, pp. 337-344). Universidad de
Lisboa.
Tversky, A. y Kahneman, D. (1974) Judgment under uncertainty: heuristics and biases.
Science, 185, 1124 1131.
Tversky, A., & Kahneman, D. (1982). Causal schemas in judgments under uncertainty. En
D. Kahneman, P. Slovic, & A. Tversky (Eds.), Judgment under uncertainty: Heuristics
and biases (pp. 117-128). Cambridge, UK: Cambridge University Press.
Yaez C., G. (2006) The total probability theorem, the depends argument and simulation.
En A. Rossman y B. Chance (Eds.), Proceedings of ICOTS-7. Salvador (Bahia):
International Association for Statistical Education. CD ROM.
Auto-Evaluacin 9
1. Qu es un sesgo en la interpretacin de la probabilidad?
2. Otra de las preguntas utilizadas por Lecoutre y Durand (1988) en sus investigaciones
sobre sesgo de la equiprobabilidad se presenta a continuacin:
Cuando lanzamos simultneamente tres dados, cules de stos resultados es ms
probable que ocurra?
a)
Obtener un 5, un 3 y un 6
b)
Obtener dos veces el 5 y una vez el 3
c)
Obtener tres veces el nmero 5
d)
Todos estos resultados son igualmente probables
e)
Es imposible saberlo
Razona tu respuesta
Calcule la probabilidad de ocurrencia de cada uno de los eventos que se describen en la
pregunta. Cul es la respuesta correcta? Cul o cules respuesta podra indicar la
presencia del sesgo de la equiprobabilidad?
3. Se considera inconveniente el uso de heursticas para interpretar informacin
probabilstica? Razona tu respuesta
4. Una pregunta utilizada por Falk (1989) para investigar lo que el denomina falacia de la
condicional transpuesta en la probabilidad condicional es la siguiente:
En una jarra hay dos pelotas blancas y dos negras. Se extraen dos pelotas sin
volver a poner la primera. (1) Cul es la probabilidad de que la segunda pelota
sea blanca, dado que la primera era blanca? (2) Cul es la probabilidad de que la
primera pelota sea blanca dado que la segunda pelota era blanca?
a) Calcule las dos probabilidades solicitadas.
b) Considera que hay diferencias los conocimientos necesarios para resolver cada
situacin? Tienen distinta dificultad? Argumente su respuesta.
5. Considere las siguientes estructuras, en ellas un camino es una lnea que conecta
elementos de la fila de arriba con elementos de la fila de abajo y pasa a travs de uno y
slo uno de los elementos de cada fila.
A
B
xxxxxxxx
xx
xxxxxxxx
xx
xxxxxxxx
xx
xx
xx
xx
xx
xx
xx
En cul de las dos estructuras hay ms caminos? Cuntos caminos estima usted que
hay en cada estructura? Esa preguntas se han utilizado para evaluar uno de los sesgos
presentados en esta leccin, cul sesgo se evala? Razone su respuesta.
135

6. Tversky y Kahneman utilizaron el conocido Problema del Taxi, para evaluar la posible
existencia del sesgo de la Falacia del ndice base. A continuacin el problema:
Un taxi se vio implicado en un accidente automovilstico ocurrido una noche, en el
cual, inmediatamente despus de chocar se dio a la fuga. Hay dos lneas de taxi
que operan en la ciudad, una de autos azules, y otra de autos verdes. Es bien
sabido que el 85% de los taxis de la ciudad son verdes y el 15% son azules. Un
testigo del accidente identific al carro involucrado en el accidente como azul. Este
testigo fue sometido a prueba bajo condiciones de visibilidad similares, e hizo la
identificacin correcta del color en el 80% de los casos. Qu probabilidades hay
de que el carro involucrado en el accidente fuera azul y no verde?
c) Resuelva el problema. Liste los conocimientos matemticos necesarios para resolver
este problema.
d) En los trabajos de Konold este problema fue utilizado para evaluar la posible
existencia del sesgo en el Enfoque en el resultado aislado. De acuerdo con lo
estudiado, cul de los dos sesgo le parece apropiado estudiar con este problema?
Unidad 5
Objetivo 5:
Analizar el uso del conocimiento histrico, aplicaciones y el uso
de las TICs en la enseanza y aprendizaje de la Probabilidad.
137
Leccin 10
Un poco de historia
La historia es un punto de apoyo importante para la enseanza de cualquier tpico de
matemtica. En esta leccin se estudian algunos aspectos referentes a la historia de la
probabilidad para reflexionar sobre su posible utilizacin en la enseanza. Aunque se habla
de la probabilidad existen diferentes conceptos de probabilidad que han surgido
histricamente, ellos sern parte del inters de esta leccin.
La probabilidad surge como un conocimiento emprico y posteriormente es cuando entra en
el mundo de la matemtica. La probabilidad, a diferencia de lo que es la asociacin comn
respectos a la matemtica, no trabaja sobre la certeza, trabaja sobre el azar; considerado
como lo ms opuesto al orden, a toda previsin, a toda regla. La probabilidad proporciona
un modo de medir la incertidumbre que provoca las situaciones donde est presente el azar.
Se puede decir entonces que desde la perspectiva epistemolgica, la probabilidad difiere del
resto de la matemtica. Como conocimiento emprico se pueden identificar dos grandes
actividades desde donde surge la probabilidad: los juegos de azar y el procesamiento de
datos estadsticos para el establecimiento de tasas de mortalidad y primas de seguros.
La probabilidad y los juegos de azar
El juego es la fuente que usualmente se asocia al nacimiento y desarrollo de la teora
matemtica de la probabilidad. Es clsica la referencia a la carta que en 1654 le envi
Antoine Gombaud, el Caballero de Mr, un jugador compulsivo, a su amigo Blaise Pascal
(1623 1662) para plantearle un problema del juego de cartas. Con frecuencia se seala
ese hecho provoc un intercambio de misivas entre Pascal y Fermat (1601 1665), que
dieron inicio al estudio de los juegos de azar y con ello el desarrollo de la probabilidad desde
una perspectiva matemtica.
No obstante, en 1563 se escribi lo que se considera el primer libro que trataba el tema de
la probabilidad: Liber de Ludo Aleae (El Libro de los Juegos de Azar) del italiano Girolano
Cardano. Cardano (1501 1576) era un jugador empedernido de dados y cartas, por ello el
libro es visto como un manual de juegos de azar. All se encuentra la descripcin de juegos,
varios de ellos inventados hasta 1 200 aos antes de Cristo, advirtiendo precauciones que
deben tener los jugadores para que los contrincantes no le hagan trampas. Pero tambin
dedicaba un espacio importante a la solucin de problemas como calcular todos los posibles
resultados al lanzar dos o tres dados, la frecuencia con que aparecan y hallar las
probabilidades de distintos sucesos.
Otro problema que trata 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 tirada de dos dados.
En la resolucin de esos problemas Cardano asign un nmero entre 0 y 1 para indicar la
probabilidad de ocurrencia de un suceso cuyo resultado se desconoce, basado en el nmero
total de resultados y el nmero de resultados favorables; es decir, trabaj con visin clsica
de la probabilidad, aunque no los defini. No obstante, Cardano no desarroll en forma
terica ese y otros resultados importantes que aparecen en su libro, al parecer siempre las
vio como meras relaciones aritmticas.
Antes de Cardano se mencionan algunos intentos de estudios de la probabilidad. Se dice
que en el poema De Vetula, de Richard de Fournival (1200-1250), se indica que si se lanzan
tres dados hay 216 combinaciones posibles y calcula los diferentes valores para la suma de
138
139
los tres dados. Esta es una respuesta a un problema que seguramente muchos jugadores e
plantearon: Cul es el nmero de posibles resultados de lanzar un dado varias veces? Otro
problema que se menciona con frecuencia es el llamado problema del reparto de apuestas
que se refiere a la distribucin de las ganancias entre jugadores cuando el juego se
interrumpa antes de finalizar.
Al parecer, en 1487 Fra Luca Pacioli (1445-1517) propuso una solucin a dos de esos
problemas sin dar con la solucin correcta. Un no se eso problemas se encuentra en el
Summa de Arithmetica, Geomtrica, Proportioni et Proportionalita (1494), de Fra Luca
Pacioli, entre "las preguntas raras". Un juego en el que el premio es de 22 ducados que
consiste en alcanzar 60 puntos se interrumpe cuando un equipo lleva 50 puntos y el otro
30; y tres arqueros que compiten por un premio de 6 ducados lanzan flechas hasta que uno
de ellos haga 6 dianas, siendo interrumpidos cuando el primero de ellos lleva 4 dianas, el
segundo 3 y el tercero 2. Cmo deben repartirse los premios entre los contendientes? La
respuesta de Fra Luca al "problema de puntos" es que las estacas deben ser divididas en la
proporcin 5:3, la proporcin de puntos que se anot hasta el momento de la interrupcin.
Esta respuesta fue criticada por Cardano quien escribi en 1539, que la solucin de Pacioli
era incorrecta porque slo considera el nmero de juegos ganados por cada equipo,
obviando cuntos juegos deban ganar para hacerse con el premio. Cardano propuso como
que si n es el nmero de juegos totales y a y b los juegos ganados por cada equipo, el
premio deba repartirse de la siguiente manera [1+2+...+(n b)] : [l+2+...+(n a)]; no
obstante, esta solucin slo es correcta en casos particulares.
Niccolo Tartaglia (1499 1557), tambin intent dar solucin al problema del reparto de
apuestas. En un libro de aritmtica criticaba la solucin dada por Pacioli indicando: si un
bando ha ganado 10 puntos y el otro ninguno, entonces todo el premio sera para el primer
jugador, pero esto no tiene ningn sentido. Su solucin era: si un equipo ha ganado a
puntos y el otro b puntos, se juega a n puntos y el premio total es P, las ganancias deberan
repartirse de la forma (P/2) P [(a-b)/n], correspondiendo la cantidad mayor para el equipo
que tenga ms victorias. Tartaglia luego argumentara que su solucin era ms jurdica que
matemtica.
Los problemas de dados tambin fueron del inters de Galileo Galilei (1564 1642), quien
en su libro Sobre la Puntuacin en Tiradas de Dados presenta el clculo del nmero de
resultados posibles al lanzar tres dados. Si bien desde hace muchos tiempo se conoca que
eran 216 resultados posibles, al parecer Galileo fue el primero en ofrecer la respuesta
mediante un simple clculo: 63 = 216. Tambin ofreci su respuesta a diferentes problemas
con dados, como por ejemplo de cuntas maneras diferentes se puede lograr cada una de
las puntuaciones entre 3 y 18, al lanzar tres dados.
Son muchos los problemas que seguramente atormentaron a los participantes en juegos de
azar, pero son pocas las conexiones directas entre la matemtica y el juego que se
encuentran en la bibliografa. Ms aun, no se tiene 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 evitaba la observacin de regularidad notable de

sus resultados.
La ausencia de una anotacin matemtica adecuada que ayudara a una investigacin

crtica en las leyes de azar.
La aleatoriedad era una idea extraa, contraria a la idea de la existencia de una la

verdad absoluta propalada por la iglesia cristiana.
Al parecer ese pasado asociado a los juegos de azar fue otro de los factores que retraz el
inters de los matemticos por el estudio de la probabilidad.
Actividad 10.1
Un jugador le indic a Galileo que al lanzar tres dados la suma 10 aparece con
ms frecuencia que la suma 9, ya que la suma 10 se pude lograr mediante los
resultados: {(1,3,6), (1,4,5), (2,2,6), (2,3,5), (2,4,4) y (3,3,4)}. Mientras que la
suma 9 se logra con los resultados: {(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
igualmente probables. Tiene razn Galileo? Explica tu respuesta.
La probabilidad vista por los matemticos
No fue sino hasta que el Caballero de Mr le planteo un problemas de cartas a su amigo
Pascal que se dieron pasos importantes en el desarrollo de la teoria de la probabilidad. Se
cuanta que Antoine Gombaud, miembro de la nobleza francesa, molesto por ciertos
problemas de juego envi algunas preguntas a Pascal. Luego Pascal compartira con su
amigo Pierre de Fermat, el matemtico ms importante de la poca, las dudas de Gombaud.
Al parecer el Caballero de Mr planteo la siguiente situacin a Pascal: como un dado tiene
seis caras, todas igualmente probables, la probabilidad de lograr un seis un lanzamiento es
1/6. Por lo tanto 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, mientras que (5/6)2 es la probabilidad de no lograr
el seis. Razonando de manera similar, en n lanzamientos 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 cuatro veces, se encuentra:
4
625
671
5
1 1
1296 1296
6
Esto es un poco mayor que , por lo que se puede considerar una apuesta atractiva. As el
Caballero de Mr podra apostar lucrativamente a tirar por lo menos una vez un seis en
cuatro tiros, con un slo dado. l consideraba que esto deba repetirse para cualquier
situacin. La "regla" de Mr es que n/N es una constante, donde N es el nmero total de
resultados y n el nmero adecuado de intentos para que la apuesta sea atractiva. Cuando
se desea lograr un seis al lanzar un slo dado, N = 6 y n = 4, tal como se seal antes, por
lo que n/N = 4/6 = 2/3. Si se lanzan dos dados, para lograr un doble seis, N = 36 por lo
que necesariamente n = 24 para que la regla se mantenga. No obstante, la evidencia
emprica le indicaba a de Mr otro resultado. Haba observado que el nmero mnimo
necesario para asegurar una buena oportunidad de ganar era 25. Por lo que le peda a
Pascal lo ayudara a conseguir el error.
Pascal comparti el problema planteado con Fermat y juntos comenzaron a interesarse por
el clculo de probabilidades. La explicacin ofrecida por Pascal fue la siguiente: al lanzar
dos dados, hay 36 posibles resultados y 35 de ellos no dan un seis doble, por lo tanto la
probabilidad de no conseguir seis doble es 35/36. Si se realizan n lanzamientos entonces la
probabilidad de lograr un seis doble es:
35
1
36
Por lo cual cuando se realizan 24 lanzamientos esa probabilidad es:

35
1
36
24
0,491403
Mientras que al realizar 25 lanzamientos la probabilidad de obtener un seis doble es:
141
35
1
36
25
0,505531
Por lo tanto, 25 es el menor nmero de lanzamientos para obtener una probabilidad mayor
que de lograr un seis doble al lanzar dos dados.
La respuesta de Pascal fue satisfactoria para el Caballero de Mr, por lo que le planteo una
versin del problema de reparto de apuesta: Dos personas igualmente inteligentes deciden
enfrentase en un juego. Vence el jugador que primero gane cinco partidas. Pero antes de
finalizar el juego, ste se interrumpe en el momento en el que uno de los jugadores ha
ganado cuatro partidas y otro tres. Cmo deberan repartirse los 4200 francos que
apostaron? (Perero, 1994)
Tanto Pascal como Fermat llegaron por diferentes 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 jugadores gane la prxima partida. Para que el primer jugador
gane el premio puede suceder lo siguiente:
A: que gane la octava partida.
B: que pierda la octava partida y gane la novena.
Se sabe que P(A) = y P(B) = x = . Luego la probabilidad que gane el primer
jugador es: + =
Para que el segundo jugador gane el premio es necesario que:
C: gane la octava partida
D: gane la novena partida.
Ambas probabilidades son: P(C) = P(D) = , por lo tanto la probabilidad de que el
segundo jugador gane es: . Luego el premio debe repartirse de la siguiente manera:
Para el primer jugador: 4200x
3
3150
4
Mientras que para el segundo jugador le corresponden: 4200x
1
1050
4
Con este resultado se ofreca la primera solucin matemticamente satisfactoria al problema

de la distribucin de apuestas. Al parecer ni Pascal ni Fermat publicaron los resultados
encontrados a los problemas planteados por Antoine Gombaud, pero con sus resultados
legraron interesar a los matemticos en los problemas de probabilidades. Uno de ellos fue
Christiaan Huygens (1629 1695), matemtico, astrnomo y fsico holands, quien escribi
De Ratiociniis en Ludo Aleae (1657), el primer texto en la teora de probabilidad publicado,
en donde se da fundamento matemtico a los conceptos de probabilidad. Al parecer este
trabajo de Huygen, fue inspirado por el trabajo de Pascal y Fermat. Aos despus, Nicols
Bernoulli public en 1713 el tratado sobre probabilidades de su to Jacques Bernoulli: Ars
Conjectandi (El arte de la conjetura), donde se encuentran la mayora de los problemas
sobre probabilidad (casi todos referidos a juegos de azar) que se conocan para la poca con
sus soluciones. Un resultado importante que se encuentra en este libro es la llamada ley
de los grandes nmeros.
La definicin clsica

Casi cien aos despus, Pierre Simon Laplace public en 1812 su
Teora Analtica 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 todos
los resultados del experimentos pueden ser considerados
equiprobables, se define la probabilidad de un evento A (P(A))
como el cociente entre el nmero de elementos de A y el nmero
total de elementos del espacio muestral. Es la llamada definicin
clsica o Laplaciana.
Una curiosidad es que este autor era un firme creyente en el
determinismo y consideraba que la probabilidad slo exista por
nuestra ignorancia. Aunque la deficinin clsica se la adjudica a
Pierre Simon Laplace
Laplace, algunos historiadores afirman que esta definicin ya
haba ofrecido otros autores como Leibniz en 1678, Jacques Bernoulli en 1705 y Abraham
De Moivre (1667-1754) quien la haba enunciado muchos aos antes de la siguiente
manera: una fraccin en la que el numerador es igual al nmero de apariciones del suceso
y el denominador es igual al nmero total de casos en los que es suceso pueda o no pueda
ocurrir. Tal fraccin expresa la probabilidad de que ocurra el suceso.
Probablemente por ser un fiel creyente en el determinismo, Laplace nunca indic qu es
realmente la probabilidad, slo indic su mtodo para calcularla; mtodo criticado en su
momento. Para la aplicacin de la definicin clsica hay una condicin necesaria que no
simples se cumple, un conjunto de sucesos elementales igualmente probables. Por esta
condicin, Daz Godino, Batanero y Caizares (1987) indican que la definicin de Laplace fue
criticada en su poca, adems de que no poda ser aplicada en casos donde el nmero de
resultados era infinito.
Esta definicin, tambin llamada probabilidad terica o a priori, se basa en razonamientos
abstractos y no depende de la experiencia, es la primera que se ensea en la escuela.
Algunos de los sesgos estudiados previamente pueden tener su origen en la enseanza
temprana de la definicin clsica de probabilidad. La condicin de equiprobabilidad es
fundamental y se explica por s misma en las situaciones aleatorias donde hay simetra
entre los varios posibles resultados, no obstante, no es aplicable a la mayora de las
situaciones reales; ya que en ellas no hay simetra.
Actividad 10.2
Seale dos situaciones de clculo de probabilidades donde no sea apropiado el
uso de la definicin clsica.
Definicin frecuentista
Como se expres antes Jacques Bernoulli seal en su libro El arte de la conjetura lo que
hoy en da se conoce como la ley de los grandes nmeros. Segn Bernoulli, cuando la
probabilidad de ocurrencia de un evento p es desconocida, la proporcin de xitos en un
nmero grande de ensayos, suministra una buena estimacin de p. Jacob Bernoulli indic
que dada una pequea tolerancia por ejemplo 0,00001 la posibilidad de que la
probabilidad estimada (x/N) y la verdadera probabilidad p difieran en esta tolerancia puede
hacerse tan cercana a 1 como se quiera, aumentando el nmero de ensayos. Este
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 lanzamientos y encontrar que la proporcin de caras
es de 0,47, eso no debera causar mayor sorpresa, se trata de probabilidad y el azar puede
hacer estas jugadas (Dunham, 1995).
143
Bernoulli replante el problema de la asignacin de probabilidades

a eventos, lo que no se puede hallar a priori se puede obtener a
posteriori, es decir, mediante la observacin mltiple de los
resultados de pruebas similares. Con su propuesta el problema
de cmo hallar la probabilidad de ocurrencia de un suceso aun
siendo imposible contar los casos favorables; asignar como
probabilidad de un suceso el resultado que se obtendra si el
proceso se repitiera en condiciones similares un nmero grande
de veces. Con ello Bernoulli introdujo lo aos despus se conoce
como concepto de probabilidad frecuentista o estadstica.
Aos despus, la visin de Bernoulli fue respaldad por Venn, Von
Mises, Reichenbach, Gnedenko y Kolmogorov.
Jacob Bernoulli
De acuerdo con Von Mises, slo puede atribuirse probabilidad a un evento en cuanto el
mismo pertenece a un colectivo, entendiendo por este a una gran serie de observaciones en
que el evento se repite con una frecuencia relativa ms o menos estable. Por lo tanto, si A
es un atributo arbitrario de un colectivo C, obtenido m veces en n intentos, luego la
probabilidad de A en C es:
P( A / C )
lim
n
m(A)
n
Ese lmite es la probabilidad del evento considerado en el colectivo dado. Si el lmite no

existe, no tiene sentido asignar una probabilidad al evento. Entonces la probabilidad de un
evento es la frecuencia relativa con que se presenta el evento considerado, a la larga, entre
los eventos de su misma clase. Esta definicin atrajo a muchos de los que criticaban la
definicin Laplaciana, pero se requiere considerar gran nmero de ensayos, de forma ideal,
un nmero infinito de ensayos, para poder asignar la probabilidad.
Daz Godino, Batanero y Caizares (1987) indican que esta definicin se basa en dos
caractersticas observables del comportamiento de los resultados de las realizaciones
repetidas. Primero, que los resultados varan de una repeticin a otra de una manera
imprevisible, la llamada variacin aleatoria. Segundo, se observa que un hecho emprico a
corto plazo puede ser desordenado, pero a la larga surge cierta regularidad; de all que la
probabilidad surge como el valor hacia el cual tiende la frecuencia relativa de una secuencia
de resultados, cuando n tiende a infinito. Para estos autores, la probabilidad frecuencial
tiene un gran atractivo para estadsticos y es til cuando se manejan grandes cantidades de
datos, no obstante tiene algunos problemas filosfico, conceptual y prctico relacionados
con la nocin de nmero infinito de experimentos. Por ejemplo, desde el punto de vista
prctico, con esta definicin, nunca es posible lograr el valor exacto de la probabilidad, sino
slo una estimacin. A veces es imposible realizar los experimentos exactamente en las
mismas condiciones y es difcil saber con certeza cul es el nmero de experimentos que
deben realizar para aceptar la estimacin de la probabilidad como buena.
Otro
inconveniente es que algunos eventos aleatorios, son irrepetibles, por lo tanto no se puede
aplicar esta acepcin de la probabilidad para su estudio. Es lo que Salmon (1977) el
problema de los sucesos singulares, cmo asignar una probabilidad a un caso singular, a
partir de la probabilidad asignada a un atributo - colectivo, de la cual pertenece.
Actividad 10.3
Seale dos situaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin frecuentista.
Definicin axiomtica

Kolmogorov, en su libro Foundations of the Theory of Probability (1933), propone una
axiomtica para sustentar la teora de las probabilidades. A partir de la relacin entre la
frecuencia relativa de un suceso y su probabilidad cuando el nmero de veces que se realiza
el experimento es muy grande, Kolmogorov propone sus axiomas.
Sea un conjunto no vaco de sucesos elementales y sea un subconjunto de , incluido
misma, sobre el que se ha definido una funcin P que asigna valores reales a los miembros
de , a los que denominamos sucesos. Se puede afirmar que P es una probabilidad sobre
(,) si se cumplen los siguientes axiomas.
Axioma 1
La probabilidad de un suceso A es un nmero real mayor o igual que 0.
P( A ) 0
La probabilidad de un suceso es un nmero positivo o nulo.
Axioma 2
La probabilidad del total, , es igual a 1.
P( ) 1
La probabilidad de que ocurra el espacio muestral es 1. representa todas las posibles
alternativas y se denomina suceso seguro.
Axioma 3
Si dos eventos A y B son de tal forma que no pueden ocurrir simultneamente en el
mismo experimento (mutuamente excluyentes), la probabilidad de obtener A o B es igual
a la probabilidad de obtener A ms la probabilidad de obtener B.
P(A B) = P(A) + P(B)
En general se afirma que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:
n
P( A 1 A 2 A 3 ... A n )
P( A )
i
i 1
P(A1) + P(A2) + P(A3) + ... + P(An) = 1

De estos axiomas se desprenden las siguientes propiedades de la probabilidad:
o
Si A es un evento de , entonces la probabilidad del evento A es:

0 P(A) 1
Como no podemos obtener menos de cero xitos ni ms de n xitos en n
experimentos, la probabilidad de cualquier evento A, se representa mediante un
valor que puede variar de 0 a 1.
Si A es un evento cualquiera de un experimento aleatorio y A es el complemento

de A, entonces, la probabilidad de que el evento A no ocurra, es igual a 1 menos
la probabilidad de que ocurra
P(A) = 1 - P(A)
Si representa el conjunto vaco, entonces

P( ) 0
145
La probabilidad del suceso imposible es cero (0)

Batanero (2005) indica que los axiomas de Kolmogorov los han aceptados todas las
escuelas de la probabilidad, independientemente del significado filosfico que le otorguen a
ella. Es a partir de estos axiomas que la probabilidad se considera un modelo matemtico
que estudiar fenmenos aleatorios para describirlos, interpretarlos y tomar decisiones sobre
ellos.
Probabilidad Subjetiva
Es la posibilidad de ocurrencia (probabilidad) que asigna una persona a un evento
cualquiera, sobre la base de la informacin disponible. Se refiere a la probabilidad de
ocurrencia de un evento basado en la experiencia previa, la opinin personal o la intuicin
del individuo.
Se interpreta como evaluacin personal. Se considera la informacin disponible, se asigna
un valor de probabilidad a un evento o a los eventos, basado en el grado de creencia de que
el evento (o los eventos) pueda ocurrir. Al ser una evaluacin personal la probabilidad de
un mismo evento cambia de persona a persona, dado que cada una cuantificar en forma
diferente, la probabilidad de ocurrencia del evento. Esta
Uno de los principales exponentes de esta corriente es Bruno de Finetti, para quien la
probabilidad de un suceso mide el grado de creencia en su ocurrencia percibido por el sujeto
en el momento que la expresa. de Finetti indica que al considerar cualquier evento de de
experimento aleatorio slo hay dos alternativas objetivas, el suceso es cierto o falso. Si se
desea medir el grado de incertidumbre sobre esas dos alternativas, la probabilidad es la
nica forma coherente de medida. Entonces, cuando una persona asigna una probabilidad
de 0,1 a Venezuela de clasificar al prximo mundial de ftbol, no est realizando una
afirmacin objetiva (en un tiempo se ver si el suceso es cierto o falso), sino est
expresando su incertidumbre al respecto, con la informacin de que dispone; est
otorgando una medida a la posible ocurrencia o no de ese evento, est midiendo su un
grado de creencia.
La probabilidad subjetiva la utilizan las personas en situaciones en las cuales no es posible
realizar experimentos repetitivos y los resultados tampoco son igualmente probables. Como
es personal, cualquier evento aleatorio es susceptible de serle asignada una probabilidad y
no hay forma nica para hacerlo. No obstante, una regla bsica de de Finetti es que hay
que separar las creencias de las preferencias, de all que la persona que ofrece la
probabilidad debe estar preparado para aceptar apuestas basadas en dicha asignacin. Es
importante destacar que es posible apoyarse en la matemtica y utilizar la probabilidad
subjetiva en la solucin de problemas; para ello es necesaria la utilizacin del Teorema de
Bayes, y de una teora de la revisin de las probabilidades basada en la informacin
accesible.
Shaughnessy (1992) indica que la definicin subjetiva de la probabilidad parece estar
ayudando a que los investigadores estn mucho ms conscientes de la existencia de los
puntos de vista subjetivistas en los estudiantes a los que ensean, y en los profesores que
utilizan los materiales que ellos elaboran. Esto es muy positivo, ya que nos obligar a
manejar nociones subjetivas de probabilidad en nuestros esfuerzos de enseanza,
investigacin y desarrollo de programas de estudio. Lo importante es que hay ciertas ideas
normativas de la probabilidad que los estudiantes deben comprender y estar en capacidad
de utilizar.
Actividad 10.4
Seale dos situaciones de clculo de probabilidades donde sea apropiado el uso
de la definicin subjetiva.

Probabilidad Geomtrica
La probabilidad geomtrica se basa en la definicin clsica, es una generalizacin l en el
mbito de la geometra. Se refiere al clculo de probabilidades en situaciones de elegir
puntos al azar u otros elementos geomtricos de algn conjunto. As, si dos conjuntos
poseen la misma medida geomtrica deben de tener la misma probabilidad, y de esta
manera podemos generalizar la probabilidad para aplicarla a espacios infinitos.
Por
ejemplo,
Suponga que se elije al azar un punto del siguiente crculo, Cul es la probabilidad de que
1
su distancia al centro del circulo sea menor o igual a r ?
2
Si A es el conjunto de puntos del crculo de radio r y B el conjunto de puntos perteneciente

1
al circulo concntrico de radio r . Entonces, B est formado por todos cuya distancia al
2
1
centro de la crculo es menor o igual a r . Por lo tanto la probabilidad solicitad es:
2
2
1
r
rea de B
1
2
P(B )
2
rea de A
4
r
Existen otras formas de definir la probabilidad como la intuitiva y la lgica, as como la

nocin de probabilidad en tanto que propensin de Popper.
Esto nos indica que
matemticos y estadsticos han realizado clculos de probabilidad sin tener una definicin
nica de probabilidad y mecho menos haber establecido cules fenmenos se consideran o
no aleatorios.
Shaughnessy (1992) seala que no hay nada de malo en la existencia de diferentes
definiciones de la probabilidad e indica que para la enseanza considera adecuado un
enfoque pragmtico que incluye el moldeado de varias concepciones de probabilidad. Indica
que el modelo de probabilidad a emplear en una situacin en particular debe estar
determinado por la tarea que estamos pidiendo a nuestros alumnos que investiguen, y por
el tipo de problemas que deseamos resolver.
Referencias
Batanero, C. (2005). Significados de la probabilidad en la educacin secundaria. Relime,
8(3), 247264.
Daz Godino, J., Batanero, C. y Caizares, M. J. (1987). Azar y probabilidad. Madrid:
Sntesis.
147
Dunhan, W. (1995). El universo de las matemticas: Un recorrido alfabtico por los

grandes teoremas, enigmas y controversias. Madrid: Pirmide
Perero, M. (1994). Historia e Historias de Matemticas. Mxico: Iberoamrica.
Salmon, W. C. (1979), Propensities: a discussion review, en Erkenntnis, nm. 14, pp. 183216.
En D. A. Grows (Ed.), Handbook of Research on Mathematics Teaching and Learning
Auto-Evaluacin 10
1. De las definiciones de probabilidad presentadas en esta leccin, cul o cuales estudi
en su Educacin Bsica o Media? Relate las experiencias de aprendizaje en las que tuvo
oportunidad de participar.
2. Establezca semejanzas y diferencias entre las definiciones estudiadas de probabilidad en
cuanto a:
o
Tipo de problemas analizados
Procedimientos de clculo
Propiedades
Conceptos asociados
3. En cada uno de los siguientes casos resuelva el problema planteado, aplicando la

definicin de probabilidad adecuada.
a)
Una taberna se encuentra a unas diez manzanas al este y siete al norte de la casa
de un cliente. Si el cliente sale ebrio de la taberna y en cada esquina decide al azar
si va a continuar 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 tres puntos colocados al azar sobre una circunferencia, Cul es la

probabilidad de que los tres puntos caigan sobre el mismo semicrculo?
c)
Si cada uno de n caballeros al llegar a un teatro entregan su sombrero al

guardarropa y a la salida se entregan los sombreros al azar.
Cul es la
probabilidad de que ni un slo de los caballeros reciba su sombrero?
d)
Dado un segmento cualquiera, Cul es la probabilidad de obtener, por triseccin,

los tres lados de un tringulo?
e)
En una clase de 40 estudiantes se forman, por sorteo, grupos de dos estudiantes,

de forma aleatoria, para trabajar en clases. Cul es la probabilidad de que dos
amigas les toque trabajar juntas? Cul es la probabilidad de que no les toque
trabajar juntas?
f)
En una jarra hay dos pelotas blancas y dos negras. Se extraen dos pelotas
seguidas sin reemplazamiento. Cul es la probabilidad de que la segunda pelota
sea blanca, dado que la primera era blanca?
4. Seale un ejemplo de una situacin probabilstica donde sea deseable la utilizacin de la

definicin frecuentista y la clsica.
5. De las definiciones de probabilidad presentadas en esta leccin, cul o cuales considera
que se debe estudiar en la Educacin Bsica y Media? Cules deberan estudiarse en
educacin superior? Argumente su respuesta.
148
Leccin 11
La tecnologa y la enseanza de la probabilidad
La tecnologa ha provocado en cambios importantes en la vida cotidiana y pueden introducir
cambios interesantes en la educacin. Las computadoras, las calculadoras y los paquete de
programas han cambiado la forma de hacer estadstica y la de trabajar la probabilidad, lo
cual debera incitar cambios en la enseanza de estos tpicos. La incorporacin de
instrumentos tecnolgicos en la enseanza de la estadstica y la probabilidad introduce
nuevas representaciones de los objetos estudiados, formas de trabajo distinta con esos
objetos, estudiar otro tipo de problemas en el marco de las clases, etc. La tecnologa puede
ayudar
a los
estudiantes
a
aprender matemticas, haciendo
matemticas,
comprendindolas, resolviendo situaciones problemticas nuevas a partir de sus
experiencias y de sus conocimientos anteriores. En esta leccin se estudian algunos de esos
instrumentos tecnolgicos y su posible uso en la enseanza.
Simulaciones
En las lecciones 8 y 9 se presentaron algunos de los resultados de investigaciones que
indican varias de las dificultades que tienen las personas para comprender e interpretar
correctamente informacin probabilstica. La enseanza de la probabilidad debe ayudar a
los estudiantes a superar esas dificultades, no obstante, investigadores como Konold (1995)
considera que la enseanza tradicional no ayuda en ese sentido, por lo que se hace
necesario hacer cambios.
Una de las recomendaciones frecuentes para mejorar la comprensin de las ideas
probabilsticas es confrontacin de las ideas de los estudiantes con resultados de
experimentos aleatorios reales.
No obstante, en un buen nmero de casos, los
experimentos aleatorios no pueden ser reproducidos en el aula (observar el sexo de un
recin nacido, el clima que se registrar en un tiempo determinado, las respuestas posibles
a una encuesta de inters social) por lo que se hace necesario recurrir a la simulacin.
Batanero (2001) indica que en la simulacin se ponen en correspondencia dos experimentos
aleatorios diferentes, de tal manera que a cada suceso elemental del primer experimento le
corresponda uno y slo un suceso elemental del segundo. As se realiza un experimento
aleatorio y sus resultados indican la ocurrencia o no de los sucesos del experimento
aleatorio de inters. La recomendacin es la utilizacin de materiales manipulables para
simular un experimento que no se puede reproducir en el aula (lanzamiento de una
moneda, extraer bolas o fichas de una urna, etc). Sin embargo, debido a que se requiere
una gran cantidad de informacin, se requiere entonces repetir el experimento un gran
nmero de veces, por lo cual se invierte un tiempo importante en esta actividad, con la
posibilidad de que los estudiantes pierdan inters en la actividad o se distraigan del objetivo
inicial. Si bien es importante que el estudiante realice algunas actividades de simulacin
con material manipulable, es posible integrar la tecnologa a la intervencin didctica que se
realiza para facilitar el trabajo de estudiantes y docentes.
El computador es una
herramienta que proporciona mayor potencia en la realizacin de simulaciones, construccin
de modelos y anlisis de ellos.
Un programa tan comn como una hoja de clculo puede ser utilizado para generar cientos
de nmeros aleatorios, y lograr con ello los resultados de un experimento aleatorio.
Adems, esa misma hoja de clculo puede utilizarse para representar grficamente los
datos obtenidos y efectuar mediciones estadsticas. Los Macros de las hojas de clculo
149

permiten desarrollar aplicaciones de mayor complejidad de las que corrientemente se usan
en este tipo de programa, utilizando un lenguaje de programacin y automatizar tareas
rutinarias.
Estas tareas pueden ser archivadas y ejecutarse nuevamente cuando se
necesite. El docente puede crear los macros ajustndolos a las necesidades de su clase y
posibilitar que los estudiantes los utilicen como un medio para confrontar sus ideas
intuitivas con la evidencia emprica. Tambin puede utilizarse lenguajes de programacin
como Java o Flash para desarrollar simulaciones.
Considere por ejemplo el famoso problema del dilema de Monty:
Durante un programa de juegos a los participantes se les muestran tres puertas
cerradas. Una de las puertas tiene detrs un automvil como premio, mientras que
detrs de cada una de las otras dos se una cabra como premio. El participante debe
seleccionar una puerta, luego, el anfitrin del programa, Monty, abre una de las
puertas restantes y muestra la cabra que est detrs de ella. El participante tiene
entonces la opcin de perseverar en su seleccin original o escoger la otra puerta
cerrada. Qu deben hacer? Cul es la estrategia ms adecuada, mantener la
seleccin o cambiarla?
La mayora de las personas consideran que luego de que el presentador abre la puerta y
muestra la cabra, la probabilidad de ganar el automvil pasa de 1/3 a 1/2. Pero, si el
participante no toma ninguna accin, haciendo uso de esta nueva informacin, la
probabilidad de ganar el carro sigue siendo de 1/3. Es claro esto para todos los
estudiantes?
Actividad 11.1
Construya un diagrama de rbol para calcular las probabilidades de ganar el carro
si se opta por cambiar la puerta o si se queda con la inicialmente seleccionada.
Cmo decidir cual es la mejor estrategia? Obsrvese que no es un caso particular lo que
se desea, sino cul es la estrategia adecuada para aumentar la probabilidad de ganar. Ello
implica la consideracin de n casos, con miras a verificar si hay alguna diferencia entre
quedarse con la puerta seleccionada inicialmente o cambiar. La simulacin de la situacin,
por ejemplo mediante una moneda o un apuntador de igual rea, pueden ayudar a los
estudiantes a evaluar cul es la mejor estrategia. Claro se hace necesario la realizacin de
un elevado nmero de casos, luego el tratamiento de la informacin para poder establecer
si hay diferencias.
En una situacin como esta es donde la tecnologa puede ayudar a los estudiantes a una
mejor compresin de la situacin y a confrontar sus creencias con los resultados reales. La
experiencia indica los estudiantes experimenta un cambio drstico cuando realmente llevan
a cabo una simulacin de cada una de las dos estrategias, unas 100 o ms veces. Ellos
logran diferencias las dos estrategias y descubren que es mejor para los participantes
cambiar siempre. La probabilidad de seleccionar la puerta detrs de la cual se encuentra el
carro es 1/3 la primera vez, por lo que existe una probabilidad de 2/3 de ganar el premio en
la estrategia de cambio. La nica manera de perder con esta estrategia del cambio es si se
escogi la puerta premiada desde la primera vez.
151
Actividad 11.2
En las siguientes direcciones electrnicas encontrar simuladores del dilema de
Monty:
http://www.mste.uiuc.edu/pavel/java/dilemma/d3.html
http://www.decisionhelper.com/montyhall.htm
http://people.hofstra.edu/Steven_R_Costenoble/MontyHall/MontyHallSim.html
http://math.ucsd.edu/~crypto/Monty/Montytitle.html
Viste algunas de esas direcciones y realice la simulacin. Indique ventajas y
desventajas en la utilizacin de esa simulacin con sus posibles estudiantes.
En Internet se encuentran gran variedad de simulaciones, la mayora de ellas se han
desarrollado en el lenguaje de programacin Java (Java-Sun) y se les denomina Applet.
Los applet son programas relativamente pequeos (menos de 100 Kb) que se encuentran
en pginas Web, desde donde se ejecutan. En los ltimos aos tambin ha comenzado
aparecer simulaciones desarrolladas en el lenguaje de programacin Flash, que al parecer
brinda mayores posibilidades que el lenguaje Java. En uno u otro lenguaje, el gran
atractivo de las simulaciones es la posibilidad de manipulacin que brinda a los usuarios,
son interactivos. Los usuarios, de manera sencilla, pueden cambiar elementos, introducir
datos, logrando resultados de forma inmediata en la pantalla, potenciando las posibilidades
de compresin de ideas probabilsticas. La mayora de las simulaciones relacionadas con
probabilidad y estadstica que se encuentran en la red estn en ingls.
A continuacin se presentan algunas de las simulaciones que se encuentran en Internet,
con una breve descripcin de su contenido:
o
Rice Virtual Lab in Statistics.

http://www.ruf.rice.edu/~lane/stat_sim/index.html
Grficos, medidas de tendencia central, distribuciones muestrales, intervalos de
confianza para la media y para la proporcin, distribuciones de probabilidad, ANOVA,
etc.
Virtual Laboratories in Probability and Statistics.

http://www.math.uah.edu/stat/
Probabilidad, distribucin de Poisson, combinatoria, distribucin normal, muestras
aleatorias, estimacin puntual, intervalos de confianza, contraste de hiptesis.
Institute of Statistics and Decision Sciences Duke University.

http://www.stat.duke.edu/sites/java.html
Estadstica descriptiva, Distribuciones de probabilidad (Normal, t, binomial), ANOVA,
Intervalos de confianza, Regresin, coeficiente de correlacin Spearman, pruebas t,
probabilidad y procesos estocsticos.
Simulation Applets
http://www-sop.inria.fr/mefisto/java/tutorial1/tutorial1.html
Variables aleatorias, procesos estocasticos.
Visualizing Statistical Concepts

http://www.du.edu/psychology/methods/concepts/

Contiene link que llevan a otras pginas donde se encuentran las simulaciones, todas
desarrolladas en lenguaje Java. Algunos de los aspectos que toca son: probabilidad,
estadstica univariante, relaciones bivariante, muestreo y distribuciones de muestreo,
estadstica inferencial para medias, estadstica inferencial para datos categricos.
o
Flash demos for understanding statistics

http://www.math.tamu.edu/~dallen/flash-demo/
Histogramas, correlacin, varianza, diagramas de torta, medidas de tendencia
central.
Java Demos for Probability and Statistics

http://www.math.csusb.edu/faculty/stanton/m262/
Variable aleatoria, distribuciones de variable aleatoria, regresin.
National Library of Virtual Manipulatives

http://nlvm.usu.edu/en/nav/vlibrary.html
Tiene varias simulaciones de probabilidad y estadstica, as como de algebra,
geometra y medicin. Aunque esta dirigido a estudiantes de preescolar, bsica y
media contiene interesantes recursos.
Consortium for the Advancement of Undergraduate Statistics Education (CAUSE)

http://www.causeweb.org/
En el apartado recursos contiene gran variedad de situaciones para estadstica y
probabilidad.
Los programas de simulacin permiten que el estudiante pueda manipular, cambiar

algunos parmetros e inmediatamente verificar las consecuencias del cambio en pantalla.
Esta interaccin con el programa, en conjunto a la orientacin de docente (mediante la
formulacin de preguntas apropiadas), puede ayudar al estudiante a reconocer patrones o
resultados importantes que le permitan comprender mejor conceptos de estadstica y
probabilidad. Las simulaciones colocadas en la Web tambin podran servir para que el
estudiante recolecte observaciones sobre experimentos aleatorios, y posibilitar que cada
estudiante trabaje con datos propios.
Programas o software
Las computadoras y los programas que se han desarrollado en las ltimas dcadas han
cambiado la forma de hacer estadstica. Anteriormente, el acento fundamental se haca en
los clculos y muy pocas veces se utilizaban los mtodos grficos. El software existente
facilita el anlisis de un mayor nmero de datos y el acceso a diversas tcnicas estadsticas,
desde una simple media aritmtica a complejos anlisis multivariantes. Las posibilidades de
graficacin son muy amplias.
Todo lo antes sealado ha provocado cambios en la enseanza tanto de la estadstica como
de la probabilidad, ms aun, posibilita la conjuncin rpida de estas dos reas. El trabajo
con el computador permite realizar grficos en muy poco tiempo y cambiarlos rpidamente
sin mayor problema, si es necesario. Esto es una gran ventaja en la enseanza, ya que
posibilita que el estudiante pueda evaluar los cambios que ocurren al suprimir o cambiar
uno o ms datos. As mismo puede realizar los clculos nuevamente sobre la base de los
datos modificados. Todo ello en conjunto puede ayudar al estudiante a comprender mejor
conceptos de estadstica y probabilidad.
153
Las simulaciones que se presentaron anteriormente, tienen la desventaja que normalmente

necesitan una conexin a Internet, en algunas escuelas e instituciones universitarias de
nuestra pas esto se dificultad. Ante esas circunstancias, los docentes pueden hacer uso de
las hojas de clculo, programas se encuentran disponibles en la mayora de las
computadoras y cuentan con una gran variedad de funciones estadsticas, las cuales
permiten aplicar las tcnicas estadsticas ms conocidas, tanto de estadstica descriptiva
como inferencial, a situaciones de investigacin o en proyectos planteados por el profesor o
por los mismos estudiantes. Asimismo estos programas cuentan con los Macro, las cuales
permiten integrar en diversas funciones de las hojas de clculo, con lo cual se logran
desarrollar pequeos programas. El docente tendra que desarrollar las subrutinas macro
para que la hoja de clculo pueda lograr parte del rendimiento de los programas
especializados en estadstica.
Las hojas de clculo se pueden usar en el estudio e investigacin de situaciones
probabilsticas, para ayudar a los estudiantes a mejorar su intuicin y construir de manera
ms formal conceptos tericos de probabilidad sobre la base de estas experiencias. Con las
hojas de clculo se pueden desarrollar simulaciones, sino tambin para generar desarrollos
experimentales como una forma interesante de lograr aprendizajes de conceptos y
principios de probabilidad.
Como ejemplo 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
igualmente probable nacer en cualquier da del ao, se puede aplicar la definicin de
Laplace:
P( a)
Casos favorables
Casos posibles
Para facilitar el trabajo se descartan los aos bisiestos y las personas gemelas, trillizos, etc.
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 esta no tenga la misma fecha de cumpleaos
que la primera es:
364
365
Por lo tanto, el espacio muestra est constituido por 365 n puntos, a cada uno de los cuales
tiene la misma probabilidad se ocurrencia. El nmero de formas posibles de que no
coincidan ninguno de los n cumpleaos es:
365.364.363....(365 n 1)
365 !
365 n !
Estos son los casos favorables, por lo tanto aplicando la definicin clsica:
P( a )
365 !
n
365 365 n !
para n 365. Esto 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 tanto la probabilidad de que en un grupo de n personas al menos 2 tengan el mismo
da de cumpleaos es:
P( a) 1
365 !
n
365 365 n !

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

1,2
1
0,8
0,6
0,4
0,2
100
70
49
46
43
40
37
34
31
28
25
22
19
16
13
10
Tanto la tabla como la grfica permiten apreciar al estudiante que la probabilidad de que
dos personas tengan el mismo da de cumpleaos aumenta en la medida de que n aumenta.
El aumento es tan rpido que a partir 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 este trabajo sin
la ayuda de la hoja de clculo es una tarea difcil con grandes riesgos de error y que por lo
tanto se pierda el sentido real de ella. Hacerlo con lpiz y papel es una fastidiosa tarea de
clculo innecesaria.
Actividad 11.3
Es adecuada el uso de la definicin de Laplace en la resolucin del problema del
cumpleaos. Explique su respuesta.
155
Daz, Arnaldos, Faura, Molera y Parra (2004) indican que en el caso concreto de la teora de
la probabilidad, las hojas de clculo puede sustituir a las tradicionales tablas estadsticas y
dar un soporte visual a conceptos tericos que puedan resultar complicados de entender
para los alumnos. Asimismo puede ayudar a incidir en:
o
el cambio de forma de las funciones de probabilidad, densidad y distribucin ante

modificaciones en los valores de los parmetros de las distribuciones.
la visualizacin de la probabilidad de un intervalo de valores como rea encerrada

por la funcin de densidad en el intervalo correspondiente en un modelo de variable
continua.
el desarrollo de ideas intuitivas relacionadas con los teoremas lmite; etc.
Un tipo de programa que ha ganado notoriedad en el mbito educativo, por las posibilidades
que brinda, son los llamados software dinmicos. Un ejemplo de este tipo de software es el
Fathom Dynamic Data4 (Finzer, Erickson & Binker, 2005), un software diseado para
propsitos de enseanza, cuya premisa clave es que todos los aspectos de un anlisis estn
ligados entre s para que los usuarios puedan ver cmo los cambios que se generan en una
representacin se reflejan en otra. La interfase del software contiene los elementos claves
de un ambiente de estocstico dinmico como arrastrar y soltar objetos ya existentes,
transformarlos o construir nuevos objetos, de tal forma que los estudiantes puedan
investigar conceptos tratados.
En Fathom Dynamic Data se puede crear un espacio muestral, por ejemplo, del sexo de los
hijos que puede tener una familia:
HIjos
Luego crear tantas muestras como se deseen, colocando las condiciones que se consideren
apropiadas, para luego determinar distribuciones de probabilidad.
Sample of HIjos
Measures from Sample of HIjos
Se logra representar los resultados de forma muy rpida y cambiando de una a otra con
gran facilidad. A continuacin se presentan los resultados de muestras generadas mediante
Fathom Dynamic Data para simular el nmero de hijos que tienen distintas familias, con la
condicin de que uno de ellos sea nia. Se ha generado tres muestras distintas, de 50,
100, 1000 y 2000 familias, as como un grfico donde se presenta la informacin.
Es posible obtener una versin del prueba del programa en la pgina http://www.keypress.com/x5656.xml
Measures from Sample of Hijos

42
Nodehij...
3
43
44
45
46
47
48
49
50
<new >

93
Nodehij...
1
94
95
96
97
98
99
100
994
995
996
997
998
999
1000
3
4
Nodehijos
Dot Plot
<new >

993
Nodehij...
2
Dot Plot
<new >
4
6
Nodehijos

500
10
Histogram
400
300
200
100
6
8
Nodehijos
10
12

1988
Nodehij...
1
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
<new >
157

1000
Histogram
800
600
400
200
6
8
10
Nodehijos
12
14
16
En los distintos grficos se puede apreciar que la mayora de las familias logran tener una
nia al procrear su primer hijo y con mucha frecuencia lo logran en los dos primeros. Se
observa tambin que son pocas las familias que deben tener tres (3) o ms hijos para lograr
una nia; asimismo se puede observar que hay pocos casos de familias que debieron tener
6 o mas hijos para conseguir una nia. La vinculacin de la tabla con el grfico permite
saber cul o cules son los casos que cumple con una condicin dada.
Con el apoyo tecnolgico los estudiantes no tienen que invertir largos periodos de tiempo
para elaborar grficas, las construyen con el programa y pueden dedicarse a interpretar
cada uno de los elementos que constituyen la grfica. Adems, pueden se puede cambiar
con gran facilidad de una grfica a otra, identificando cul es ms apropiada para
representar los datos. Adems, al cambiar uno o ms datos el grfico o los grficos se
actualizan instantneamente.
Con el botn que se encuentra en la esquina superior derecha del Histograma se puede
cambiar el grfico a representaciones como: diagramas de cajas, diagramas de puntos,
polgonos de frecuencias, grficas de barras. La versatilidad de Fathom para la graficacin
facilita el anlisis exploratorio de datos y posibilita que el estudiante interactu con el
conjunto de datos y sus caractersticas.
Las calculadoras, cientfica y graficadoras, tambin pueden ser utilizadas hacer matemticas
y estudiar probabilidades. Aunque con menor potencia que los computadores y sus
programas, las calculadoras posibilitan la visualizacin de ideas matemticas, al facilitar la
organizacin, la realizacin automtica de clculos y el anlisis de los datos.
A apoyarse en tecnologas, como las hojas de clculo, software dinmico o calculadoras
graficadoras, permite manejar representaciones distintas de un mismo concepto, de las que
no se dispone en un ambiente de lpiz y papel, por lo que se puede tratar un mismo objeto
desde diferentes perspectivas. El tener la posibilidad de manejar diversas representaciones
promueve el cambio conceptual en el estudiante, al abordarse ms conceptos y estudiar la
relacin entre ellos, as como sus propiedades. El uso de software para la enseanza de la
estadstica y la probabilidad genera dos cambios inmediatos:

o
Los clculos son realizados en forma automtica por el computador por lo tanto en la
clase se debe dedicar ms tiempo a aspectos conceptuales, as como a la
interpretacin resultados y aplicacin de los conceptos.
El estudiante tiene ms oportunidad de participar en la clase, de explorar y construir

los conceptos por si mismo o con la gua del profesor
Base de datos
Otro sealamiento importante, en cuanto a la enseanza de la estadstica y la probabilidad,
es la utilizacin de datos reales. Autores como Holmes (1 997) y Batanero (2001) indican
que la enseanza de la estadstica y la probabilidad no puede estar desconectada de la
realidad, no deben ensearse las tcnicas estadsticas sin ningn contexto de referencia y
aspirar que los estudiantes aprendan de memoria algunos conceptos, slo dndole
oportunidad de aplicarlos en algunos problemas que les proporciona el docente en clases.
Cuando se ensea la probabilidad desconectada normalmente se le da una importancia
exagerada al clculo y la manipulacin simblica, lo cual puede hacerla incomprensible a la
mayora de los alumnos, dejando de lado un aspecto esencial como es el razonamiento e
interpretacin de los resultados. Los estudiantes deben tener oportunidad de utilizar la
probabilidad para resolver problemas que se planteen o que el docente presente. Ello
permitira que tomaran la decisin sobre qu datos recoger, recogerlos, analizarlos y
presentar sus conclusiones respecto a un problema planteado.
Tambin podran plantearse trabajos de investigacin o proyectos de investigacin que
conlleven la utilizacin de datos ya recolectados. Se podran utilizar datos de los censos de
organismos gubernamentales, as como de grupos de investigacin o personas particulares
a los cuales tenga acceso el docente o los estudiantes. Estos datos pueden ser colocados en
la red o incluidos en un disco compacto de tal manera que los estudiantes los puedan
utilizar. Es importante destacar que, en la actualidad, la mayora de los institutos de
estadstica gubernamentales tienen pginas Web donde publican informacin estadstica
actualizada sobre los principales indicadores econmicos y sociales. Las pginas Web de los
institutos gubernamentales de estadstica constituyen una gran base de datos para
investigaciones estadsticas y la oportunidad para docentes y estudiantes de aplicar la
estadstica a situaciones reales.
En Internet se puede encontrar los llamados conjuntos de datos, data sets o data sets and
stories, que son conjuntos de datos acompaados de descripciones e indicaciones para su
uso en la enseanza de la estadstica y la probabilidad. Algunos de ellos son:
o
American Statistical Association, JSE Data Archive,

http://www.amstat.org/publications/jse/jse_data_archive.html
Se encuentran conjuntos de datos de diferentes tipos, utilizables en diversas ramas
de saber, con sugerencias para su uso.
Cornell University, DASL - The Data and Story Library, http://lib.stat.cmu.edu/DASL/

DASL (pronunciado dazzle significa deslumbrar) es una biblioteca en lnea
conjuntos de datos e historias de datos que se pueden utilizar para ilustrar los usos
de la estadstica y la probabilidad. Estn preparadas para ser usadas por profesores
con ejemplos del mundo real que podran ser de inters para los estudiantes.
Statistical Datasets http://www.umass.edu/statdata/statdata/
159
Es otra pgina con conjuntos de datos de interesantes, ofrece diversas

clasificaciones de los datos.
o
PISA International Database, http://www.pisa.oecd.org/

PISA es un examen de las habilidades y conocimiento de los estudiantes que se
realiza al final de la educacin obligatoria en Europa. Aunque no est pensado como
un conjunto de datos para la enseanza de la estadstica es una interesante fuente
de datos.
International Data Base (IDB), www.census.gov/ipc/www/idbnew.html.

Contiene datos socio econmico y demogrfico de ms de 200 pases, actualizadas
permanentemente.
No se encontraron pginas con conjuntos de datos especialmente preparados para la

enseanza de la estadstica en espaol, sin embargo los institutos gubernamentales de
estadstica de cada pas ofrecen informacin que puede ser utilizada en los cursos de
estadstica.
Los datos reales pueden hacer ms atractivo los problemas apara los estudiantes, adems
de brindar un contexto, lo cual permite juzgar mejor la informacin encontrada. Por
ejemplo, en Internet es posible encontrar datos para plantear un problema como el
siguiente:
La epidemiologa del cncer mamas tiene gran relevancia por tratarse de una
patologa que ocupa la tercera posicin en incidencia mundial. En Venezuela, el
cncer ocup el segundo lugar en causa de muertes, siendo el de mamas y de
cuello uterino los ms frecuentes en la mujer. La probabilidad de que una mujer
venezolana, entre 40 y 50 aos sin antecedentes familiares en el primer grado de
consanguinidad diagnosticados con cncer mamario y sin sntomas, tenga cncer de
mamas es 9,9%. Si una mujer tiene cncer de mamas y se realiza una mamografa
analgica se tiene una probabilidad de 90% de que de positiva. No obstante el
23% de las mujeres sanas tienen un resultado falso positivo en la mamografa
analgica. Cul es la probabilidad de que la mujer en realidad tenga cncer de
mamas?5
Seguramente para un estudiante de ciencias de la salud, resolver un problema como el
anterior ser mucho ms atractivo que resolver uno donde se extraen bolas de colores de
una bolsa.
Actividad 11.4
Resuelva el problema del cncer de mamas.
pare resolver el problema?
Cmo podra usar la tecnologa
Es importante destacar que la tecnologa no sustituye al docente de matemticas en el aula,

es l quien decide cul tecnologa usar, cmo y cundo utilizarla. Cuando se usa tecnologa
se cambia la forma de ensear y de aprender, participando siempre el docente de forma
activa en el proceso. Al usar computadoras o calculadoras se pude trabajar en clases con
mayor cantidad de datos y con ello los alumnos tienen la oportunidad de razonar
5
El problema original es de Eddy (1982). Se ha actualizado con datos de la Sociedad Anticancerosa de Venezuela.

caractersticas ms generales, como cambios en los parmetros, y pueden elaborar modelos
y resolver problemas complejos. El docente tiene ms tiempo para invertir en la verdadera
matemtica, no en la realizacin de clculos o la manipulacin simblica. Adems, al
utilizar calculadoras o computadores en el aula, el docente tiene la oportunidad de observar
la forma de trabajar de sus estudiantes, valorar el tipo de preguntas que realizan, observar
formas de razonamiento que difcilmente lograra en la enseanza tradicional. La tecnologa
es un apoyo en la evaluacin, ya que el docente puede valorar el proceso seguido por los
estudiantes en su trabajo matemtico, apreciando elementos distintos del simple resultado
obtenido. La tecnologa puede ayudar a los docentes a vincular el desarrollo de habilidades
y procedimientos con un desarrollo ms apropiado de la comprensin matemtica.
Referencias
Batanero, C. (2001). Aleatoriedad, modelizacin, simulacin. Presentado en la X Jornadas
sobre el Aprendizaje y la Enseanza de las Matemticas, Zaragoza. Disponible en:
http://www.ugr.es/local/~batanero
Daz, M. T., Arnaldos, F., Faura, U., Molera, L. y Parra, I. (2004) Docencia en Estadstica con
Microsoft Excel: Probabilidad. Ponencia presentada en XII Jornadas de ASEPUMA
Eddy, D. M. (1982). Probabilistic reasoning in clinical medicine: Problems and opportunities.
En D. Kahneman, P. Slovic y Tversky (Eds.), Judgment under uncertainty: Heuristics
and biases. New York: Cambridge University Press
Finzer, W., Erickson, T., y Binker, J. (2005). Fathom Dynamic Statistics Software. Estados
Unidos: Key Curriculum.
Auto-Evaluacin 11
1. Indique como usara una hoja de clculo para la solucin del dilema de Monty.
2. En la direccin electrnica
http://www-stat.stanford.edu/%7Esusan/surprise/Birthday.html
encontrar el Random Birthday Applet. Este applet genera fechas de cumpleaos al azar
para todos los das del ao y destaca las coincidencias. Examine el applet, conozca
como funciona. Luego: (a) coloque el generador en 50 cumpleaos y hgalo funcionar.
Anote el nmero de cumpleaos coincidentes. Repita el procedimiento 10 veces. En
promedio cuntas personas tienen el mismo da de cumpleaos cuando se encuentre en
un grupo de 50 personas?
3. Construya una situacin que involucre el clculo de probabilidades o la distribucin de
probabilidad con datos reales encontrados en organismos gubernamentales venezolanos.
4. Visite las siguientes direcciones
http://www.dim.uchile.cl/~mkiwi/ma34a/libro/chapter4/Tree/Tree.html
http://yudkowsky.net/bayes/view.html
http://www.stat.sc.edu/~west/applets/bayesdemo.html
Puede usar alguno de los applet que aparecen all para dar solucin al problema de
cncer de mamas presentado anteriormente? Cmo lo usara?
161
Unidad 6
Objetivo 6:
Disear unidades didcticas de Probabilidad.
162
Leccin 12
Desarrollo del razonamiento probabilstico
Esta leccin est dedicada a presentar de manera general las ideas bsicas para la
elaboracin de unidades didcticas con miras a ayudar a desarrollar el razonamiento
probabilstico. Diferentes autores han sealado la importancia que tiene para un ciudadano
actual desarrollar su razonamiento probabilstico para ejercer a plenitud su ciudadana. La
variedad de informacin probabilstica a la cual est expuesto el ciudadano cada da es slo
un indicador de la necesidad del razonamiento probabilstico, que le permita comprender
toda esa informacin. Es por ello que las sociedades han incorporado contenidos de
estadstica y probabilidad en la educacin formal. En Venezuela, se incorporaron contenidos
de probabilidad desde la Educacin Bsica en la dcada de los ochenta, reconociendo la
necesidad de formar el razonamiento probabilstico.
Asimismo, organizaciones
internacionales de la educacin matemtica, como el National Council of Teachers of
Mathematics, han destacado la importancia del razonamiento probabilstico.
En esta leccin se presentan algunas de las recomendaciones, producto de diversas
investigaciones, que se deben considerar en la enseanza de la probabilidad y el diseo de
unidades didcticas para desarrollar el razonamiento probabilstico.
La enseanza de la probabilidad
Durante mucho tiempo los investigadores en enseanza de la probabilidad han afirmado que
ensear el tema no es suficiente para superar las concepciones errneas y las intuiciones
previas que presentan los estudiantes. del Mas (1988, citado por Garfield y del Mass,
1991), afirma que la enseanza tradicional no slo es insuficiente sino que incluso podra
tener efectos negativos sobre la comprensin de la probabilidad por parte de los
estudiantes. Respecto a la ya estudiada heurstica de la representatividad, Cardeoso
(2001, citado por Serrad, Cardeoso y Azcrate 2005) seala que la enseanza reafirma
esta creencia y no elimina los sesgos asociados a ella. Son varios los estudios que se han
realizado tratando de superar las concepciones errneas de los estudiantes, por ejemplo,
Konold (1989) describe un intento por influir las concepciones errneas utilizando la
modelacin con apoyo de la computadora. l indica que algunos estudiantes cambiaban su
interpretacin de las tareas de probabilidad luego de la enseanza, mientras que otros
estudiantes persistan en mantener interpretaciones no normativas de las tareas, utilizando
particularmente en enfoque en el resultado.
del Mas (1989, citados por Garfield y del Mass, 1991), desarrollaron un programa
computarizado de tipo tutorial que llamaron Lanzamiento de Monedas, para analizar los
efectos de una experiencia basada en computadoras sobre las concepciones erradas en la
probabilidad. Ellos trabajaron con estudiantes universitarios con escasos conocimientos de
estadstica para estudiar los conceptos de variabilidad en las muestras, efecto del tamao
de la muestra sobre la variabilidad, independencia y azar. Luego del trabajo con el
programa, algunos estudiantes mostraron cambios positivos en su pensamiento
probabilstico. Sin embargo, un gran nmero de estudiantes persista en sus concepciones
errneas sobre la dimensin de la muestra y la variacin de la misma.
Rubin et al. (1988, citados por Shaughnessy, 1992) informan sobre la utilizacin de los
programas de estudio de estadstica basados en las innovaciones de la computacin en un
163
164
proyecto sobre razonamiento bajo incertidumbre. Estos investigadores trabajaron con

profesores y hallaron que el conocimiento previo de los profesores sobre estadstica y
probabilidad no est necesariamente estructurado para facilitar el razonamiento ms all de
las simples frmulas. En otra aplicacin, tanto el profesor como los estudiantes entendieron
mal todo el significado y las implicaciones del azar en un experimento.
Lecoutre y Fischbein (1998) trabajaron con estudiantes de primer ao de universidad y
encontraron una baja presencia del sesgo de conceptos errneos sobre secuencias
aleatorias (28%). Sin embargo, hallaron una tasa considerable sobre la presencia de los
sesgos:
disponibilidad (69%) insensibilidad al tamao de la muestra (70%) y
equiprobabilidad (87%). En el trabajo no se aclara si los estudiantes tenan estudios en
probabilidad. Cuando estos autores consideran la evolucin, de acuerdo a la edad de los
sesgos al evaluar situaciones de probabilidad, indican que el problema es muy complejo.
Algunas frecuencias de respuestas sesgadas disminuyen con la edad, mientras que otras
aumentan.
Salcedo (2002) encontr una alta presencia de los sesgos de enfoque en el resultado
aislado, disponibilidad, insensibilidad al tamao de la muestra, conceptos errneos sobre
secuencias aleatorias y equiprobabilidad en estudiantes venezolanos con distintos niveles de
formacin acadmica. Se trabajo con una muestra incidental de estudiantes de educacin
bsica, media y superior, a los cuales se les aplic el mismo instrumento donde se les
solicit interpretar enunciados de probabilidad y argumentar las respuestas dadas. Los
estudiantes de bsica ya haban culminado el 9no grado, y los de media tambin haban
culminado esa etapa; por lo que en ambos casos se supone que estudiaron los conceptos
bsicos de probabilidad previstos en los programas. Los estudiantes de educacin superior
ya haban cursado las asignaturas de estadstica y probabilidad previstas en su carrera. Los
resultados indican que mientras mayor es el nivel de formacin acadmica, mayor es el
porcentaje de respuestas normativas y la argumentacin correcta de la respuesta ofrecidas.
Sin embargo, los porcentajes de respuesta normativa y/o argumentacin correcta, son
bajos en casi todos los grupos y para todos sesgos estudiados.
Konold (1995) indica que mucho antes de su acercamiento formal a la probabilidad, los
estudiantes han estado expuestos a innumerables situaciones que implicaban incertidumbre.
Ellos aprendieron a utilizar palabras tales como probable, al azar, suerte, oportunidad,
posibilidad en su lenguaje ordinario. Usan esas palabras como sinnimos, aunque pueden
variar de matiz segn el contexto donde lo apliquen.
Los estudiantes tienen una
comprensin coherente del tema que les permite utilizar con propiedad esas palabras en los
diferentes contextos de su vida diaria. Ese conocimiento del tema acta como un
inhibidor cuando el sujeto se encuentra en el ambiente escolar estudiando probabilidad. Es
lo que Brousseau (1983) denomina un obstculo.
Para Brousseau el obstculo es una concepcin que ha sido utilizada con xito al resolver
algn tipo de problema pero que no es eficiente cuando se aplica a otros. Por lo tanto un
obstculo es un conocimiento. Brousseau (1983) describe tres tipos de obstculos: (a) el
ontognico o psicogentico. Debidos al nivel de desarrollo de nio. Un nio menor de 7
aos probablemente no esta en capacidad de comprender la probabilidad condicional. (b) el
didctico. Son el resultado de una enseanza inadecuada de un concepto en particular.
Comenzar la introduccin de la probabilidad a nios de 2do grado mediante formalismo en
lugar de mediante experimentos aleatorios con elementos concretos, puede dificultar la
compresin del tema tratado, no slo en ese grado sino en los grados subsiguientes.
Tambin puede ser el caso de la enseanza de la probabilidad en los primeros grados
exclusivamente a partir de eventos equiprobables. Esto puede dar una idea inadecuada al
nio de la probabilidad. (c) el epistemolgico. Son los intrnsecos al concepto mismo. Es el
caso de la probabilidad que tienen distintos significados (clsica, subjetiva, frecuencial y
axiomtica) y distintas formas de expresarse (decimales, fracciones y porcentajes). Un
165
anlisis histrico puede indicar que este tipo de obstculo debe ser considerado como parte
del significado del concepto, por lo que su identificacin se hace necesaria para la
construccin de una concepcin relevante.
El estudiante tiene cierto conocimiento sobre la probabilidad y lo utiliza para generar
respuestas con xito en un cierto contexto. Cuando utiliza ese conocimiento en un contexto
o situacin distinta puede producir respuestas incorrectas. Los obstculos son errores
reproducibles, persistentes e interconectados por una fuente comn que ha sido exitoso en
todo un dominio de acciones. Esto hace que el estudiante se resista a esa contradiccin que
se produce al aplicar su conocimiento y no lograr respuestas correctas. l no est
consciente del obstculo por lo que no trata de lograr un nuevo conocimiento. Slo cuando
el estudiante est consciente del obstculo es que busca generar un cambio, adquirir un
conocimiento ms amplio, aunque esto no impide que eventualmente siga manifestando el
conocimiento anterior.
Esta idea de Brousseau sobre el obstculo y su evolucin se asemeja a la de las intuiciones
de Fischbein. Como se indic antes, las intuiciones primarias de Fischbein (1984) son las
ideas y creencias que se tienen antes del proceso de enseanza. Mientras que las
intuiciones secundarias son creencias cognoscitivas reestructuradas como resultado de la
enseanza o de la experiencia dentro de una cierta comunidad. Con esto no pierden sus
primeras intuiciones, sino ms bien construyen otra intuicin adecuada al nuevo contexto.
Es posible entonces que en algn contexto que considere adecuada vuelva a recurrir a la
intuicin primaria en lugar de la secundaria. Para Fischbein las intuiciones primarias pueden
inducir a errores y promover concepciones errneas, esto es semejante a lo que indica
Brousseau respecto a los obstculos.
Tambin se encuentran similitudes entre las heursticas de Tversky y Kahneman
(representatividad y disponibilidad) y las intuiciones de Fischbein. Tanto las heursticas
como las intuiciones son creencias que provienen de la perspectiva de aquellos que las
utilizan, y ambas moldean la realidad externa. Al igual que las intuiciones, las heursticas
tambin en ocasiones ayudan a resolver algunas situaciones, pero en otras obstaculizan, se
pueden constituir en rmoras de un nuevo aprendizaje. Por otra parte, las intuiciones
aparecen en una mayor gama de contextos cientficos que las estocsticas, y las heursticas
son estrategias de proceso ms que representaciones personales de la realidad cientfica.
Parte del inters de la Educacin Matemtica es explicar por qu el estudiante incurre en
errores al realizar ciertos trabajos o al responder ciertas preguntas. De acuerdo con
Brousseau las causas de esos errores no slo son de tipo cognitivo, sino tambin pueden ser
de tipo epistemolgico y didctico. Por lo tanto un primer paso es identificar las causas del
error, para poder ayudar al estudiante a superarlo.
Al respecto Konold (1995) cree que la actividad desplegada en el aula no les da oportunidad
a los estudiantes para verificar la ausencia de validez de algunas de sus intuiciones sobre
probabilidad. De all que el xito del profesor depende, en parte, de cmo se traten las
nociones de probabilidad que a l le gustara que el estudiante adquiriera en relacin con las
que ellos traen al saln de clases. Para ello Konold cree que es necesario que el profesor
estimule a los estudiantes para que examinen si sus creencias:
1.
coinciden con las creencias de otros.
2.
son coherentes con sus propias creencias sobre otras cosas relacionadas.
3.
se confirman con la evidencia emprica.
De acuerdo con todo lo anterior es necesario ayudar a los estudiantes a superar sus
concepciones errneas sobre la probabilidad. Los programas de matemticas de Educacin
Bsica y Media Diversificada y Profesional venezolana recogen parte de las sugerencias
166
metodolgicas que presenta la literatura especializada para realizar una enseanza de la

probabilidad acorde con las caractersticas de los nios y ayudarlos as a combatir los sesgos
que posiblemente traiga a la escuela.
Actividad 12.1
1. Reflexione sobre los planteamientos de seccin anterior. Resuma con sus
palabras los problemas que se plantean en cuanto a la enseanza de la
probabilidad. Argumente sobre su utilidad para la enseanza.
Cmo ayudar a superar las concepciones errneas
Shaughnessy (1977, citado por Shaughnessy 1992) informa de un curso donde intent
analizar los efectos de la instruccin sobre el uso de la heurstica de juicio por parte de
estudiantes universitarios con pocos conocimientos de estadstica y probabilidad. El curso
tuvo una duracin de 12 semanas y fue de carcter intensivo, ya que se reunan cinco das
a la semana durante una hora. El conocimiento de probabilidad de los estudiantes y el uso
de la heurstica fueron evaluados mediante respuestas escritas y con entrevistas grabadas
antes y despus de la enseanza. Se utilizaron tareas similares a las de Kahneman y
Tversky para evaluar la dependencia de la heurstica de juicio y los estudiantes eran
incentivados a formular verbalmente o por escrito el razonamiento de sus respuestas. Al
final del curso, se encontraron diferencias significativas entre los dos grupos control y los
dos experimentales, adems de hallar una dependencia mucho menor de la heurstica en los
grupos experimentales.
Al reflexionar sobre los resultados del curso Shaughnessy seala:
1. El curso experimental era muy intensivo y los estudiantes realizaban muchos
experimentos y simulaciones mientras que trabajaban en pequeos grupos.
2. Se pudo observar y registrar los cambios en sus concepciones. Se tiene el registro del
da en que se dieron cuenta de que al lanzar 6 monedas realmente hay 64 resultados.
As como del da que lanzaron tachuelas y se dieron cuenta de que no todos los
experimentos de probabilidad tenan resultados igualmente posibles, y as
sucesivamente.
3. Los estudiantes registraban a diario todos los experimentos hechos en clase y los
problemas resueltos en casa, agregando comentarios personales sobre cmo se sentan
o qu haban aprendido. El grupo estaba totalmente inmerso en las actividades del
curso.
4. Aunque el curso fue sumamente exitoso, al considerar las concepciones errneas de la
probabilidad y la estadstica todava se encontraron algunos estudiantes que no
cambiaron sus respuestas o creencias sobre esas tareas de juicio. Esto podra indicar
que es muy difcil reemplazar un concepto errneo con una concepcin normativa. El
cambio de creencias y concepciones parece ser muy lento.
5. La mayor parte del xito en la superacin de las concepciones errneas parecen
atribuibles al modelo de enseanza utilizado para la realizacin de las actividades. Los
estudiantes primero adivinaron los resultados del experimento, luego tuvieron que llevar
a cabo una tarea estructurada, recopilando y organizando sus datos.
Despus
respondieron a las preguntas, basados nicamente en sus datos, posteriormente
compararon sus resultados experimentales con las intuiciones iniciales.
Las
concepciones errneas fueron confrontadas de manera explcita con la evidencia
experimental. Finalmente, se construy un modelo de probabilidad terica que pudiera
explicar los datos experimentales que haban recopilado. Posteriormente, compararon
las tres piezas de informacin: sus intuiciones iniciales, los resultados empricos
167
experimentales y los resultados predichos por el modelo. A travs de todo este proceso,
los estudiantes fueron constantemente colocados en la posicin de tener que reconciliar
la disonancia entre sus concepciones errneas de probabilidad y sus observaciones
empricas.
Ya Glayman y Vargas (1975) haban recomendado una secuencia de enseanza parecida a
la utilizada por Shaughnessy. Ellos recomiendan un proceso de enseanza en tres etapas:
la experimentacin, razonamiento elemental y medida de la probabilidad con ciertas
caractersticas, no sin antes aclarar que dicho proceso puede ser bastante complicado, ya
que los alumnos de nivel superior tienen muchos vicios, resistencia al cambio, pero se tiene
que insistir con trabajo en equipo, motivacin, etc. para encontrar nuevos comportamientos
y aprendizajes en los alumnos de nivel superior. La experimentacin tiene como propsito
la familiarizacin del estudiante con los experimentos aleatorios, manipulando distintos tipos
de materiales (dados. monedas, bolas en urnas, etc.). Cada experiencia se debe repetir
muchas veces para que traten de adivinar el resultado y para que capten las propiedades
inherentes a los fenmenos aleatorios. En la segunda etapa se proponen juegos que
permitan comparar algunas propiedades de ciertos sucesos, y deducir ciertas leyes o
teoremas. En la tercera parte se propone el uso de fracciones, proporciones, surgidas de
frecuencias de las mediciones, como medidas de probabilidad. En esta recomendacin de
Glayman y Vargas no se incluye el paso previo que sugiere Shaughnessy, la prediccin de
los posibles resultados del experimento aleatorio. Este aspecto es fundamental si de lo que
se trata es de superar las concepciones errneas, ya que es lo que va generar el
cuestionamiento en el estudiante, su prediccin contra los resultados obtenidos.
Del Mass y Bart (1987), ratifican que cuando los estudiantes se vieran obligados a registrar
sus predicciones, y luego a compararlas con los resultados experimentales reales, se ven
obligados a confrontar sus concepciones errneas. Esto los ayudara a superar sesgos
causados por la aplicacin impropia de heursticas. Estos investigadores trabajaron con
grupos donde la enseanza se hizo de la forma antes sealada (grupo experimental) y otros
cursos con metodologa tradicional (grupo control). El grupo experimental mostr un
marcado incremento en el uso de una explicacin normativa frecuentista, mientras que los
estudiantes del grupo control redujo notablemente este tipo de explicaciones. Estos
resultados parecen indicar que al forzar a los estudiantes a comparar explcitamente sus
predicciones con resultados empricos, los ayuda a emplear el modelo frecuentista que se
les est enseando. Pero tambin sugieren que los estudiantes a quienes no se les da esa
posibilidad terminarn dependiendo incluso ms de las heursticas, luego del proceso de
enseanza que antes del mismo.
En un estudio con nios de 3er grado Jones et al (1999) evaluaron el pensamiento
probabilstico de los estudiantes en relacin con la enseanza de la probabilidad. Ellos
trabajaron con un programa de instruccin basado en la investigacin de tareas, que incluye
la descripcin del pensamiento estadstico de los estudiantes. La evidencia cualitativa indica
que los estudiantes superaron sus concepciones errneas sobre espacio muestral, aplicando
razonamiento parte todo y parte parte y usando lenguaje inventado para describir
probabilidades.
Kazak y Confrey (2006) presentan un estudio que examina los conceptos de probabilidad y
distribuciones de probabilidad con nios de cuarto grado, a travs de una secuencia de
tareas. Esas tareas incluyen diversas situaciones aleatorias que los estudiantes exploran
con una serie de mecanismos fsicos y la probabilidad puede ser modelada por una
distribucin de probabilidad binomial. El anlisis de los resultados indica que los estudiantes
tienen una compresin espontnea de las distribuciones de probabilidad en diversos
entornos. Los autores consideran que el estudio sugiere que los estudiantes tienen
concepciones informales sobre temas de estocstica que se podran desarrollar en forma
ms potentes a travs de una secuencia de tareas, que si se piensa en probabilidad y
168
estadstica en forma separada. Por otra parte, la utilizacin de simulaciones para modelar
un fenmeno natural de una distribucin de probabilidad binomial, donde los estudiantes
pueden aprovechar sus experiencias anteriores, es un gran apoyo para que los nios
comprendan conceptos importantes relacionados con la distribucin de probabilidad y en
procesos de toma de decisiones.
Garfield (1992) presenta un recuento de las actividades de clases que de acuerdo a las
investigaciones ayudan a los estudiantes, tanto de educacin bsica como de superior, a
aprender los aspectos fundamentales de la probabilidad:
1. El trabajo de los alumnos en pequeos grupos parece ayudar a los estudiantes a
superar algunos conceptos errneos de probabilidad.
2. El contraste de las creencias de los estudiantes con resultados experimentales. Las
ideas de los estudiantes sobre la probabilidad mejoran pidindoles que hagan
predicciones antes de recoger datos de experimentos aleatorios. Sus predicciones
originales se comparan con los resultados experimentales.
3. El uso de simulaciones por medio de computadoras parece llevar a los estudiantes
para dar respuestas correctas a una variedad de problemas de probabilidad.
4. El uso de software que permita a los estudiantes visualizar y actuar recprocamente
sobre los datos parece mejorar la comprensin de fenmenos del azar.
Daz Godino et al, (1987) tambin presentan una serie de recomendaciones para superar los
errores que sobre la probabilidad puedan tener los estudiantes:
1. Presentar la probabilidad de forma experimental.
2. Sensibilizar a los estudiantes hacia el uso incorrecto de la probabilidad en la vida
diaria.
3. Dar oportunidad a los alumnos para resolver problemas que requieran la recogida o
simulacin de sus propios datos para la toma de decisiones.
4. Llevar a cabo investigaciones clnicas con sus propios alumnos para descubrir sus
procesos de razonamiento sobre problemas de probabilidad.
Sin embargo, hay que tener presente que las concepciones errneas de algunos estudiantes
son ms difciles de superar y cambiar que las de otros. En esta tarea el docente sin duda
representa un papel primordial, y quizs sea necesario investigar tanto en las concepciones
errneas sobre probabilidad, de los estudiantes como del profesor. Con este trabajo
esperamos hacer un aporte examinando la posible presencia de sesgos en estudiantes.
Actividad 12.2
1. Solicite permiso a un profesor de estadstica o probabilidad de un instituto de
educacin superior para asistir a las clases de probabilidad. Observe el mayor
nmero de clases posibles, que le permitan cubrir al menos un tema de
probabilidad completo. Observe y haga anotaciones sobre el desarrollo de las
clases que le permita hacer luego una descripcin desde su inicio hasta el final.
2. Analice la descripcin realizada sobre las clases de probabilidad del profesor
que observ con los planteamientos realizados en esta leccin sobre cmo
ayudar a superar las concepciones errneas. De acuerdo esa comparacin,
las actividades realizadas en las clases de ese profesor ayudan a superar las
concepciones errneas?
169
Desarrollar el razonamiento probabilstico

Ante situaciones de incertidumbre, azarosas, de falta de informacin confiable, cuando no
se puede saber con exactitud lo que puede ocurrir, el ser humano recurre al razonamiento
probabilstico. Son muchas y variadas las situaciones de la vida cotidiana de cualquier
ciudadano que pueden ser de esa naturaleza, por ejemplo, decidir si tomar una va u otra
para ir a nuestra casa manejando tiene que ver con la bsqueda de una va ms expedita y
la incertidumbre si se conseguir gran volumen de vehculos. Ante esa situacin el chofer
evala rpidamente sus opciones y toma una decisin. Cuntas veces ha ocurrido que la
va selecciona es la ms congestionada? Esa era una de las posibilidades. Las personas
tambin recurren al pensamiento probabilstico cuando evalan los pronsticos de lluvia,
cuando leen los resultados de una encuesta en un diario, cuando posponen una intervencin
quirrgica o cuando deciden comprar un bien ante el peligro de la inflacin.
El razonamiento probabilstico debe apoyarse en conceptos y procedimientos de la teora de
la probabilidad, la estadstica inferencial y en la combinatoria. En las lecciones 8 y 9 se han
estudiado algunas de las dificultades, que se han investigado, al confrontar informacin
probabilstica.
Como se recordar, no siempre se hace uso de esos conceptos y
procedimientos sino que se recurre a heursticas y formas de pensamientos que provocan
sesgos en la interpretacin de la informacin probabilstica o errores en la toma de
decisiones.
Tambin se ha discutido que eso errores no son exclusivamente por la falta de formacin en
probabilidades, personas con alta tambin incurren en ese tipo de errores (ver por ejemplo,
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 trata de ensear el clculo de
probabilidad en mismo, sino de desarrollar el razonamiento probabilstico para que enfrente
con prestancia situaciones que involucre el azar, la ausencia de patrones y mejorar sus
intuiciones.
El razonamiento probabilstico debe permitir encontrar soluciones a situaciones
problemticas que involucren incertidumbre y toma de decisiones con informacin que
conlleve variabilidad. El abordaje de estos problemas generalmente conlleva la exploracin
y la investigacin mediante la utilizacin o construccin de modelos, as como el apoyo en
los datos disponibles, la simulacin de experimentos y el anlisis de posibilidades. Entonces
para logar desarrollar el razonamiento probabilstico, el estudiante debe confrontar
situaciones en clases como la que podra encontrar como ciudadano comn y como
profesional.
El razonamiento probabilstico requiere de una base o enculturacin bsica la cual se puede
relacionar con el estudio de las diferentes definiciones de probabilidad: clsica, frecuentista,
subjetiva, geomtrica, axiomtica.
Todas ellas ayudan a proporcionar una mejor
compresin del concepto. No obstante, el razonamiento probabilstico involucra algo ms,
se trata de la habilidad de las personas para interpretar y evaluar crticamente argumentos
probabilsticos, as como su habilidad de discutir comunicar su opinin respecto esos
argumentos. Eso involucra aspectos como las interpretaciones que se hacen a partir de
conjuntos de datos, de las representaciones grficas, la informacin cuantitativa. Para ello
es necesario combinar aspectos conceptuales y procedimientos como incertidumbre,
aleatoriedad, muestreo, combinatoria, estadstica; con ideas como de datos y probabilidad,
para lograr hacer inferencias e interpretar los resultados.
Para lograr esto es muy importante estudiar situaciones reales donde la incertidumbre y la
variabilidad este presente. Realizar experimentaciones para generar sus propios datos
ayuda a los estudiantes a comprender fenmenos aleatorios y la variabilidad presentes
entre sus resultados, as como la ausencia de patrones. Adems, como indica Shaughnessy
permite a los estudiantes confrontar los resultados con sus intuiciones, ayudndolos a
170
descartar el uso de la heurstica de juicio. La realizacin de experimentos aleatorios es

fundamental para que los estudiantes exploren conceptos, comprendan mejor el vnculo
entre probabilidad experimental y probabilidad terica y desarrollen intuiciones
adecuadamente sobre ideas importantes de probabilidad. Por otra parte las simulaciones
permiten conjugar experimentos aleatorios y simular su realizacin en condiciones que los
estudiantes puedan recolectar datos.
Actualmente se cuenta con un apoyo muy interesante en la tecnologa cuando trata de
desarrollar el razonamiento estadstico.
Tal como se seal antes, en Internet se
encuentran gran cantidad datos y bases de datos reales que pueden utilizarse en unidades
didcticas que busquen el desarrollo del razonamiento aleatorio. Con programas como las
hojas de clculo se pueden simular experimentos aleatorios y procesar los datos generados
mediante la simulacin. Los programas de procesamiento de datos automatizan los
clculos, perdiendo importancia la necesidad de aprender frmulas y procedimientos
matemticos para realizar clculos. Por lo cual se puede dedicar ms tiempo al desarrollo
de habilidades como desarrollo interpretar, analizar y utilizar informacin probabilstica
publicada en medios de comunicacin, as como de los resultados producto de los distintos
programas de anlisis de datos. Asimismo en Internet es posible encontrar simulaciones ya
programadas o applet, los cuales pueden ser utilizados en clases como apoyo de la
enseanza. De all que la tecnologa sea un elemento a considerar al momento de construir
unidades didcticas para desarrollar el razonamiento probabilstico.
La estadstica es un apoyo por dems interesante y fundamental. Un acercamiento a la
probabilidad mediante experimentos y simulaciones de fenmenos aleatorios conlleva la
utilizacin del enfoque frecuentista y en consecuencia el apoyo de la estadstica. Cmo
evaluar si un dado es justo sin recurrir a la estadstica? El registro de los diferentes
resultados y la evaluacin de las frecuencias relativas (manejndolas como probabilidades)
ayudan a juzgar si el dado es justo o no. El anlisis estadstico de datos producto de
experimentos aleatorios son la base para la construccin de un modelo probabilstico que
permita explicar los datos experimentales recolectados. La modelacin se hace mediante
procesos matemticos que relacionan la teora de las probabilidades con la estadstica.
El manejo y anlisis de datos se inseparable del razonamiento probabilstico. El registro y
anlisis de resultados producto de la experimentacin o las simulaciones ayudan a los
estudiantes a distinguir entre sucesos determinsticos y aleatorios, a reconocer los posibles
resultados, realizar conteo sistemtico del nmero de combinaciones posibles, diferenciar
resultados igualmente probables de los que no son, refinar las mediciones de la probabilidad
con nmeros entre 0 y 1. Para todo ello la estadstica es un apoyo fundamental.
De Guzmn (1993) destaca la importancia de la estadstica y la probabilidad como
componentes de nuestra cultura y su necesaria presencia en la construccin de un bagaje
cultural bsico del ciudadano comn de nuestra sociedad. La enseanza actual es muy
cuestionada en cuanto su efectividad para ayudar a superar problemas bsicos de
compresin de la probabilidad y su pertinencia para el desarrollo del razonamiento
probabilstico. De all la necesidad de introducir cambios en la enseanza de la probabilidad.
Actividad 12.3
1. Consiga al menos un programa de una asignatura de estadstica y probabilidad
o probabilidad de una carrera cualquiera de educacin superior. Revselo con
detenimiento las distintas partes que conforman el programa. De acuerdo con
su opinin, el nfasis del programa se encuentra en el desarrollo del
razonamiento probabilstico? Argumente su respuesta.
2. De acuerdo con algunos autores, un profesional universitario de no especialista
en estadstica o probabilidad (carreras distintas a estadstica y matemticas,
171
por ejemplo), necesitan desarrollar su razonamiento probabilstico para

comprender e interpretar las situaciones de probabilidad. Esta usted de
acuerdo con este planteamiento? Argumente su respuesta.
Referencias
Brousseau, G (1983). Les obstacles epistmologuiques et les problmes en mathmatiques.
Recherches en Didactiques des Mathematiques, 4(2), 164 198.
Kahneman, D., Slovic, P. y Tversky, A. (Eds.) (1982), Judgment under uncertainty:
Heuristics and biases (pp. 117-128). Cambridge, UK: Cambridge University Press.
delMas, R. C. y Bart, W. M. (1987), The Role of an Evaluation Exercise in the Resolution of
Misconception of Probability, ponencia presentada en Annual meeting of the American
Educational Research Association.
Garfield, J. B. (1992).
How Students Learn Statistics.
Disponible:
www.dartmouth.edu/~chance/teaching_aids/books_articles/isi/isi.html
http://
Garfield, J. B. y Del Mass, R. (1991). Students conceptions of probability. En D. Vere-Jones

(Ed): Proceedings of the Third International Conference on Teaching Statistics, (pp.
340-349). Voorburg: ISI.
Gil Prez, D y de Guzmn Ozmiz, M. (1993) Enseanza de las Ciencias y de las
Matemticas. Tendencias e innovaciones. Madrid: Ibercima
Glayman, M y Varga, T. (1975). Las probabilidades en la escuela. Barcelona: Teide.
Godino, J. D., Batanero, C., Caizares, M. J. (1987). Azar y probabilidad. Madrid: Sntesis.
Jones, G., Langrall, C., Thornton, Carol y Mogill T. (1999). Students Probabilistic Thinkibg
in Instruction. Journal forResearch in Mathematics Education. 30 (5) 487 519
Kazak y Confrey, J. (2006). Elementary school students? Informal and intuitive conceptions
of probability and distribution. En A. Rossman y B. Chance (Eds.), Proceedings of
ICOTS-7. Salvador (Bahia): International Association for Statistical Education. CD
ROM.
Konold, C. (1995). Issues in assessing conceptual understanding in probability an statistics.
Journal of Statistics Education. [Revista en lnea], 2 (1)
Lecoutre, M. P. y Fischbein, E. (1998). volution avec lge de misconceptions dans les
intuitions probabilistes en France et en Isral. Recherches en Didactique des
Mathmatiques, 18(3), 311 332.
Salcedo, A. (2002). Sesgos en la interpretacin de la probabilidad en diferentes niveles de
formacin acadmica.
Trabajo de Grado para optar al Grado de Magster en
Educacin. No publicado.
Serrad, A., Cardeoso, J. y Azcrate, P. (2005). Los Obstculos en el Aprendizaje del
Conocimiento Probabilstico: Su incidencia desde los Libros de Texto. Statistics
Education
Research
Journal,
4(2),
59-81,
Disponible
en:
http://www.stat.auckland.ac.nz/~iase/serj/SERJ4(2)_serrado_etal.pdf.
(pp. 315 426). New York: McMillan.
Auto-Evaluacin 12
1. Por qu algunos investigadores consideran que ensear probabilidad de forma
tradicional no es suficiente para superar las concepciones errneas y las intuiciones
previas que presentan los estudiantes? Argumente su respuesta
2. Cules son los principales problemas que sealan las investigaciones sobre la
enseanza de la probabilidad?
3. Revise nuevamente el apartado de esta leccin titulado Cmo ayudar a superar las
concepciones errneas, especficamente la experiencia de Shaughnessy. Considera que
habra que establecer diferencias en el modelo de enseanza utilizado por este autor al
aplicarlo en cursos de estudiantes con poca formacin matemtica (psicologa y
antropologa, por ejemplo) y los de fuerte formacin matemtica (matemtica y
estadstica, por ejemplo)? Argumente su respuesta.
4. Es factible la utilizacin el modelo de enseanza utilizado por Shaughnessy en el marco
de la enseanza presencial de la educacin superior venezolana? Y en la educacin a
distancia? Argumente su respuesta.
5. Cules son los principales planteamientos que sealan las investigaciones para ayudar
a los estudiantes a superar las concepciones errneas sobre la probabilidad?
172
Leccin 13
Diseo de una unidad didctica
En el curso de Didctica del Clculo (761) estudi algunos criterios para la elaboracin
unidades didcticas. Eso criterios los aplic en la primera parte de este curso para la
elaboracin de una unidad didctica en Algebra Lineal. En esta leccin usted debe utilizar
esos criterios para disear una nueva unidad didctica, esta vez sobre probabilidad.
Previo al diseo en si, en la leccin se le presenta dos apartados que hemos titulado:
Simulacin y Probabilidad y Medicina. En el caso de Simulacin, la redaccin es dirigida a
un docente, por lo que para utilizarla con sus estudiantes probablemente deber hacer
ajustes. En el caso de Probabilidad y Medicina, la redaccin se hizo pensando que pueda ser
utilizado directamente con los estudiantes. Ambas contienen actividades de aprendizaje
para la probabilidad. Revselas con cuidad y realice las actividades planteadas.
Simulacin
En la enseanza de la probabilidad, las simulaciones son un recurso interesante para que los
estudiantes confronten sus creencias con resultados reales. Un experimento aleatorio
sencillo, como el lanzamiento de una moneda ayuda a simular otro experimento aleatorio
como lo es observar el sexo de los recin nacidos de un hospital. Con ello se logra una
correspondencia entre dos experimentos aleatorios y sus resultados, de tal manera que uno
de los experimentos simula al otro, se logra informacin del experimento aleatorio de
inters a partir de otro experimento (en este caso el lanzamiento de la moneda). Se
utilizar ese apoyo para discutir con los estudiantes la situacin de Tversky y Kahneman
(1974)
Un Problema inicial
En un cierto pueblo hay dos hospitales. El hospital A es el ms grande y nacen
aproximadamente 50 bebs por da. El hospital B es ms pequeo y nacen
aproximadamente 10 bebs al da. Se sabe que aproximadamente el 50% de los
bebs son nios. En un da cualquiera, en cul hospital es ms probable que se
registre un 80% o ms de recin nacidos nias?
a) El hospital ms grande
b) El hospital ms pequeo
c) Es igualmente probable en ambos hospitales
Plantee la pregunta a los estudiantes.
argumentos.
Solicite que registren sus respuestas y sus
Necesidad de los datos

Se les plantea a los estudiantes utilizar la moneda para simular los resultados de los
nacimientos. Es conveniente discutir con los estudiantes por qu es adecuado utilizar el
lanzamiento de la moneda para simular los resultados de nacimientos en un hospital en un
da dado. Por ejemplo, cada lanzamiento simular un nacimiento, la cara indicar el
nacimiento de una nia, mientras que si sale sello se considera que naci un nio. Cada
173
174
estudiante debe producir sus propios datos y los reportan en cuadrculas como las
siguientes:
Hospital A
Hospital B
Proponga a los estudiantes recolectar informacin para evaluar nuestras intuiciones

respecto al problema. En la primera cuadricula deben anotar los resultados de los
nacimientos ocurridos en el hospital A. En la segunda los del hospital B. Recordarles que
es importante hacer todos los lanzamientos para simular todos los nacimientos.
Luego de que los estudiantes realicen el experimento aleatorio, solicite a los estudiantes que
calculen el porcentaje de nias nacido en cada hospital, de acuerdo con sus resultados.
Pdales que contraste su respuesta inicial con la informacin lograda por cada uno de ellos.
Qu creen ahora?
Resumir los datos
Plantee la discusin sobre cmo se puede saber cul es la respuesta adecuada, si cada uno
tiene un resultado distinto. Permita que los estudiantes presentes sus opiniones sobre
cmo resolver la situacin.
Ensaye algunas de las alternativas presentadas por lo
estudiantes y discuta su pertinencia para dar solucin al problema. Formule preguntas
como: Cmo se podran organizar y resumir los datos para ayudar a responder la
pregunta?
Si no es propuesto por lo estudiantes, presente usted la alternativa de registrar el
porcentaje de nacimientos nias en ambos hospitales, utilizando los datos recolectados por
todos. Esto permitir ver la situacin muchas veces en lugar de una en particular como lo
tienen cada uno. Recurdeles que la pregunta es en cul hospital es ms probable que se
registre un 80% o ms de nacimientos de nias en un da cualquiera, por lo tanto no se
puede considerar un da; que es lo que tiene cada uno de ellos. Utilice las tablas como las
siguientes para recolectar la informacin:
Tabla 1. Porcentaje de recin nacidos nias en hospital A
Porcentaje
Frecuencia
absoluta
Frecuencia
relativa
175
Total
Tabla 2. Porcentaje de recin nacidos nias en hospital B

Porcentaje
Frecuencia
absoluta
Frecuencia
relativa
Total
Analizar los datos
Solicite que analicen cada tabla. Puede plantear preguntas como: Cul es el menor
porcentaje que se logr en cada hospital? Cul es el mayor? Pensaban que esos
resultados se podran lograr? Cul es el porcentaje menos probable? Y el ms probable?
Plantee la pregunta nuevamente, de acuerdo con la informacin recolectada en cul
hospital es ms probable que se registre un 80% o ms de recin nacidos nias?
Tambin pondra realizar una comparacin utilizando un grfico de tallo y hoja doble,
utilizando la siguiente tabla:
Comparacin del Porcentaje de recin nacidos nias en ambos hospitales
Hospital A
Porcentaje
Hospital B
Solicite a los estudiantes contrastar sus respuestas con la evidencia lograda, qu creen
ahora?
176
Pregunte a los estudiantes por qu se dice que el 50% de los bebs son nios? Anime la
discusin. Solicite la participacin de todos para completar las siguientes tablas con los
resultados logrados por la clase completa.
Tabla 3. Recin nacidos nias en hospital A
Nacimientos
Frecuencia
de nias
Frecuencia
relativa de
nias
Porcentaje
de nias
10
20
30
40
50
60
70
Tabla 4. Recin nacidos nias en hospital B
Nacimientos
Frecuencia
de nias
Frecuencia
relativa de
nias
Porcentaje
de nias
50
100
150
200
250
300
350
Utilice un programa de graficacin o una hoja de clculo (por ejemplo, Excel) para elaborar
un grfico de puntos con el nmero de nacimientos (x) y el porcentaje de recin nacidos
nias de cada hospital. Solicite a los estudiantes analizar las grficas. Discuta con los
estudiantes lo que refleja la grfica.
Actividad 13.1
1. Cules conceptos de probabilidad se encuentra involucrados en estas
actividades?
2. Cules son los conocimientos que consideran debe tener los estudiantes para
177
poder desarrollar con xito esta actividad? Reflexiones sobre las posibles
dificultades y errores que pueden tener los estudiantes en la realizar una
actividad como la descrita. Argumente su respuesta.
3. De acuerdo con los programas actuales de la educacin venezolana, en
cules niveles se podra llevar a cabo una actividad como la presentada? Hay
una carrera de la Educacin Superior donde podra llevar a cabo esa actividad?
Cules son las condiciones necesarias para realizarla?
Argumente su
respuesta.
Probabilidad y Medicina6
Aunque algunos los duden, la medicina tiene un componente importante de probabilidad.
Los mdicos se manejan en situaciones de incertidumbre y toman decisiones sobre la base
de la informacin recolectada para hacer sus diagnsticos. En el proceso de diagnstico
intervienen la historia clnica del paciente, examen fsico y las pruebas complementarias.
Luego de las dos primeras etapas del proceso, el mdico puede tener una o varias hiptesis
diagnsticas, es all donde intervienen las pruebas complementarias, para ayudar a aclarar
las dudas del mdico en cuanto al posible mal que aqueja a su paciente. Aunque las
tcnicas han mejorado a travs del tiempo, estas pruebas no son perfectas; en ocasiones
producen resultados errneos.
El caso ms sencillo que se puede plantear es el de una prueba dicotmica, que clasifica a
cada paciente como enfermo o sano en funcin de que el resultado de la prueba
complementaria sea negativo o positivo. Puede ser que una prueba indique positivo en una
persona sana, es lo que se denomina un falso positivo. Tambin puede ocurrir lo contrario,
que la prueba indique negativo cuando la persona est enferma, el llamado falso negativo.
A continuacin se realiza un anlisis sencillo de un caso los resultados de pruebas
complementarias como apoyo al diagnstico mdico y con ello trabajar algunos aspectos de
la probabilidad.
Cncer prosttico
Suponga que un grupo de 100 pacientes con sospecha de cncer prosttico acudieron a
una consulta de Urologa, durante un periodo de tiempo determinado. De acuerdo al
protocolo, se recogieron los resultados del tacto rectal realizado a cada uno de estos
pacientes, calificndolo de normal o anormal. Estos resultados se contrastaron con los
resultados posteriores logrados mediante la biopsia prosttica. Los resultados se muestran
en la Tabla 1.
Resultado de la biopsia prosttica
Positivo
(Cncer)
Negativo
(Patologa Benigna)
Total
Anormal
23
29
Normal
63
71
31
69
100
Resultado del tacto rectal
Total
Tabla 1: Resultados de la exploracin y biopsia prosttica de una muestra de pacientes con

sospecha de cncer de prstata
6
Actividad basada en Testing Testing de la serie Statistics In Your World del Schools Council Proyecto n
Statistical Education.
178
Utilice el cuadro para contestar las siguientes preguntas:

a) Cuntos pacientes resultaron con prstata anormal?
b) Cuntos de los 100 pacientes resultaron positivos?
c) Cuntos pacientes con prstata anormal arrojaron resultados positivos?
d) Cuntos pacientes prstata normal arrojaron resultados negativos?
e) Cuntos pacientes con prstata anormal arrojaron resultados negativos?
f)
Cuntos pacientes prstata normal arrojaron resultados positivos?
g) Cuntos tipos de errores es posible cometer?

h) Es posible confiar en el diagnostico del tacto rectal?
i)
Si la prueba ms confiable es la biopsia prosttica, Por qu cree que no se

recurre a ella directamente?
Buscando nuevas evidencias

A continuacin se buscaran nuevas evidencias que permitan tomar decisiones. Para ello
se generaran 100 nuevas pruebas, sobre la base de una simulacin. Suponga lo siguiente:
o
El 30% de los pacientes que asisten a la consulta de urologa tiene una prstata
anormal.
El 80% de los pacientes con prstata anormal arrojan resultados positivos.
El 10% de los pacientes sanos arrojan, incorrectamente, resultados positivos.
Para la simulacin necesitar la tabla de nmeros aleatorios que se encuentra en los

anexos. Como son nmeros de dos dgitos y bajo las premisas anteriores, se colocan las
siguientes condiciones:
o
Si el primer dgito del par seleccionado es 0, 1 o 3, el paciente tiene una prstata

anormal.
Si el paciente est enfermo y el segundo dgito es 0, 1, 2, 3, 4, 5, 6, 7, entonces los

resultados son positivos.
Si el paciente est sano y el segundo dgito es 0, entonces l reacciona

positivamente.
Con estas reglas, extraiga una muestra de 100 pacientes, apoyndose en la tabla de
nmeros aleatorios y complete la tabla 2. Para ello se selecciona al azar un nmero de la
tabla. Evalu el nmero seleccionado de acuerdo con las reglas anteriores y registre el
resultado. Se contina leyendo pares de dgitos, movindose libremente en la tabla, hasta
completar los 100 casos.
Positivo
(Cncer)
Negativo
(Patologa Benigna)
Total
Anormal
Normal
Total
100
179
Tabla 2: Resultados de la simulacin

exploracin y biopsia prosttica de una
muestra de 100 pacientes
Tambin puede generar los nmeros aleatorios con el apoyo la funcin Random (Ran) de
una calculadora o con la funcin RAND() de una hoja de clculo como Excel.
Utilice los resultados obtenidos para responder las siguientes preguntas:
a) Cuntos pacientes resultaron con prstata anormal?
b) Cuntos de los 100 pacientes arrojaron resultados positivos?
c) Cuntos pacientes resultaron falsos negativos (pacientes con cncer y prstata
normal)?
d) Cuntos pacientes resultaron falsos positivos (pacientes sano con prstata
anormal)?
e) Cmo comparar estos resultados con los de la tabla 1?
Proporcin
Todos desean que la prueba del tacto arroje resultados perfectos, no es as, por lo que se
debe estar preparado para resultados desleal. No importan cuantos ensayos se realicen,
10, 100 o 1 000, siempre est presente la posibilidad del error. Lo importante es la
proporcin de errores.
De acuerdo con la tabla 1 la proporcin de personas con prstata anormal y resultado de
23 .
biopsia positivo es
Use la Tabla 1 para encontrar La proporcin de pacientes con
100
prstata:
a) normal tienen resultados de biopsia positivos.
b) anormal tienen resultados de biopsia negativos.
Responda las siguientes preguntas:
c) De los 29 pacientes con prstata anormal, cuntos ha dado un resultado
negativo? Qu porcentaje representan? Qu porcentaje de los pacientes con
prstata anormal dio arrojaron resultados positivo?
d) De los 71 pacientes con prstata normal, cuntos ha dado un resultado positivo?
Qu porcentaje representan? Qu porcentaje de los pacientes con prstata
normal dio arrojaron resultados negativos?
Responda las preguntas anteriores utilizando los resultados de la tabla 2.
Diagramas de rbol
Un diagrama de rbol es una representacin grfica que ayuda a visualizar eventos que
consta de k pasos, donde cada uno de ellos pasos tiene un nmero finito de maneras de
ocurrir. Son muy tiles para representar experimentos aleatorios y calcular probabilidades.
Utilice la informacin de la tabla 1 para completar el siguiente diagrama de rbol.
180
29
23
y
. Cul es el
100
29
resultado del producto de estos dos nmeros? Se encuentra esa proporcin en el rbol?
Dnde? Se cumple esa relacin para las otras ramas del rbol?
Observa los nmeros de la rama superior del rbol. Se tiene
Realiza un diagrama de rbol para representar los resultados obtenidos con la simulacin
(tabla 2).
181
En este diagrama se cumplen las mismas relaciones encontradas en el diagrama de

rbol realizado a partir de la tabla 1?
Estimando probabilidades
Si los resultados de experiencias similares son recogidos un gran nmero de veces, las
proporciones obtenidas tender a la probabilidad de ocurrencia del evento considerado.
Renase en grupos de 5 personas y complete la tabla 3 sobre la base de los resultados
logrados en las tablas 2 de cada uno de los miembros del equipo7.
Positivo
(Cncer)
Negativo
(Patologa Benigna)
Total
Anormal
Normal
Total
200
Tabla 3. Estimacin de probabilidades
Sobre la base de la tabla 3 discutan en equipo sobre las siguientes preguntas:

a) Cul es la probabilidad de que cualquier paciente con prstata normal presente
resultados de biopsia positivos?
b) Si se sabe que un paciente tiene una prstata normal, Cul es la probabilidad de
que presente resultados de biopsia positivos?
c) Si se sabe que un paciente tiene una prstata normal, Cul es la probabilidad de
que presente resultados de biopsia negativos?
d) Si se sabe que un paciente tiene una prstata anormal, Cul es la probabilidad
de que presente resultados de biopsia positivos?
e) Cul es la probabilidad de que un paciente tenga prstata anormal y presente
resultados de biopsia positivos?
f)
Hay alguna diferencia entre las dos ltimas preguntas? Explique su respuesta.
Decisiones
Se puede lograr una mejor estimacin de la probabilidad de ocurrencia de un evento si se
rene una mayor cantidad de informacin sobre la ocurrencia o no de ese evento. Rena la
informacin de todos los grupos que se constituyeron en el saln de clases para completar
la tabla 4.
Positivo
(Cncer)
Negativo
(Patologa Benigna)
Total
Anormal
Normal
Si est trabajando en forma individual, puede completar la tabla 3 sobre la base de los resultados logrados en las
tablas 1 y 2.
182
Total
Tabla 4: Estimacin de probabilidades
Responda nuevamente las preguntas formuladas para la tabla 3.
compaeros de equipo y de clases las respuestas encontradas.
Discuta con sus
De acuerdo con los resultados encontrados, si una persona tiene una prstata anormal,
usted le recomendara que se realizara una biopsia? Tiene sentido la prueba del tacto?
Es recomendable utilizar de una vez la biopsia? Discuta y compare sus respuestas con
otros miembros de la clase y traten de llegar a un acuerdo sobre las preguntas planteadas.
Recuerde basarse en los resultados logrados. Escriban sus conclusiones.
VIH
El VIH (acrnimo de virus de inmunodeficiencia humana) es el agente infeccioso
determinante del sndrome de inmunodeficiencia adquirida (SIDA). Para el diagnstico del
VIH se emplean tests que han confirmado tener una alta validez, con valores aproximados a
un 99%. Es un mtodo rpido y de relativo bajo precio, pero no es completamente fiable.
Si una persona tiene el virus, hay un 99% de posibilidades que el tets muestre resultados
positivos. Si una persona no tiene el virus, hay un 10% de probabilidad de que el test de
positivo. Las personas que muestran dan positivo en el test, se les solicita realizarse otro
examen ms confiable pero de un costo muy superior. En la actualidad aproximadamente
de 2 de cada 1000 personas tienen el virus de inmunodeficiencia humana.
Sobre la base de la informacin anterior, complete 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 ramas. Con los resultados encontrados
complete la siguiente tabla.
183
Verdadero diagnostico
Resultado del test
VIH +
VIH
Total
Positivo
Negativo
Total
100 000
Tabla 4
Use la tabla anterior para responder las siguientes preguntas.

a) Cuntas personas dieron un resultado negativo en el test?
tienen el virus?
Cuntos de ellos
b) Cuntas personas dieron un resultado positivo en el test? Cuntos de estos no

tienen el virus?
c) Las preguntas anteriores presentan dos errores que en los que se puede incurrir,
Cules son? Cul es el error ms grave?
d) Si usted fue uno de las 100 000 personas y ha tenido un resultado positivo en el
test, cul es la probabilidad de que usted tenga el virus?
Actividad 13.2
1. Cules conceptos de probabilidad se encuentra involucrados en estas
actividades?
2. Cules son los conocimientos que consideran debe tener los estudiantes
para poder desarrollar con xito esta actividad? Argumente su respuesta.
3. Para cul grado considera usted que es pertinente una actividad como
esta? Cules son las condiciones necesarias para realizarla? Argumente
su respuesta.
4. Estime el tiempo que se debe invertir en clases para desarrollar con xito
toda esta actividad. Reflexiones sobre las posibles dificultades y errores
que pueden tener los estudiantes en la realizar una actividad como la
descrita.
5. De acuerdo con los programas actuales de la educacin venezolana, en
cules niveles se podra llevar a cabo una actividad como la presentada?
Hay una carrera de la Educacin Superior donde podra llevar a cabo esa
actividad?
Antes de realizar cualquier unidad didctica es conveniente revisar los programas de

estudios vigentes. En Venezuela, se encuentran tpicos de probabilidad desde los primeros
grados de Educacin Bsica hasta la mayora de las carreras de la Universidad. Revise los
programas de estudio diferentes carreras de Educacin Superior, particularmente las que se
dictan en su regin. No importa, si la duracin de la carrera, lo importante es que el plan
de estudios incluya asignaturas o temas de probabilidad. Eso programas son una referencia
importante para el diseo de su unidad didctica, pero no tiene que ajustarse a ellos, sea
creativo, plantese nuevos retos.
184
Tambin puede plantearse el diseo de una unidad didctica fuera del sistema educativo
venezolano. Por ejemplo, una posibilidad es una unidad didctica para docentes en
ejercicio, para mejorar sus conocimientos en un tpico en especfico. En un caso como
este, probablemente deber revisar los planes de formacin que cumplen los docentes en
cuanto a probabilidad. Revise nuevamente tos criterios para el diseo de unidad didctica
trabajados en Didctica del Clculo.
Actividad 13.3
1. Bosqueje el diseo de una unidad didctica para probabilidad,
preferiblemente para una carrera de Educacin Superior. Desarrolle al
menos dos (2) de las actividades de aprendizaje que integraran esa
unidad didctica. No se limite a los programas de estudios, sea creativo.
2. Est ubicada su unidad didctica en un grado o ao del sistema escolar
venezolano? Puede ser ubicada en un grado especfico? En cul?
Argumente su respuesta.
3. Consulte con profesores de otras asignaturas de ese grado o ao para
conocer si tpicos de esas asignaturas pueden integrase a su unidad
didctica. Pregunte por los objetivos y contenidos de sus asignaturas que
podran incluirse. Complemente la informacin ofrecida por los profesores
con la revisin de programas y libros de esas asignaturas. Argumente su
respuesta.
Referencias
Schools Council Proyecto n Statistical Education (1981). Testing, Testing. Teachers notes.
Level 4. Statistics in Your World. Foulsham Educational.
Auto-Evaluacin 13
1. Revise nuevamente el apartado de esta leccin titulado Simulacin.
Cmo la
presentara a un grupo de estudiantes? Realice los cambios que considere pertinente,
en cuanto a forma y fondo para que pueda ser utilizada en un curso de probabilidad.
2. De acuerdo con los criterios estudiados para la elaboracin de unidades didcticas, se
puede considerar que el apartado Simulacin es una unidad didctica o una unidad de
aprendizaje? Argumente su respuesta.
3. Revise nuevamente el apartado de esta leccin titulado Probabilidad y Medicina.
Considera que tal como est puede ser utilizada por un grupo de estudiantes? De cual
carrera? Argumente su respuesta.
4. Una recomendacin frecuente en la enseanza de la estadstica y la probabilidad es
ubicar las situaciones o problemas en un contexto, mejor aun si es afn o cercano al
estudiante, a sus intereses.
Cuales ajustes o cambios realizara al apartado
Probabilidad y Medicina para utilizarla con estudiantes de una carrera del rea ce
ciencias y tecnologa? Utilizara de forma similar con estudiantes de carreras del rea
de las ciencias sociales? Argumente su respuesta.
5. Sobre la base de los criterios estudiados para la elaboracin de unidades didcticas, se
puede considerar que el apartado Probabilidad y Medicina es una unidad didctica?
Argumente su respuesta.
6. Visite las siguientes direcciones
http://www.dim.uchile.cl/~mkiwi/ma34a/libro/chapter4/Tree/Tree.html
http://yudkowsky.net/bayes/view.html
http://www.stat.sc.edu/~west/applets/bayesdemo.html
Indague sobre el uso que se le puede dar a cada uno de los applet que aparecen all.
Indique cmo integrara, al menos uno de los applet visitados, en una unidad didctica
para trabajar la probabilidad condicional.
185
Leccin 14
Evaluar los aprendizajes
La evaluacin es una parte integral del proceso del aprendizaje y la enseanza de la

Matemtica, pero tambin es uno de los aspectos que con frecuencia se descuida al
momento de planificar la enseanza. En ocasiones una buena unidad didctica no produce
los cambios previstos por los docentes ya que se combina con una forma de evaluacin que
no se corresponde con las actividades de la unidad. La evaluacin es uno de los aspectos
que debe evolucionar en la prctica docente en el aula.
Tal como sucedi en el diseo de unidades didcticas, esta leccin toma como base los
aspectos trabajados en la primera parte de este curso respecto a la evaluacin, aplicndolos
en esta ocasin a la probabilidad; claro est cabiendo los ajustes pertinentes.
Evaluacin de los aprendizajes
La evaluacin debe ayudar al profesor a comprender mejor lo que los estudiantes saben,
pero tambin lo pueden ayudar a tomar decisiones en cuanto a:
o
Los materiales que utiliza para la enseanza
El proceso de enseanza en si mismo
El programa, recogiendo de forma sistemtica informacin sobre resultados,

currculo y docencia y buscando coherencia entre objetivos, contenidos, procesos,
enfoques y actividades.
La accin docente
La utilizacin de tecnologas y materiales manipulables
No obstante, cuando hablamos de evaluacin de los aprendizajes, el objetivo

fundamental de la evaluacin debe ser es obtener informacin para mejorar el aprendizaje
de los estudiantes. El NCTM (1993) se concibe la evaluacin como un proceso dinmico y
continuo de produccin de informacin sobre el progreso de los alumnos hacia los objetivos
de aprendizaje. Es por ello que la atencin de estar en lo que ocurre en el aula con la
interaccin de docente alumnos, alumnos alumnos, con miras a mejorar el aprendizaje
de los alumnos y para ello es importante considerar la evaluacin como una parte integral
de la accin docente. Los estudiantes valoran aquellos aspectos de la asignatura que
forman parte de la evaluacin y el docente, normalmente, evala lo que valora, entonces es
importante evaluar a los estudiantes las habilidades y conocimientos fundamentales para su
vida como estudiantes y ciudadanos.
Evaluar los aprendizajes de los estudiantes no es tarea fcil, es ms bien compleja, de
all utilizar mltiples tcnicas de evaluacin, incluyendo distintos formatos. Utilizar una
nica tcnica o instrumento no es lo ms adecuado. En general utilizar diversas tcnicas e
instrumentos y seleccionarlos en base al:
o
tipo de informacin que se quiere obtener.
uso que se vaya a dar a la informacin.
nivel de desarrollo y la madurez de los alumnos.
186
187
Todo proceso de evaluacin debe comportar tres fases diferenciadas:

o
La recogida de la informacin.
La definicin de los criterios de evaluacin.
La emisin del juicio evaluador.
La evaluacin, como una parte ms de la accin docente, debe ayudar al estudiante a

aprender, no remitirse nicamente a brindar elementos para la toma de decisiones de el
estudiante aprueba o no.
En la seleccin 7 se estudiaron algunos recursos para la evaluacin de los aprendizajes
como parte de una unidad didctica para la enseanza de lgebra Lineal. Esos recursos
tambin los puede usar la evaluacin de otras reas de la matemtica incluida la
probabilidad. No obstante, en estadstica y probabilidad se ha promovido un movimiento a
favor del desarrollo de recursos propios que permitan evaluar los aprendizajes en los cursos
iniciales para no especialistas (estuantes de carreras distintas de estadstica y matemtica).
Uno de esos grupos es ARTIST (Assessment Resource Tools for Improving Statistical
Thinking). Este grupo sugiere la utilizacin de tres categoras bsicas de clasificacin de las
preguntas que se formulan a los estudiantes en estadstica y probabilidad:
Alfabetizacin estadstica o cultura estadstica
La alfabetizacin estadstica implica la comprensin y el uso del lenguaje bsico y de las
herramientas estadsticas: conocimiento de lo que significan los trminos estadsticos,
comprensin del uso de la simbologa estadstica, as como reconocer y ser capaz de
interpretar las representaciones de datos.
Razonamiento estadstico
El razonamiento estadstico es la forma como las personas razonan sobre las ideas
estadsticas y le da sentido a la informacin estadstica. Esto involucra aspectos como
las interpretaciones que hacen a partir de conjuntos de datos, de las representaciones
grficas, la informacin cuantitativa.
Para ello es necesario combinar aspectos
conceptuales como distribucin, centro, asociacin, incertidumbre, aleatoriedad y
muestreo, con ideas como de datos y probabilidad, para lograr hacer inferencias e
interpretar los resultados estadsticos.
Pensamiento Estadstico8
Pensamiento estadstico implica la comprensin de por qu y cmo se llevan a cabo las
investigaciones estadsticas. Esto incluye la comprensin y el reconocimiento de todo el
proceso de investigacin (la pregunta que da origen a la recopilacin de datos, la
eleccin de la prueba adecuada, las hiptesis, el anlisis, etc.), comprensin de cmo se
utilizan modelos para simular fenmenos aleatorios, comprender cmo se producen los
datos para estimar las probabilidades, reconocer cmo, cundo y por qu se pueden
utilizar las herramientas de estadstica inferencial, ser capaz de comprender y utilizar el
contexto de un problema para planificar y evaluar las investigaciones, as como de
extraer conclusiones.
Un ejemplo de pregunta utilizada para evaluar la cultura estadstica es:
o
Se recopilaron datos de distintas escuelas del pas con estudiantes de 7mo grado para
determinar hasta que grado o ao llegaban en los prximos 4 aos. Con los datos
recopilados se elabor la siguiente distribucin de probabilidad, donde x es el grado
Puede ampliar el tema de cultura estadstica, razonamiento estadstico y pensamiento estadstico en el curso
Didctica de la Estocstica (577) de Educacin Mencin Matemtica.
188

ms alto al cual lleg un estudiante luego de culminar 7mo grado.
estudiantes.
Escolaridad
8vo
9no
1ro
2do
Probabilidad
0,05
0,10
0,10
0,75
aron los
a) Demostrar que esta distribucin cumple con dos propiedades de una distribucin de
probabilidad
b) Hallar la probabilidad de que un estudiante que aprueba 7mo grado seleccionado de
forma aleatoria culmine 1ro o 2do de educacin media.
c) Cul es la probabilidad de que un estudiante que aprueba 7mo grado seleccionado
de forma aleatoria no vaya ms all 9no grado?
Algunas preguntas que pueden ser utilizadas para evaluar el razonamiento estadstica
son:
o
Usted est planeando ir al parque con su familia maana. En la noche ve el noticiero

donde indican que hay 80% de probabilidades de lluvia el da siguiente.
a) Explique el significado de esa informacin.

b) Suspendera su salida al parque? Razone su respuesta
c) Suponga que suspende el paseo al parque y no llueve. considera que la prediccin
del noticiero fue errnea?
o
Usted debe presentar un examen para el cual no ha tena ninguna oportunidad para
estudiar y por esa razn decide no puede hacerlo. Al pasar por el aula donde
presentan sus compaeros, el profesor lo anima a presentar y le indica que hay varios
modelos de examen, todos de seleccin mltiple, por lo que la posibilidad de adivinar
la respuesta correcta para cada pregunta es de 1/d, donde d es el nmero de
alternativas por pregunta. Su profesor le ofrece la oportunidad de elegir entre los
siguientes formatos de examen: (a) 6 preguntas, cada una con 4 alternativas, se
aprueba si responde 5 o ms respuestas de forma correcta. (b) 5 preguntas, cada
una con 5 alternativas, se aprueba si responde 4 o ms respuestas de forma correcta.
(c) 4 preguntas, cada una con 10 alternativas, se aprueba si responde 3 o ms
respuestas de forma correcta. Los tres modelos de examen evalan los mismos
contenidos y estn de acuerdo a su capacidad de atraccin. Obviamente, el modelo
ms atractivo debe ser aquel donde usted tiene la mxima probabilidad de aprobar.
Cul elige y por qu?
Un ejemplo de pregunta utilizada para evaluar la cultura estadstica es:

o
Una compaa de seguros contrata cada ao plizas para automviles con

conductores que recientemente aprendieron a manejar. De acuerdo con sus clculos
el 40% de los conductores son de riesgo bajo, el 40% son de riesgo moderado y el
20% son de alto riesgo. La compaa de seguros no tiene manera de saber en cul
grupo se ubica cada conductor cuando contrata la pliza. De acuerdo con sus
estadsticas, ninguno de los conductores nuevos de bajo riesgo se ver involucrado en
accidente donde l sea responsable durante el prximo ao. Pero el 10% de los
conductores de riesgo moderado y el 20% de los de alto riesgo, se vern involucrados
en accidentes donde ellos sean responsables durante el prximo ao.
Si un
conductor es responsable de un accidente el prximo ao, cul es la probabilidad de
que sea un conductor de alto riesgo?
189
Actividad 14.1
1. Consiga uno o dos pruebas utilizadas para evaluar probabilidad en un curso de
educacin superior.
Clasifique las preguntas segn evalen cultura,
razonamiento o pensamiento estadstico. Argumente su respuesta.
2. Utilice la taxonoma de los objetivos educacionales, estudiada en la leccin 7,
para clasificar las preguntas clasificadas en el tem anterior. Argumente su
respuesta.
Como se expres antes, cuando se disea una unidad didctica es imprescindible pensar
en la evaluacin tanto de los aprendizajes de los estudiantes como de la propia unidad,
entre otros aspectos. Para completar el trabajo iniciado en la leccin anterior es necesario
pensar, al menos, en cmo evaluar los aprendizajes logrados por los estudiantes que
trabajen con una unidad didctica diseada para ensear probabilidad.
Actividad 14.2
1. Considere los apartados Simulacin y Probabilidad y Medicina, de la leccin
anterior, que tipo de actividades realizara para evaluar a los estudiantes que
trabajen con esos apartados. Argumente su seleccin.
2. En la leccin anterior realiz un bosquejo de una unidad didctica para la
enseanza de la probabilidad, indique como evaluara a los estudiantes que
trabajen con ese bosquejo.
Incluya preguntas que evalen cultura,
razonamiento y pensamiento estadstico.
Auto-Evaluacin 14
1. Considere las siguientes preguntas:
o Suponga que un evento particular de un experimento aleatorio tiene probabilidad de
ocurrencia 0,02. Entonces, la interpretacin adecuada de esa probabilidad es:
a) Se espera que el evento nunca suceder.
b) El evento suceder dos veces en 100 ensayos.
c) El evento podra suceder o no, la probabilidad es igual para cualquier resultado.
d) Se espera que el evento suceda cerca de dos veces por cada 100 ensayos.
e) El evento podra suceder o no, pero es muy difcil que ocurra.
o En un saln se encuentran seis personas, tres hombres y tres mujeres. Se selecciona
una persona al azar y se escoge una mujer de 41 aos. Se le formulan algunas
preguntas 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 mujer de 41
aos es:
a) 0
1
b) 3
c)
1
6
1
d) 2
5
e) 6
Clasifquelas segn la taxonoma de los objetivos educacionales. Argumente su

respuesta.
2. A continuacin aparecen algunas preguntas sobre probabilidad, al lado de cada
alternativa se encuentra el porcentaje de estudiantes que seleccion esa alternativa.
Es posible usar la taxonoma SOLO para clasificar los resultados de esas preguntas? Si
lo considera posible clasifquelas y argumente la clasificacin. Si su respuesta es
negativa indique porque considera que no se puede hacer.
o Un matrimonio planifica tener solamente dos hijos. 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%)
190
191
o Se lanza simultneamente un dado y una moneda Cul es la probabilidad de que se

obtenga 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 taxonoma de los objetivos educacionales y las definiciones de cultura,

razonamiento y pensamiento estadstico. Compare ambas clasificaciones. Seale
semejanzas y diferencias. Argumente su respuesta.
192

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
63
52
58
00
78
67
21
29
56
36
59
43
92
19
06
44
64
67
07
23
87
84
57
01
82
34
57
92
73
55
99
63
33
97
40
88
53
37
43
89
25
92
47
61
36
30
18
91
40
27
03
67
91
26
62
90
19
71
91
04
52
04
41
22
36
71
60
34
40
78
90
19
91
38
45
93
19
15
13
69
85
80
25
21
70
62
97
19
52
34
27
54
65
15
21
22
29
07
06
57
15
51
67
34
96
41
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
75
28
58
45
47
80
62
29
88
46
21
91
59
57
99
74
25
74
86
43
21
80
58
58
04
62
90
08
61
57
78
72
07
51
87
99
14
32
05
89
40
33
96
09
73
42
57
38
42
06
38
66
68
56
14
75
67
17
37
45
25
81
35
49
68
94
05
00
76
25
51
47
98
05
87
42
45
63
25
65
68
35
36
49
32
60
67
30
41
74
47
11
98
94
47
61
04
29
03
54
49
84
16
88
98
94
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
18
32
66
32
36
87
70
60
60
31
76
17
69
71
16
43
68
56
47
12
56
75
87
28
35
63
98
43
06
75
19
52
72
21
25
65
05
87
63
20
36
67
76
63
31
86
68
43
16
83
14
22
40
25
50
47
94
66
32
84
86
80
08
21
83
86
18
77
35
34
30
05
50
62
07
97
90
43
47
37
48
28
70
20
45
08
45
91
42
09
80
40
86
08
73
49
52
54
87
74
40
43
87
89
91
58
89
38
52
20
26
32
11
11
66
21
54
47
56
07
96
85
76
57
62
98
23
85
58
81
14
87
83
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 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Didactica Del Algebra PDF

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta

Mdulo 2 ........................................................................................................... 111

Didctica del lgebra y la Probabilidad

Objetivo del Mdulo:

Didctica del lgebra y la Probabilidad

coleccin de tcnicas de enseanza. Todava no se ha llegado a un consenso al respecto.

Universidad Nacional Abierta

seal anteriormente, estos hilos conductores no se limitan a la tradicional divisin de las

Didctica del lgebra y la Probabilidad

didctica es una creacin de la escuela didctica francesa. Y la leccin investigacin es una

Universidad Nacional Abierta

La ingeniera didctica es caracterizada por Douady como el motor de la didctica de las

Epistemolgico de los contenidos propuestos para la enseanza,

De la enseanza habitual y de sus efectos,

De las concepciones de los alumnos, de las dificultades y obstculos que marcan

Del campo de restricciones en el cual va a situarse la realizacin didctica,

Didctica del lgebra y la Probabilidad

(), tener en cuenta los objetivos especficos de la investigacin (Artigue, 1996,

Estos anlisis pueden hacerse en tres dimensiones, las cuales son:

la dimensin epistemolgica asociadas a las caractersticas del saber en juego;

la dimensin cognitiva asociada a las caractersticas cognitivas del pblico al que

la dimensin didctica asociada a las caractersticas del funcionamiento del

2. Concepcin y anlisis a priori de las situaciones didcticas de la ingeniera.

Se describen la opciones efectuadas al nivel local (remitindolas, eventualmente,

Se prevn los campos de comportamientos posibles y se procura mostrar de que

Universidad Nacional Abierta

4. Anlisis a posteriori y de evaluacin. Se apoya en el conjunto de los datos

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta

ningn adulto. Algunas veces, adems de la observacin in situ, se graba el

entre estas tres

En esta seccin estudiamos la didctica como proceso e hicimos nfasis en su carcter de

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta

de un mismo profesor, el cual us principalmente el sistema R para ilustrar ideas

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta

Desde el punto de vista histrico, la resolucin y el estudio de los sistemas de ecuaciones

Didctica del lgebra y la Probabilidad

interpretacin geomtrica de R , autovalores, autovectores y ortogonalidad. Este nfasis es

Universidad Nacional Abierta

Didctica del lgebra y la Probabilidad

estudiantes en un curso de lgebra lineal centrado en las aplicaciones. Los estudiantes

Universidad Nacional Abierta

matemtico y la aplicacin de esos mecanismos para describir instancias especficas de

Figura 1. Construccin de objetos y procesos (Dubinsky, 1997, p. 98)

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta

posee un concepto imagen efectivo. Siendo el indicador ms importante para la

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta

Didctica del lgebra y la Probabilidad

corriente constructivista. Una debilidad que encontramos en este trabajo de Gonzlez,

Universidad Nacional Abierta

Didctica del lgebra y la Probabilidad

Dorier, J. L. (1991). Sur lenseignement des concepts lmentaires dalgebre linaire

Como sealamos en la Introduccin a la presente unidad, esta leccin se ocupa del

Figura 3.1. Trayectoria eurocntrica clsica (Joseph, 1987)

Universidad Nacional Abierta

El surgimiento de alternativas polticas y econmicas al modelo capitalista, as como de

Figura 3.2. Trayectoria eurocntrica modificada (Joseph, 1987)

Didctica del lgebra y la Probabilidad

Universidad Nacional Abierta