Actividad 2

Maribel Becerra Suarez

Profesor

Mg. Marisol Lopera

Universidad Autónoma de Manizales

Maestría en enseñanza de las ciencias

Módulo: Didácticas específicas III

Málaga (Sder)

2019
 Fichas de lectura

#1 Referencia bibliográfica:
Fernández, L. (2006). ¿Cómo analizar datos cualitativos. Butlletí LaRecerca, 6, 1-13.
Palabras clave: investigación cualitativa, datos cualitativos, códigos, información
Resumen: la investigación cualitativa se trabaja generalmente con palabras lo cual ocasiona
ocupar mayor espacio que si se realiza cuantitativamente. Este tipo de investigación requiere
de mucho tiempo y se realiza desde mucho antes dela recogida de datos, también, se finaliza
mucho después. Los datos cualitativos pueden estar en audio, video o textos en donde estos
últimos, son tomados durante la experiencia al realizar análisis por medio de mapas mentales o
análisis de códigos, además que tomar el texto como objeto de análisis de acuerdo a toda la
información recolectada y tomada también de fuentes bibliográficas, teniendo siempre claro la
codificación realizada para llevar a cabo todo el proceso.
Contenido: Álvarez (2005) converge en que la investigación cualitativa estudia pocas
personas y la cantidad de información obtenida es muy grande (citado por Fernández, 2006) lo
cual implica mayor dedicación de tiempo debido a la multiplicidad de los datos recolectados
de diversas formas. Esta investigación ocupa además de tiempo, también intensidad de espacio
debido a que se trabaja con palabras, además, el investigador debe ser precavido con la
información que se recolecte, puesto que es necesario tener claras las categorías de
investigación, el marco teórico y la pregunta para evitar magnitudes de información, que
quizás no sea relevante para el proceso investigativo. Como lo afirma Miles y Huberman
(1994) que la recolección de datos es inevitablemente un proceso selectivo en donde no se
puede ni se logra abarcar todo, aunque se piense que se puede y que se hará (citado por
Fernández), es decir que es indispensable la clasificación y escogida de datos recolectados ya
que algunos no nos arrojaran información valiosa para la investigación.
Existen variedad de métodos para el análisis de la información recolectada que poseen
ventajas y desventajas debido a su funcionalidad de explorar datos, hacer comparaciones u
otros que llevan a la construcción de modelos. Se hace fundamental tener un orden en cada
uno de los datos, tener claridad en cada uno de ellos para realizar un análisis asertivo al
respecto. Fernández (2006) plantea los pasos a seguir para el análisis de datos cualitativos
enfatizando en que cada vez que se avanza en el análisis de los datos, temas y conceptos se
forman explicaciones más amplias de importancia teórica o práctica, que servirán para el
reporte final. Para realizar un proceso practico, rápido y ordenado, se hace necesario tener una
secuencia que conlleve a la lógica estructural de dicho análisis.
Se plantea como primer paso es obtener la información de acuerdo a las técnicas planteadas
por el investigador en la recolección de los datos, seguido de capturar, transcribir y ordenar la
información, tercero, codificar y como último paso integrar la información. De acuerdo a lo
anterior, se hace lógico el orden estructural que se sigue para el manejo de los datos
recolectados, puesto que permiten al investigador tener una visión clara y además depurar los
que quizás no le sirve para el análisis de los mismos y que o conllevan a resultados de acuerdo
a la pregunta de investigación planteada.
La codificación es el proceso mediante el cual se agrupa la información obtenida en categorías
que concentran las ideas, los conceptos o temas similares descubiertos por el investigador
(Rubyn y Rubyn, 1995, citados por Fernández, 2006) que permiten al investigador clasificar
con significados la información, tener claridad con la misma. Para esta codificación se
requiere la utilización de códigos que permiten identificar o marcar los temas específicos en un
texto de manera que el investigador pueda encontrar rápidamente, extraer y agrupar los
segmentos relacionados a la pregunta de investigación, hipótesis o tema en particular.
La codificación de una manera ordenada muestra facilidad el investigador en el manejo de los
datos encontrados exigiendo tareas fundamentales como el muestreo identificando los textos a
analizar, la identificación de los temas que se realiza antes, durante y después de la recolección
de los datos; creación de sistemas de códigos que permitirán reducir datos; marcar los textos y
por último, la construcción de modelos conceptuales los cuales permiten encontrar la relación
entre los códigos elegidos y dan cuenta de las teorías planteadas en la investigación.
Para la codificación de los datos se exige por parte del investigador tener claras las categorías,
subcategorías de investigación, clasificar y reclasificar la información y reunir la información
por grupos clasificados.
Para finalizar, Fernández (2006) aporta unos consejos que permiten tener claridad a la hora de
analizar los datos obtenidos como son la orientación de un experto, la simplicidad en la
información, tener claridad en la pregunta de investigación al igual que las teorías,
delimitación en los objetos de estudio, registrar los datos obtenidos lo más pronto que sea
posible codificando cada uno de los datos recolectados, tener apoyo de personas que
retroalimenten la investigación. Estos consejos aportan de manera significativa a nuestra labor
inexperta de investigación, ya que conllevan a obtener luces en el proceso, orientan al proceso
de registro y análisis de la información teniendo claridad en el orden y algunos inconvenientes
que se puedan presentar.

Aportes del lector:

El documento “¿Cómo analizar datos cualitativos? De Fernandez (2006) refiere a la forma,
tareas y pasos a seguir para el manejo de los datos que se puedan recolectar en un proceso de
investigación cualitativa en donde aporta de manera significativa a la importancia de llevar a
cabo un buen proceso que conlleve a la obtención de resultados verídicos en el desarrollo de la
investigación. Le aporta a la didáctica como disciplina científica ya que ésta contribuye a la
búsqueda de soluciones a problemas prácticos que atañen al proceso de enseñanza y
aprendizaje, a la justificación de los mismos; además, conlleva al desarrollo profesional de los
docentes en la preparación de su quehacer y mejoramiento de su rol en cuanto al manejo de los
diferentes datos que se encuentran a diario en las aulas de clase, no solo cuando se formula un
proyecto estructurado, sino, también en sus actividades diarias.
Conclusiones:
 La investigación cualitativa requiere mayor dedicación y estimación de tiempo por su
comprensión en palabras. Puede ser que se investigue menos población, pero la
información recolectada es mayor.
 Se debe tener un plan estructurado para el desarrollo de la investigación y seguir un orden
adecuado en el manejo de la recolección y análisis de los datos.
 Es necesario la claridad en las categorías de investigación, la pregunta de investigación y
el marco conceptual para la adecuada clasificación de los datos que se recolecten durante
el proceso.
 Tener claridad en los enfoques teóricos en los cuales se basa la investigación para apostar a
una mejor clasificación de datos.
 Se hace fundamental la buena y clara codificación de los datos para llevar a una buena
integración de la información.
#2 Referencia bibliográfica:
Referencia bibliográfica: López, A.M. (2018). La didáctica de las ciencias como
programa de investigación: aportes al aprendizaje desde la modelización. Documento no
publicado. Doctorado en didáctica: universidad Tecnológica de Pereira.
Palabras clave:
Modelización, didáctica, investigación, Heurísticas, ideas previas.
Resumen:
La incursión de los modelos mentales en el campo de la didáctica de las ciencias permite el
análisis de algunos aportes importantes y de gran relevancia los cuales permiten analizar y
comprender algunos temas claves en los procesos de enseñanza y aprendizaje y a su vez
reconocer las diferentes concepciones y aportes que permiten la incursión de estos modelos en
el campo investigativo. Teniendo en cuenta los modelos de Popper y Kuhn; y basado en el
principio de falsabilidad o racionalismo crítico de Popper, Lakatos perfecciona su propuesta y
propone entonces su metodología de los programas de investigación científica, progresiva,
basada en las heurísticas negativas y positivas, así mismo Lakatos toma algunos aspectos de la
teoría Kuhniana y transforma la tenacidad psicológica kuhniana en tenacidad racional
lakatosiana. Posteriormente, Taber 2009 critica la postura de Lakatos y afirma que un cambio
progresivo de un programa de investigación se da cuando sea teórica y empíricamente
progresivo y será degenerativo en caso de no progresar. (Taber, 2009). Para Taber, muchos de
estos estudios no son más que un antes, durante y después de la enseñanza formal; y asume
que el aprendizaje debe llevar a un cambio en el conocimiento y la comprensión. Es así como
Tamayo 2001, propone la investigación desde la evolución conceptual, con la identificación de
los modelos mentales de los estudiantes y su evolución, pues considera que solo bajo estos
aspectos se puede comprender cómo los sujetos representan el mundo en su mente, cómo las
usan –en determinados contextos –y cómo cambian.(Tamayo 2009.) en el mismo contexto,
Craik (1943), Grei(1988), Marrison y Morgan (1999)y Vasco (2013); presentan diferentes
concepciones a favor de los modelos mentales y su aporte a la investigación. En donde se
concluye la inclusión de modelos mentales en lugar de ideas previas; ya que en ellos se tienen
en cuenta cómo piensan los estudiantes, cómo se pueden caracterizar las concepciones
espontáneas de los estudiantes; cómo se puede entender e inducir el cambio conceptual; cómo
plantear la instrucción.
Contenido:
López, A.M. (2018). En el presente documento plantea algunos aspectos históricos sobre cómo
nace el programa de investigación como crítica a los modelos de Popper y Kuhn y,
posteriormente, cómo esto contribuye a fortalecer la heurística positiva de la didáctica desde
los estudios del aprendizaje a partir de la modelización.
Popper propone una alternativa al inductivismo, la interpretación deductivista: la falsación, el
cual se considera un método para poner a prueba teorías buscando falseadores potenciales, lo
cual sin duda para él, facilitaba el crecimiento de la ciencia. (Jaramillo y Aguirre, 2004).
Por su parte, Kuhn pensaba que la ciencia progresaba en términos de paradigmas (lo que los
miembros de una comunidad científica comparten) y en su libro La Estructura de las
Revoluciones Científicas expone su tesis fundamental, en la que presenta conceptos como
enigma, anomalías, revoluciones científicas, paradigma, ciencia normal y ciencia
extraordinaria. Sin embargo, el propio Kuhn posteriormente manifiesta que el término
paradigma no es adecuado, por lo que introduce la expresión matriz disciplinaria. En torno a
esta discusión, Imre Lakatos, citado por López, A.M. (2018). En el mismo Coloquio de 1965
criticó fuertemente la estructura de las revoluciones científicas y la ciencia que de él se deriva.
De Popper, tomó algunos aspectos del racionalismo crítico: la creencia de que el crecimiento
científico es racional y la convicción de que la crítica es un vehículo para el crecimiento de la
ciencia. No obstante, cuando Lakatos revisa desde su metodología el falsacionismo de Popper,
encuentra un gran problema: luego que una conjetura ha sido refutada se sigue usando, pues no
hay nada mejor que la reemplace, lo cual usa Lakatos para posteriormente “perfeccionar” su
propuesta. (López, A.M. (2018)). Sin embargo, Taber (2009) afirma que muchos de estos
estudios se han centrado en explorar aspectos del pensamiento de los estudiantes sobre temas
de ciencia (antes, durante y después de la enseñanza formal); es decir, lo que él llama estudio
de los patrones de pensamiento estudiantil. En palabras de Taber, el aprendizaje en un proceso
que se ocupa de cambios en el conocimiento y la comprensión, por lo que investigar sobre “lo
que los estudiantes piensan o creen” no debe considerarse de forma estricta, en estudios de
investigación sobre el aprendizaje. (Taber, 2009, citado por López, A.M. 2018).
Es así como se viene entre tejiendo y vinculando el cambio conceptual y los modelos mentales
en la investigación, priorizando el pensamiento de los estudiantes; así mismo para lograr esa
evolución conceptual (Tamayo, 2001) plantea identificar los modelos mentales de los
estudiantes y su evolución. Para ello es indispensable su estudio desde perspectivas
multidimensionales que abarquen dimensiones como la conceptual, afectiva, lingüística,
metacognitiva, sociocultural, entre otras (Tamayo, 2001), pues sólo a la luz de estos aspectos
se puede comprender cómo los sujetos representan el mundo en su mente, cómo las usan –en
determinados contextos –y cómo cambian. (Tamayo, 2001, citado por López, A.M. 2018).

Interesantes aportes surgen desde entonces en torno a los modelos mentales y su aporte en los
procesos investigativos; los siguientes autores citados por López, A.M. 2018; aportan
positivamente a la inclusión de los modelos mentales en el proceso de investigación. Craik,
(1943) asumió que los modelos eran análogos estructurales, conductuales y funcionales a los
fenómenos de la vida real. Johnson-Laird (1980, 1983, citado por Gilbert & Justi, 2016)
supuso que un modelo mental es un análogo estructural no solo del mundo real, sino también
de una entidad imaginaria que puede ser útil para proporcionar explicaciones.
Giere (1988) y Nersessian (1992) consideran que la ciencia es el resultado de la actividad
humana, compleja y difícil de describir, en la que los científicos proponen teorías que explican
los fenómenos estudiados. Ellos, elaboran modelos teóricos que intentan mostrar la realidad,
ajustándose a los fenómenos. En cambio, los modelos mentales de los sujetos – distintos a los
científicos -, reflejan sus creencias y percepciones personales sobre el mundo y, en ocasiones,
pueden estar alejados de la realidad.
Morrison y Morgan (1999, citados por Gilbert y Justi, 2016) proponen que funcionan de
manera autónoma; es decir, que los modelos son una mediación entre la realidad y las teorías.
López, A.M. 2018, citando a Tamayo 2011; concluye que construir los modelos mentales de
los estudiantes, hace referencia no solo a reconocer sus ideas previas (dimensión
epistemológica) o su pensamiento estudiantil, sino que consideramos otras perspectivas como
la cognitivo-linguística, la ontológica y la emotivoafectiva (Tamayo, 2001). En esta línea de
ideas, asumimos que modelizar el pensamiento de los estudiantes requiere mayores esfuerzos
investigativos en lugar solo de representar sus ideas previas, lo que conllevaría a desarrollar
procesos de investigación en el aula sobre el aprendizaje. (Tamayo, 2001, citado por López,
A.M. 2018).
Aportes del lector:
El documento de López, A.M. (2018). La didáctica de las ciencias como programa de
investigación: aportes al aprendizaje desde la modelización. Permite entender la evolución e
incursión de los modelos mentales en los procesos de investigación y su gran aporte a los
procesos de enseñanza y aprendizaje. Es importante reflexionar profundamente en la
modelización para transformar los contenidos de la enseñanza ¿Qué se logra modelizando?
¿Qué aporta a la enseñanza y el aprendizaje? ¿Cómo se evoluciona conceptualmente por
medio de estos modelos? Es necesario también conocer las concepciones de los estudiantes y
sus apropiaciones hacia estos modelos, conocer sus puntos de vista, y que a partir de él,
describan, construyan representaciones, manipulen símbolos y confronten la realidad.
Conclusiones:
 Los modelos mentales de los sujetos, reflejan sus creencias y percepciones personales
sobre el mundo y, en ocasiones, pueden estar alejados de la realidad.
 Los modelos son una mediación entre la realidad y las teorías.
 La modelización del pensamiento requiere un mayor y mejor proceso investigativo, con
grandes exigencias y no solo la representación de ideas previas