Volumen 83 PDF

NÚMEROS
Revista de Didáctica de las Matemáticas

Julio de 2013 Volumen 83
Sociedad Canaria Isaac Newton de Profesores de Matemáticas

http://www.sinewton.org/numeros
ISSN: 1887-1984
Volumen 83, julio de 2013, página 2
Números, Revista de Didáctica de las Matemáticas, se ocupa de la enseñanza y el aprendizaje desde infantil
hasta la universidad, aunque atiende preferentemente la educación primaria y secundaria. Publica trabajos de
interés para el profesorado de esos niveles, tales como experiencias de aula, reflexiones sobre la enseñanza,
aplicaciones de la investigación…
Números, Revista de Didáctica de las Matemáticas aparece en las bases de datos bibliográficas Latindex,
Dialnet y DICE, y es recensionada en Mathematics Education Database.
Directora
Alicia Bruno (Universidad de La Laguna)
Comité editorial
Hugo Afonso, Dolores de la Coba, Miguel Domínguez, Fátima García, Israel García, Mª Aurelia Noda,
Josefa Perdomo e Inés Plasencia.
Consejo asesor
José Luis Aguiar, Luis Balbuena, Carmen Batanero, Teresa Braicovich, Juan Contreras, Norma Cotic, Juan
Díaz Godino, Salvador Llinares, Antonio Martinón, Jacinto Quevedo, Victoria Sánchez y Arnulfo Santos.
Portada. Autora: Alicia Bruno. Título: Erosión.
Edita
Sociedad Canaria Isaac Newton de Profesores de Matemáticas
Apartado 329.
38200 La Laguna (Tenerife) España
Email: administracion@sinewton.org
Web: http://www.sinewton.org
Junta Directiva de la Sociedad Canaria "Isaac Newton" de Profesores de Matemáticas
Juan Agustín Noda Gómez (Presidente), Mª Nila Pérez Francisco (Vicepresidente), José Manuel Vidal
González (Secretario General), Sergio Alexander Hernández Hernández (Tesorero), Carmen Dolores Ríos
González (Vicesecretaria), Carmen Sonia Fernández Valdivia (Secretaria de actas), Luis Balbuena Castellano
(Bibliotecario). Coordinadores insulares: Ramón Galán González (Gran Canaria), Roberto Rodríguez Cruz
(La Palma), Dolores de la Coba García (Tenerife).
Números, Revista de Didáctica de las Matemáticas, es una publicación de la Sociedad Canaria Isaac
Newton de Profesores de Matemáticas. Se editan tres números ordinarios al año, los meses de marzo, julio y
noviembre.
Sociedad Canaria Isaac Newton

de Profesores de Matemáticas
ISSN: 1887-1984
Volumen 83, julio de 2013, páginas 3-4
Índice
Editorial
Israel García 5
Monográfico: Estadística
El sentido estadístico y su desarrollo

7
C. Batanero, C. Díaz, J.M. Contreras, R. Roa
El Proyecto Internacional de Alfabetización Estadística
19
A. Serradó Bayés
Estadística en la Toma de Decisiones
35
M. M. Suárez Rancel
Elementos de interés en la investigación didáctica y enseñanza de la dispersión
estadística 43
A. Estepa Castro y J. del Pino Ruiz
Problemas de mediciones repetidas y de riesgo para desarrollar el razonamiento
de estudiantes de secundaria en los temas de media y dispersión 65
E. Sánchez, J. A. Orta Amaro
Artículos
Algunas posturas con respecto al sistema de numeración muisca

79
C. C. Fuentes Leal
Matemáticas en los estudios de Maestro de Educación Infantil en la Universidad de
Castilla-La Mancha: de la diplomatura al grado 95
M. Sotos Serrano, J. M. Aguilar Idáñez
Identificación de figuras geométricas en fotografías de objetos reales. Un estudio
con maestros en formación 105
J.M. Muñoz Escolano y A.M. Oller Marcén
Isaac Barrow y su versión geométrica del Teorema Fundamental del Cálculo
123
J. C. Ponce Campuzano
¿Yerra el niño o yerra el libro de Matemáticas?
131
P. Fernández Palop, P. Caballero García, J.A. Fernández Bravo

Índice (continuación)
Secciones
Astronomía
Disco Solar Didáctico
149
Á. Martín González
En la red
Explica, un portal web divulgativo dedicado a la estadística
169
R. Almeida
Juegos
Hexágonos coloreados y Mi casa (Juegos 22)
179
J. A. Rupérez Padrón, M. García Déniz (Club Matemático)
Problemas
Juegos y Torneo. Problemas Comentados XXXIV
187
J. A. Rupérez Padrón, M. García Déniz (Club Matemático)
Experiencias de aula
Khan Academy: Una Experiencia de Aula en Secundaria
199
A. T. Antequera Guerra
Leer Matemáticas
Borges y la matemática. Guillermo Martínez
211
Reseña: F. J. Hernández Bonilla
Desafíos Matemáticos propuestos por la Real Sociedad Matemática Española
en su centenario. Adolfo Quirós (Coord.) 213
Reseña: R. Nortes Martínez-Artero
Informaciones 217
Normas para los autores 221
4 Vol. 83 julio de 2013 NÚMEROS

ISSN: 1887-1984
Israel García, Miembro del Comité Editorial de Números
El 2013 se ha dedicado a la celebración del Año Internacional de la Estadística. Este evento

internacional tiene como finalidad que fijemos nuestra atención en la contribución que el
Conocimiento Estadístico ha tenido y está teniendo en el avance de nuestra sociedad: en investigación
científica, en los negocios y gobiernos, en los medios, en la toma de decisiones, los estudiantes y el
público general. Desde la revista Números queremos hacer nuestra especial aportación a través de este
monográfico dedicado a la Estadística.
La Estadística la define David Moore de forma concisa, pero precisa: “números en contexto”.
E
Esta definición esconde el enorme Conocimiento en el que nos sumerge la Estadística: recopilar,
analizar, decidir y predecir. Casi todo lo que nos rodea hace referencia en algún momento al uso del
lenguaje estadístico: la prensa, las noticias, la economía, la política, la medicina, la psicología, la
D
escuela, la investigación,… Es más, la vida de cualquier persona está llena de “datos estadísticos” e
informaciones que nos permiten tomar decisiones en función de los hechos o acontecimientos que nos
van sucediendo. La Estadística es la formalización de todo lo que cualquiera de nosotros hacemos en
I
nuestra vida cotidiana.
T
Un problema que puede asociarse a las dificultades en la comprensión del conocimiento
estadístico es lo que John Allen Paulos denotó por “anumerismo”. Este autor describe así a “la
incapacidad para manejar cómodamente conceptos fundamentales de número y azar”. Paulos señala
O
que carecer de este sentido de número es particularmente alarmante cuando nos encontramos “en una
sociedad en la que la ingeniería genética, la tecnología láser y los circuitos en microchip incrementan a
R
diario nuestra comprensión del mundo”.
La estadística es un buen medio para llegar a comprender y conocer los números que explican
I
nuestro mundo. Y los profesores de matemáticas, de todos los niveles educativos, tenemos el deber de
hacer crecer el Conocimiento Estadístico en nuestros estudiantes, de forma que consigamos
ciudadanos capaces de comprender el mundo que les rodea y capaces de crecer “con cultura
A
numérica”.
En el presente monográfico realizaremos un viaje por diferentes usos de la estadística en nuestro L

entorno de la mano de grandes profesionales que utilizan la estadística como herramienta de
conocimiento y de trabajo.
Comenzaremos nuestro viaje de la mano de Carmen Batanero, Carmen Díaz, José Miguel
Contreras y Rafael Roa nos sumergiremos en el desarrollo del sentido estadístico. Para ello partirán
del término cultura estadística y junto con algunos términos estadísticos básicos, nos mostrarán cómo
estos elementos se conjugan para conformar el pensamiento y razonamiento estadístico que se conjuga
en lo que los autores denominan “sentido estadístico”. Centran su artículo en la defensa de los
proyectos como ejes para el desarrollo del razonamiento estadístico y la puesta en marcha de
diferentes conocimientos: conceptuales, estratégicos y técnicos.
Ana Serradó, como coordinadora española del Proyecto Internacional de Alfabetización

Estadística, nos presenta un artículo que contextualiza el trabajo internacional enfocado a la
alfabetización estadística llevada a cabo durante los últimos años, centrando la atención en el proyecto

Editorial
I. García
internacional que “nace para comprender las necesidades de numeración estadística y, que tiene como
misión actual divulgar y promover la alfabetización estadística”.
Seguidamente, Mercedes Suárez nos introducirá en el mundo de la empresa y el uso de la

estadística como herramienta para la toma de decisiones y los diferentes agentes que se ven implicados
en dicha toma de decisiones.
En el siguiente artículo, de Antonio Estepa y Jesús del Pino viajaremos hacia el análisis de la
dispersión estadística y cómo esta, en la enseñanza Secundaria, suele aparecer en segundo plano sin
casi protagonismo en el trabajo estadístico del aula. Se propone que sea guía, pues lo es dentro del
conocimiento estadístico y que, de esta forma, se contribuya en el desarrollo del razonamiento
estadístico.
Por último, y no por ello menos importante, Ernesto Sánchez y José Antonio Orta nos
presentarán el análisis de tres problemas centrados en el desarrollo del razonamiento sobre la media y
L
dispersión de datos. Estos problemas se enmarcan en contextos que facilitan el estudio de la dispersión
y cómo se gestiona en el aula.
A
Confiamos que estos trabajos nos permitan reflexionar sobre el conocimiento estadístico y que,
como fruto de dicha reflexión, nos animemos a adentrar a nuestros alumnos en la toma de decisiones y
I
en el razonamiento estadístico, propiciando en los estudiantes la denominada cultura estadística.

R
O
T
I
D
E

ISSN: 1887-1984
M O N O G R Á F I C O:
Carmen Batanero (Universidad de Granada. España)
Carmen Díaz (Universidad de Huelva. España)
José Miguel Contreras (Universidad de Granada. España)
Rafael Roa (Universidad de Granada. España)
Artículo solicitado a los autores por la revista
Resumen En este trabajo concebimos el sentido estadístico como unión de la cultura y

razonamiento estadístico. Se describen las ideas estadísticas fundamentales como
componentes de la cultura estadística y los componentes del razonamiento estadístico.
También se sugiere que el desarrollo efectivo en los estudiantes se favorece
especialmente con una enseñanza basada en investigaciones y proyectos que permite
dotar de sentido a los diversos objetos estadísticos e involucra a los estudiantes en el
ciclo de investigación y modos de razonamiento estadístico, desarrollando su espíritu
crítico e iniciativa personal.
Palabras clave Sentido estadístico, cultura estadística, razonamiento estadístico.
Abstract In this paper we conceive statistical sense as the union of statistical literacy and statistical
reasoning. We describe the fundamental statistical ideas that constitute statistical literacy
and the components of statistical reasoning. We also suggest that an effective
E S T A D Í S T I C A
development of statistical sense is specially favoured with a teaching based on
investigations and projects. This method gives sense to the diverse statistical objects and
involves students in the research cycle and the statistical reasoning modes, at the times
that develop their critical spirit and personal initiative.
Keywords Statistical sense, statistical literacy, statistical reasoning.
1. Introducción
Aunque la estadística se enseña hoy día en todos los niveles educativos, al ser una herramienta
fundamental en la vida personal y profesional, son muchos los estudiantes, que finalizan los cursos de
estadística sin comprender correctamente o ser capaces de aplicar los conceptos y procedimientos
estadísticos, como se muestra en la amplia investigación sobre el tema (ver, por ejemplo, el resumen
de estas investigaciones en Shaughnessy, 2007).
Esta situación paradójica plantea un problema didáctico, pues es claro que la enseñanza actual
transmite una estadística sin sentido para los estudiantes. Como solución al mismo, son muchos los
investigadores que insisten en la especificidad de la estadística (frente a otras ramas de la matemática).
Moore (1991) incluso la considera como una disciplina científica autónoma, con sus métodos
específicos de razonamiento. Para ello argumenta que la relación entre estadística y matemáticas no es
biunívoca: la estadística toma conceptos matemáticos para el desarrollo de sus métodos, en cambio la
matemática no usa conceptos estadísticos. Cabriá (1994) también coincide en que la estadística tiene

un modo propio de razonamiento, el método estadístico, que es necesario enseñar a los estudiantes. La
estadística tiene también controversias específicas (por ejemplo, sobre el significado de la
probabilidad), y la posición que un estadístico toma sobre ellas tiene un impacto inmediato en su
práctica.
La expresión “sentido numérico” se encuentra con frecuencia en la investigación en didáctica

de la matemática e incluso en los diseños curriculares. Por ejemplo, en el Decreto de Enseñanzas
Mínimas de la Educación Primaria (MEC, 2006) encontramos la siguiente descripción del sentido
numérico:
“el dominio reflexivo de las relaciones numéricas que se puede expresar en

capacidades como: habilidad para descomponer números de forma natural,
comprender y utilizar la estructura del sistema de numeración decimal,
utilizar las propiedades de las operaciones y las relaciones entre ellas para
realizar mentalmente cálculos” (p. 43096).
Observamos en esta descripción y otras semejantes un doble componente de adquisición de

conocimiento y razonamiento. Para el caso de la estadística no ha habido una preocupación semejante
entre los educadores estadísticos por definir o listar los componentes de lo que sería el “sentido
estadístico”. Por un paralelismo con la acepción dada a “sentido numérico” hemos de aceptar que el
sentido estadístico debiera tener un doble componente de conocimiento (o cultura) y razonamiento.
En consecuencia en lo que sigue concebimos el sentido estadístico como unión de la cultura

estadística y el razonamiento estadístico. Asimismo, también consideramos que la cultura estadística
implica la comprensión adecuada de las ideas estadísticas fundamentales (Burrill y Biehler, 2011),
pues estas ideas aparecen en la mayoría de las situaciones en que hay que aplicar la estadística; por
tanto son necesarias para enfrentarse con éxito a dichas situaciones. Además, pueden ser enseñadas
con diversos niveles de formalización y, por tanto, son asequibles en cualquier nivel educativo, siendo
potentes como herramientas de modelización estadística. En segundo lugar, se requiere un
razonamiento específico, el razonamiento estadístico que permite tomar decisiones adecuadas o
efectuar predicciones a partir de datos y en presencia de incertidumbre. La competencia de análisis de
datos se ve hoy en día facilitada por la abundancia de software, tanto para el almacenamiento y
transmisión de datos, como para el cálculo y graficación. Sin embargo la competencia en análisis de
datos no siempre implica un grado adecuado de razonamiento estadístico, que es más difícil de
transmitir.
El objetivo de este trabajo es desarrollar estas ideas y proponer el trabajo con proyectos e
investigaciones como estrategia metodológica para desarrollar el sentido estadístico de los estudiantes
en los diferentes niveles educativos.
2. Cultura estadística
La importancia que actualmente recibe la enseñanza de la estadística se debe a la necesidad,

reclamada por la UNESCO y otras instituciones de proporcionar una cultura estadística que permita al
ciudadano participar en la sociedad de la información. Dicha cultura es necesaria en actividades tan
habituales como la lectura de la prensa o la interpretación de información en Internet, la participación
en encuestas o elecciones o la interpretación de un diagnóstico médico. El término “statistical literacy”
ha ido surgiendo de forma espontánea entre los estadísticos y educadores estadísticos, para resaltar el
hecho de que la estadística se considera hoy día como parte de la herencia cultural necesaria para el
ciudadano educado. Gal (2002) propone que la cultura estadística implica dos competencias
relacionadas:

a) Capacidad para interpretar y evaluar críticamente la información

estadística, los argumentos apoyados en datos o los fenómenos que las
personas pueden encontrar en diversos contextos, incluyendo los medios de
comunicación, pero no limitándose a ellos, y b) capacidad para discutir o
comunicar sus opiniones respecto a tales informaciones estadísticas cuando
sea relevante (Gal, 2002, pp. 2-3).
Watson (2006) propone los siguientes elementos de la cultura estadística: (a) El desarrollo del
conocimiento básico de los conceptos estadísticos y probabilísticos; (b) La comprensión de los
razonamientos y argumentos estadísticos cuando se presentan dentro de un contexto más amplio de
algún informe en los medios de comunicación o en el trabajo; (c) Una actitud crítica que se asume al
cuestionar argumentos que estén basados en evidencia estadística. En el proyecto GAISE (Franklin et
al., 2007) se concibe la misma como la comprensión del lenguaje básico de la estadística (saber el
significado de los términos y símbolos estadísticos y ser capaz de leer gráficos estadísticos) y
comprender las ideas fundamentales de estadística.
Vemos que los diferentes autores que la definen incluyen tanto la parte de conocimientos
teóricos formales relacionados con la estadística, así como la capacidad de afrontar un problema o
situación en el que se pongan en juego estos conocimientos.
3. Ideas estadísticas fundamentales
Los modelos descritos de cultura estadística, además de asumir una actitud crítica frente a la
información estadística, coinciden en la necesidad de un conocimiento del lenguaje estadístico y las
ideas estadísticas fundamentales. Sería entonces importante identificar cuáles son estas ideas
fundamentales. Burrill y Biehler (2011), basándose en un estudio detallado de diversos marcos
teóricos educativos y el currículo de estadística en diversos países proponen las siguientes: datos,
gráficos, variabilidad aleatoria, distribución, asociación y correlación, probabilidad, muestreo e
inferencia.
Datos. Moore (1991) definió la estadística como la ciencia de los datos y señaló que el objeto de
la estadística es el razonamiento a partir de datos empíricos, subrayando la importancia del contexto.
Mientras que en la enseñanza de otras ramas de matemáticas los datos y contextos suelen ser
imaginarios y el interés se centra en los conceptos, el contexto de los datos es esencial en estadística.
Además, los estudiantes no están acostumbrados a trabajar con datos de situaciones reales, que
frecuentemente requieren de interpretaciones y razonamientos de alto nivel. La aleatoriedad de las
situaciones hace que los resultados no sean únicos, presentándose mayor variabilidad en los datos
estadísticos que otras áreas de las matemáticas (Sánchez y Batanero, 2011).
Gráficos. Debido a su presencia en los medios de comunicación e Internet, el aprendizaje de los

gráficos estadísticos es importante. Por su papel esencial en la organización, descripción y análisis de
datos, las tablas y gráficos son un instrumento esencial de transnumeración, uno de los modos
esenciales de razonamiento estadístico que consiste en obtener una nueva información de un conjunto
de datos al cambiar el sistema de representación (Wild y Pfannkuch, 1999).
Variabilidad aleatoria. Aunque en otras ramas de matemáticas se usan variables, se supone que
los datos se ajustan perfectamente a un modelo y no suele haber estudio de la bondad de ajuste o de los
residuos del modelo. El estudio de la variabilidad es característico de la Estadística, estudiándose tanto
el modelo como los residuos (Engel y Sedlmeier, 2011). La Estadística permite buscar explicaciones y
causas de la variabilidad para poder hacer predicciones, por lo que dos fines importantes de la
enseñanza de la Estadística son que los estudiantes perciban la variabilidad y manejen modelos que
Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 9

permitan controlarla y predecirla (Reading y Shaughnessy, 2004).
Distribución. Otra característica esencial del análisis estadístico es que trata de describir y
predecir propiedades de los agregados de datos y no de cada dato aislado (Bakker y Gravemeijer
(2004). Por ello la enseñanza de la Estadística ha de desarrollar la capacidad de leer, analizar, criticar y
hacer inferencias a partir de distribuciones de datos (Shaughnessy, 2007). El razonamiento
distribucional implica también conectar los datos (distribución de datos), la población de donde se
tomaron (distribución de probabilidad) y las posibles muestras de la misma (distribución muestral).
Asociación y correlación. Mientras que en una dependencia funcional a cada valor de una
variable X (independiente) corresponde un solo valor de otra variable Y (dependiente), en el estudio de
la asociación a cada valor de X corresponde una distribución de valores de Y, por lo que este concepto
amplía el de dependencia funcional. La importancia del concepto de asociación en la toma de
decisiones en ambiente de incertidumbre es alta, pero la investigación en psicología muestra que los
adultos no suelen emplear las reglas matemáticas, sino estrategias intuitivas, con frecuencia
incorrectas en los juicios de asociación. Por ejemplo la creencia infundada en la transitividad del
coeficiente de correlación es común en muchos estudiantes (Castro-Sotos, Van Hoof, Van den
Noortgate y Onghena, 2009).
Probabilidad. La característica principal de la Estadística es hacer uso de modelos aleatorios, a

diferencia de otras ramas de la matemática donde se usan modelos deterministas. Pero, al contrario
que para otros conceptos matemáticos, no hay una única acepción de la probabilidad. Las tres
aproximaciones principales para la escuela son:
• En la concepción clásica, se define la probabilidad de un suceso como el cociente entre el

número de casos favorable al suceso y el número de todos los casos posibles, siempre que
todos sean equiprobables.

• En el enfoque frecuencial se obtiene una estimación experimental de la probabilidad. Su
valor teórico sería el límite de la frecuencia relativa de aparición del suceso al realizar la
experiencia un número infinito de veces en las mismas condiciones. Un aspecto importante
en este enfoque es comprender la diferencia entre probabilidad (valor teórico constante que
nunca alcanzamos) y frecuencia relativa (estimación experimental de la probabilidad, que
puede cambiar de una estimación a otra). También hay que entender que los resultados de
una experiencia son impredecibles, pero se puede predecir el comportamiento general de un
gran número de resultados (Batanero, Henry y Parzysz, 2005).
• En el enfoque subjetivo, la probabilidad no es una propiedad objetiva de los sucesos, sino
una percepción o grado de creencia en la verosimilitud de la persona que asigna la
probabilidad sobre la plausibilidad de ocurrencia del suceso. Muchos problemas de toma de
decisión o elaboración de un juicio son abiertos o tienen más de una posible decisión y en su
solución intervienen tanto factores matemáticos como extra matemáticos. Esta concepción de
la probabilidad sería adecuada para modelizar este tipo de situaciones.
Muestreo e inferencia. Relacionar las características de las muestras con las de la población que
representan es el principal fin de la estadística y nos sirve para decidir qué datos recoger y para
obtener conclusiones con algún grado de probabilidad. Varios autores sugieren que es posible una
comprensión informal de la inferencia, desde la secundaria. Para ello se comenzaría por la
discriminación entre la posición central y variabilidad en las distribuciones de datos y el uso de estas
dos características para decidir cuándo dos distribuciones son iguales o diferentes (Rubin,
Hammerman y Konold, 2006). Más adelante se puede hacer una aproximación al contraste de
hipótesis en la forma siguiente (Rossman, 2008): (a) Comenzar con una hipótesis sobre los datos; (b)
usar la simulación para concluir que los datos observados son poco plausibles si la hipótesis es cierta;

y (c) rechazar la hipótesis inicial basándose en los resultados. Con apoyo de la simulación también
puede llevarse al estudiante a comprender el concepto de estimación por intervalo.
4. Pensamiento y razonamiento estadístico
Además de la comprensión de las anteriores ideas, su uso adecuado en la resolución de

problemas estadísticos requiere del desarrollo del razonamiento estadístico1. Uno de los modelos para
describir este razonamiento es debido a Wild y Pfannkuch (1999), quienes lo conciben como la suma
de cuatro dimensiones: (a) El ciclo de investigación, que consiste en la serie cíclica de pasos a seguir
desde que se plantea un problema estadístico hasta que se resuelve o bien se modifica y que es
bastante similar al proceso general de resolución de problemas; (b) los modos fundamentales de
razonamiento estadístico; (c) el ciclo de interrogación, que se aplica constantemente en la solución de
problemas estadísticos, tanto a nivel global como en cada posible paso y consiste en la búsqueda y
comprobación sucesivas de explicaciones, hipótesis o preguntas, desde los datos, los análisis
realizados o los resultados; y (d) una serie de actitudes, como el escepticismo, la mentalidad abierta, la
perseverancia, el espíritu crítico o la curiosidad. Los modos fundamentales de razonamiento
estadístico, según estos autores son los siguientes:
• Reconocer la necesidad de los datos: Mientras que en otras ramas de las matemáticas los
datos son anecdóticos, la base de la investigación estadística es el hecho constatado de que
muchas situaciones de la vida real sólo pueden ser comprendidas a partir del análisis de datos
que han sido recogidos en forma adecuada. La experiencia personal o la evidencia de tipo
anecdótico no es fiable y puede llevar a confusión en los juicios o toma de decisiones. Se
trata de basarse en la evidencia proporcionada por los datos empíricos.
• Transnumeración: Este término indica la comprensión que surge al cambiar la
representación de los datos; por ejemplo, al pasar de una lista desordenada de datos al
histograma se visualiza el rango y la moda. En general puede hablarse de tres tipos de
transnumeración: (1) la que produce al definir una medida que “captura” las cualidades o
características de un cierto fenómeno; por ejemplo, cuando utilizamos una escala de
actitudes para “medir” la actitud hacia la matemática de un conjunto de estudiantes; (2) al
pasar de los datos brutos a una representación tabular o gráfica que permita extraer sentido
de los mismos, como el ejemplo citado del histograma; (3) al “traducir” el significado que el
estadístico ha captado y que surge de los datos, en forma que sea comprensible a otras
personas; por ejemplo, cuando explicamos en forma simplificada las conclusiones que se
deducen de un gráfico de caja o de los resultados de un contraste estadístico.
• Percepción de la variación. Como hemos indicado, la variabilidad aleatoria es una idea
fundamental en estadística. Un componente del razonamiento estadístico es la identificación
de las fuentes que producen dicha variación, que pueden ser la propia medida, los datos, el
muestreo, el análisis, ser producida por factores específicos (como la diferencia de altura en
chicos y chicas). El trabajo estadístico también asume como variación aleatoria aquella cuyas
fuentes no quedan explicadas. El razonamiento estadístico permite buscar explicaciones y
causas para la variación y realizar inferencias y predicciones, con un cierto margen de error,
teniendo en cuenta la variación no explicada o aleatoria.
• Razonamiento con modelos estadísticos. Al igual que en otras ramas de las matemáticas, el
trabajo estadístico es esencialmente un proceso de modelización. La principal diferencia es la
presencia de aleatoriedad, así como la relevancia que adquieren los modelos probabilísticos
como por ejemplo, la curva normal. También se utilizan modelos matemáticos como
1
La adquisición de una competencia mínima de análisis de datos, no es hoy día un problema, pues se ve
favorecida por la abundancia de software “amistoso”.

gráficos, o funciones (por ejemplo, en regresión); todos ellos han de contemplarse como
representaciones de la realidad e instrumentos para comprenderla, diferenciando el modelo
de la realidad.
• Integración de la estadística y el contexto: Debido a la importancia que adquiere el contexto,
la capacidad de integrarlo es también un componente esencial del razonamiento estadístico.

Este tipo de razonamiento aparece especialmente en las fases iniciales (planteamiento del
modelo) y finales (interpretación del modelo en la realidad) del ciclo de modelización.
El desarrollo del razonamiento y la producción de sentido son resaltados para el caso de la

estadística por Shaughnessy, Chance y Kranendonk (2009), sugiriendo las siguientes competencias de
razonamiento para reforzar la comprensión de las ideas fundamentales: (a) análisis de problemas,
búsqueda de patrones y relaciones en los datos, percepción de la estructura y planteamiento de
conjeturas; (b) elegir y evaluar estrategias, aplicando el ciclo interactivo de investigación estadística;
(c) buscar y utilizar conexiones entre las conclusiones y el contexto; (d) reflexionar sobre si la
solución es razonable y suficiente.
5. Desarrollo del sentido estadístico a través del trabajo con proyectos
El sentido estadístico, como unión de la cultura y razonamiento estadísticos debe construirse en

forma progresiva desde la educación primaria, secundaria, bachillerato y hasta la universidad. En este
sentido, las nuevas propuestas curriculares proporcionan una oportunidad de introducir gradualmente
ideas estadísticas desde la educación primaria, aumentando el nivel de formalización progresivamente.
Pensamos que la mejor forma de ayudar al estudiante a desarrollar su sentido estadístico es basar las
clases de estadística en el trabajo con proyectos, bien planteados por el profesor o escogidos
libremente por los alumnos. En lugar de introducir los conceptos y técnicas descontextualizadas, o
aplicadas únicamente a problemas tipo, difíciles de encontrar en la vida real, se trataría de presentar las
diferentes fases de una investigación estadística: planteamiento de un problema, decisión sobre los
datos a recoger, recogida y análisis de datos y obtención de conclusiones sobre el problema planteado.
A continuación analizamos un ejemplo de proyecto adaptado de Shaughnessy, Chance y

Kranendonk (2009), quienes a la vez se inspiraron en un debate surgido a partir de una noticia en el
Daily News el 12 de Marzo de 2012, con el título “Will women some day run faster than men in a
marathon? The answer might surprise you”2. El proyecto comenzaría presentando a los alumnos la
citada noticia y el debate surgido y planteando la siguiente pregunta: ¿Llegarán a superar las mujeres a
los hombres en las pruebas de 200 metros lisos en las olimpiadas? ¿En qué año?
Les proporcionaríamos los datos de los tiempos alcanzados por los ganadores de la medalla de
oro en las olimpiadas, disponibles en la Tabla 1. Un primer análisis de estos datos puede servir para
trabajar las ideas de distribuciones bivariantes y el uso de estadísticos descriptivos para la descripción
de cada uno de los grupos. Si se observa, la mejora de las marcas en los hombres se ha pasado de 22,2
segundos a 19,32 en 112 años; para las mujeres el cambio ha sido de 24,4 a 21,8 en 64 años; en mucho
menos tiempo que los hombres han ganado aproximadamente 3 segundos.
Sin embargo, la disminución de los tiempos no es sistemática; se observan fluctuaciones y

cuando hay decrecimiento de una olimpiada a otra, no es constante. Incluso el mismo atleta (ver el
ejemplo de Usain Bolt) puede empeorar su marca de una olimpiada en la siguiente. Nos encontramos
2
Ver noticia en http://www.nydailynews.com/sports/more-sports/running-doc-women-run-faster-men-marathon-
answer-surprise-article-1.1037443

delante de un problema en que necesitamos datos y donde percibimos una variación aleatoria que
tratamos de explicar; pero el listado de datos en sí mismo es poco explicativo. Necesitamos representar
los datos de un modo adecuado para observar mejor la tendencia; es decir, hemos de realizar un
proceso de transnumeración.
Una posible representación de los datos sería un diagrama de dispersión (Figura 1), en el cuál se
coloree o se represente con un carácter diferenciado las marcas de las mujeres y de los hombres.
Observamos claramente que las mujeres tardan más que los hombres en todas las olimpiadas y que las
dos series de puntos son decrecientes; se trataría de una relación inversa entre el tiempo en segundos
tardado en la prueba de 100 metros y el tiempo de calendario (año de celebración de la olimpiada);
conforme pasa el tiempo mejoran las marcas. Asimismo se observa una pendiente más pronunciada en
la serie de puntos correspondiente a las mujeres.
Año Atleta País Tiempo Atleta País Tiempo

1900 Walter Tewksbury USA 22,2
1904 Archie Hahn USA 21,6
1908 Robert Kerr Canadá 22,6
1912 Ralph Craig USA 21,7
1920 Allan Woodring USA 22
1924 Jackson Scholz USA 21,6
1928 Percy Williams Canadá 21,8
1932 Eddie Tolan USA 21,12
1936 Jesse Owens USA 20,7
1948 Mel Patton USA 21,1 Fanny Blankers NED 24,4
1952 Andy Stanfield USA 20,81 Marjorie Jackson AUS 23,89
1956 Bobby Morrow USA 20,75 Betty Cuthbert AUS 23,55
1960 Livio Berruti ITA 20,62 Wilma Rudolph USA 24,13
1964 Henry Carr USA 20,36 Edith McGuire USA 23,05
1968 Tommie Smith USA 19,83 Irena Szewinska Poland 22,58
1972 Valeriy Borzov USSR 20 Renate Stecher GDR 22,4
1976 Don Quarrie JAM 20,23 Barbel Eckert GDR 22,37
1980 Pietro Mennea ITA 20,19 Barbel Wockel GDR 22,03
1984 Carl Lewis USA 19,8 Valerie Brisco USA 21,81
1988 Joe DeLoach USA 19,75 Florence Griffith USA 21,34
1992 Mike Marsh USA 20,01 Gwen Torrence USA 21,81
1996 Michael Johnson USA 19,32 Marie-Jose Perec FRA 22,12
2000 Konstantinos Kenteris GRE 20,09 Marion Jones USA 21,84
2004 Shawn Crawford USA 19,79 Veronica Campbell JAM 22,05
2008 Usain Bolt JAM 19,3 Veronica Campbell JAM 21,74
2012 Usain Bolt JAM 19,32 Allyson Felix USA 21,88
Tabla 1. Datos sobre tiempos de los ganadores de las pruebas olímpicas de 200 metros

Figura 1. Marcas olímpicas en las pruebas de 200 metros
Aunque el proyecto se puede resolver con calculadora y papel, otra posibilidad de trabajo es con
Excel (u otro software estadístico como SPSS o R), para que los alumnos aprendan a introducir los
datos en la hoja de cálculo y representarlos. La Figura 1 se ha obtenido con Excel, con la cual se puede
representar automáticamente un diagrama de dispersión o superponer (como hemos hecho en este
caso) dos diagramas correspondientes a dos series de datos. Entre las muchas opciones de Excel nos
encontramos con una serie de facilidades para realizar un estudio de regresión. Utilizando la opción
“añadir línea de tendencia”, se puede elegir entre varias posibles familias de funciones para ajustar al
diagrama de dispersión (siguiendo el criterio de mínimos cuadrados). Nosotros hemos comenzado
probando el ajuste lineal; Excel también proporciona la opción de añadir al gráfico la ecuación (en este
caso, la ecuación de la recta de regresión).
Figura 2. Rectas de regresión ajustadas a los datos de mujeres y hombres
Nosotros hemos utilizado dicha opción, obteniendo las dos ecuaciones siguientes (Figura 2):
• y = -0,0394x + 100,62; para la recta de mejor ajuste a los datos de los tiempos de los
hombres;
• y = -0,0259x + 71,343 para la recta de mejor ajuste a los datos de los tiempos de las
mujeres;
Es visible en la gráfica que las rectas no son paralelas; por lo tanto llegarán en algún momento a
encontrarse. El valor x en que las dos rectas se cortarían corresponderá a un año; este sería el año en
que, si los ajustes que hemos realizado son correctos y las tendencias continúan, ¡hombres y mujeres

llegarían a correr a la misma velocidad en la prueba de los 200 m. lisos! ¿Cuál sería este año? Lo
podemos determinar algebraica o gráficamente. Para determinarlo algebraicamente, bastaría resolver
el sistema de ecuaciones formado por las expresiones algebraicas de las dos rectas, esto es;
y + 0,0394x = 100,62 ; restando estas ecuaciones, obtenemos: 0,0135x = 29,276, de donde
y + 0,0259x = 71,343
29,277
x= = 2168,66
0,0135
Es decir, a partir del año 2168, se produciría el empate; podemos también observar la misma
solución (Figura 3) utilizando la opción de Excel de extrapolación de las ecuaciones de regresión. En
dicha gráfica, aparentemente a partir de esta fecha, las mujeres correrían más que los hombres, dando
la razón al periodista. Observamos que, hasta este momento, hemos utilizado dos componentes nuevos
del razonamiento estadístico: el razonamiento con modelos (en este caso, el modelo de recta de
regresión) y la integración de la estadística y el contexto, interpretando lo que los gráficos y
ecuaciones nos quieren indicar sobre la realidad (marcas olímpicas en las pruebas de 200 metros).
Figura 3. Extrapolación de las rectas de regresión
Hasta acá hemos utilizado los cinco tipos de razonamiento estadístico fundamental; también
hemos realizado un ciclo completo de investigación estadística (problema, datos, análisis, conclusión).
Hemos trabajado muchas de las ideas estadísticas fundamentales: datos, gráficos, variabilidad,
asociación, distribución, inferencia. Nos faltaría ejercitar nuestro espíritu crítico y escepticismo; es
decir, el componente actitudinal de la cultura y razonamiento estadístico.
Hemos de recordar en este punto la diferencia entre datos (en este caso las marcas olímpicas) y
modelo (las rectas de regresión) y hacer observar que el modelo no es exactamente igual que los datos
y que podrían existir otros modelos que explicasen los datos. Será importante, entonces complementar
el análisis realizado hasta el momento, con alguna medida de la bondad del ajuste y, en caso necesario,
probar otros modelos que se ajusten mejor a los datos.
Otra información importante proporcionada por Excel es el coeficiente de determinación R2,

siendo R el coeficiente de correlación (en este caso, de correlación lineal). El coeficiente de
determinación, R2 nos indica la proporción de varianza de la variable dependiente en la recta de
regresión Y (en este caso esperanza de vida) explicada por el modelo lineal utilizado (por la ecuación
de la recta de regresión). En el proyecto que estamos analizando, obtenemos R2=0,8971 (R=0,947)
para el caso de los hombres, que es muy alto, pues como sabemos, el máximo valor absoluto del

coeficiente de correlación es 1 (correspondiente a R=1 o R=-1), que son los casos en que los puntos
del diagrama de dispersión se alinearían perfectamente sobre una línea recta. En la Figura 1 podemos
ver que, en efecto los tiempos de los hombres se sitúan casi sobre la recta, que al ser decreciente,
correspondería a un coeficiente de correlación R=-1. Para los datos sobre las mujeres obtenemos R2=
0,7313 (R=0,855) algo menor que el anterior, pero también alto. También podemos observar la mayor
distancia de estos datos a la recta de regresión.
En este segundo caso, queda más de un 25% de la varianza de los datos no explicada por el
modelo y podríamos tratar de mejorar la predicción, eligiendo para ello una función de regresión
diferente, siempre que el valor del coeficiente de determinación aumente (que otro modelo explique
mayor proporción de varianza). Por suerte Excel proporciona diferentes opciones para la línea de
tendencia: lineal, polinómica, potencial, logarítmica, etc. (que se pueden obtener pulsando sobre dicha
línea). El alumno puede ensayar con diferentes opciones, obtener para cada una la gráfica, ecuación y
coeficiente de determinación y decidir, entre todas ellas, cuál proporciona un mejor ajuste. Como
ejemplo, si usamos una función polinómica de grado cuatro, conseguimos subir el coeficiente de
determinación a R2=0,93, suficientemente elevado, pues se explica el 93% de la variación de los datos
(Figura 4)
Figura 4. Ajuste de un modelo polinómico a los datos de mujeres
Concluimos que en este segundo modelo, no es tan clara la conclusión de que las mujeres
lleguen a superar a los hombres en las olimpiadas. Es verdad que conseguiríamos encontrar el punto
de corte entre las dos funciones, pero la tendencia ya no se conserva decreciente en las mujeres, sino
que aparecen oscilaciones que podrían o no continuar en el futuro. Será entonces necesario esperar a
tener nuevos datos para ajustar otra vez el modelo de regresión y obtener una conclusión definitiva.
Por otro lado, recordamos que modelo y realidad no siempre coinciden y que las tendencias
observadas podrían variar en el futuro.
6. Reflexiones finales
Como señalaron Anderson y Loynes (1987), la estadística es inseparable de sus aplicaciones, y

su justificación final es su utilidad en la resolución de problemas externos a la propia estadística. En el
ejemplo de proyecto analizado hemos trabajado los dos componentes del sentido estadístico: cultura y
razonamiento.
Respecto a la cultura, se han trabajado multitud de ideas fundamentales: comenzando con la

recopilación de unos datos reales, hemos analizado su distribución bivariante, comparando dos
distribuciones diferentes, analizando en cada una su tendencia y variabilidad a través de estadísticos y
gráficos. Diferentes modelos de regresión (lineal, polinómico) nos han permitido describir los datos y
hacer predicciones; complementadas mediante el coeficiente de determinación para analizar la bondad
del ajuste. Otras propiedades de la correlación y regresión (como son por ejemplo el signo y el valor
del coeficiente, el signo de la pendiente según sea la relación directa o inversa, la relación entre
pendiente y el coeficiente de correlación), aunque han quedado implícitas podrían analizarse con más
detalle con los estudiantes según los objetivos del profesor.
En el proyecto también se han ejercitado actitudes propias de la cultura y el razonamiento

estadístico como la creatividad, espíritu crítico e imaginación. Se utilizaron también todos los tipos
fundamentales de razonamiento estadístico y se involucró a los estudiantes en un ciclo completo de
investigación y modelización estadística. Con todo ello los estudiantes adquieren competencia en
conocimiento estratégico, es decir ser capaz de aplicar un conocimiento. La habilidad para aplicar los
conocimientos matemáticos es frecuentemente mucho más difícil de lo que se supone, porque requiere
no sólo conocimientos técnicos (tales como preparar un gráfico o calcular un promedio), sino también
conocimientos estratégicos (saber cuándo hay que usar un concepto o gráfico dado). Los problemas y
ejercicios de los libros de texto sólo suelen concentrarse en los conocimientos técnicos, mientras que
los proyectos incluyen también conocimientos estratégicos, a la vez que aumentan la motivación del
estudiante.
Todo ello se pone de manifiesto en el ejemplo presentado. El lector interesado puede encontrar
otros ejemplos de cómo es posible desarrollar un currículo de estadística para la educación secundaria
o universitaria mediante proyectos debidamente secuenciados (ver Batanero y Díaz, 2011).
Agradecimientos: Proyecto EDU2010-14947 (MCINN-FEDER) y grupo FQM126 (Junta de Andalucía).
Bibliografía
Anderson, C. W. y Loynes, R. M. (1987). The teaching of practical statistics. New York: Wiley.
Bakker, A. y Gravemeijer, K. P. E. (2004). Learning to reason about distribution. En J. Garfield y D.
Ben Zvi (Eds.), The challenge of developing statistical literacy, reasoning and thinking (pp 147-
168). Dordrecht, The Netherlands: Kluwer.
Batanero, C. y Díaz, C. (Eds.) (2011). Estadística con proyectos. Granada: Departamento de Didáctica
de la Matemática
Batanero, C., Henry, M., Parzysz, B., (2005). The nature of chance and probability. En G. A. Jones
(Ed.), Exploring probability in school: Challenges for teaching and learning (pp. 15-37). New
York: Springer.
Burrill, G., & Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in
trainingteachers. En C. Batanero, G. Burrill y C. Reading (Eds.), Teaching statistics in school
mathematics. Challenges for teaching and teacher education - A joint ICMI/IASE study (pp. 57-
69). Dordrecht: Springer.
Cabriá, S. (1994). Filosofía de la estadística. Servicio de Publicaciones de la Universidad de Valencia.
Castro-Sotos, A. E., Vanhoof, S., Noortgate, W. y Onghena, P. (2007). Students’ misconceptions of
statistical inference: A review of the empirical evidence from research on statistics education.
Educational Research Review, 2 98–113
Engel, J. y Sedlmeier (2011). Correlation and regression in the training of teachers. En C. Batanero, G.
Burrill, C. Reading y A. Rossman (Eds.). Teaching statistics in school mathematics- challenges for
teaching and teacher education. A joint ICMI/IASE study (pp. 247-258). New York: Springer.
Franklin, C., Kader, G., Mewborn, D. S., Moreno, J., Peck, R., Perry, M. y Scheaffer, R. (2007). A
curriculum framework for K-12 statistics education. GAISE report. Online:

http://www.amstat.org/education/gaise/.
Gal, I. (2002). Adult's statistical literacy: Meaning, components, responsibilities. International
Statistical Review 70(1), 1-25.
Moore, D. S. (1991). Teaching statistics as a respectable subject. En F. Gordon y S. Gordon (Eds.),
Statistics for the twenty-first century (pp. 14-25). Mathematical Association of America.
Reading, C. y Shaughnessy, J. M. (2004). Reasoning about variation. En J. Garfield y D. Ben-Zvi
(Eds.), The challenge of developing statistical literacy, reasoning and thinking (pp. 201-226).
Dordrecht, The Netherlands: Kluwer.
Rossman, A. (2008). Reasoning about informal statistical inference: One statistician’s view. Statistics
Education Research Journal, 7(2), 5-19. Online: http://www.stat.auckland.ac.nz/serj.
Rubin, A., Hammerman, J. K. L & Konold, C. (2006). Exploring informal inference with interactive
visualization software. En B. Phillips (Ed.), Proceedings of the Sixth International Conference on
Teaching Statistics. Cape Town, South Africa: International Association for Statistics Education.
Online: www.stat.auckland.ac.nz/~iase/publications.
Sánchez, E. y Batanero, C. (2011). Manejo de la información. En E. Sánchez (Coord.), Enseñanza y
aprendizaje de las matemáticas, Casos y perspectivas (pp. 64-92). México, D. F.: Secretaría de
Educación Pública.
Shaughnessy, J. M. (2007). Research on statistics learning and reasoning. En F. Lester (Ed.), Second
handbook of research on mathematics teaching and learning (pp. 957-1010). Greenwich, CT:
Information Age y NCTM.
Shaughnessy, J. M., Chance, B., & Kranendonk, H. (2009). Focus in high school mathematics:
Reasoning and sense making in statistics and probability. Reston, VA: NCTM.
Watson, J. M. (2006). Statistical literacy at school: growth and goals. Mahwah, NJ: Lawrence
Erlbaum Associates.
Wild, C. y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical
Review, 67 (3), 221-248.
Carmen Batanero Bernabeu, Facultad de Ciencias de la Educación, Universidad de Granada. Fue

miembro del Comité Ejecutivo de ICMI (International Comisión on Mathematical Instruction y
Presidenta de IASE (International Association for Statistical Education). Ha coordinado varios congresos
y proyectos de educación estadística. batanero@ugr.es
Carmen Díaz Batanero, Facultad de Ciencias de la Educación, Universidad de Huelva, es doctora en

Psicología. Fue becaria del Plan de Formación del Profesorado Universitario y es actualmente Profesora
Contratado Doctor en área de Metodología de las Ciencias del Comportamiento. Su línea de investigación
es la enseñanza y aplicaciones de la estadística, tema en el que ha codirigido dos tesis doctorales. Ha
publicado trabajos sobre inferencia estadística y didáctica de la estadística. carmen.diaz@dpsi.uhu.es
José M. Contreras García, nacido en Granada, fue becario de Plan de Fornación del Personal
Investigador y es actualmente profesor ayudante doctor de la Universidad de Granada. Licenciado en
Ciencias Matemáticas y en C.C. y T.T. Estadísticas, Máster en Estadística Aplicada y doctor en Didáctica
de la Matemática. Ha realizado publicaciones en didáctica de la estadística. jmcontreras@ugr.es
Rafael Roa Guzmán, es doctor en Didáctica de la matemática y profesor Titular de Universidad de la

Universidad de Granada. Ha participado en varios proyectos de investigación en educación estadística y
ha publicado artículos y comunicaciones en congresos sobre esta temática.

ISSN: 1887-1984
Ana Serradó Bayés (Colegio La Salle-Buen Consejo. Cádiz. España)
Fecha de recepción: 15 de octubre de 2012

Fecha de aceptación: 22 de enero de 2013
Resumen En este artículo se analiza el significado de los conceptos de alfabetización, competencia

y cultura estadística que se usan en la actualidad para describir las necesidades de la
población con el fin de participar de forma efectiva en la sociedad y la economía. Se
presenta el Proyecto Internacional de Alfabetización Estadística que tiene por misión
promover la difusión de la alfabetización estadística a nivel mundial. A su vez, se
describen las acciones llevadas a cabo por los miembros de dicho proyecto que tienen en
cuenta al profesorado, aportándoles: conocimientos teóricos, recursos para la enseñanza y
actividades para promocionar la alfabetización estadística entre el alumnado.
Palabras clave Estadística, alfabetización, competencia, cultura, profesorado.
Abstract In this paper we analyse the meaning of statistical literacy, competency and culture
nowadays used to describe the citizenry needs to effectively participate in the society and
economy. We present the International Statistical Literacy Project which mission is
promoting worldwide diffusion of the statistical literacy. Also, we describe the actions
done by the members of this project for the teachers, giving them: theoretical knowledge,
teaching resources and activities to promote statistical literacy between their students.
Keywords Statistics, literacy, competence, culture, teachers.
1. Introducción
Cada día la mayoría de la población española amanece pendiente de los datos económicos del
país: la evolución de la prima de riesgo, el IBEX 35, los datos del paro,…Todos ellos son indicadores
estadísticos al alcance de cualquier ciudadano que esté conectado a Internet. Sin embargo, a pesar de
la ingente cantidad de información a la que puede acceder un ciudadano en la era de la Web 2.0, el
acceso a la misma no es suficiente para garantizar una participación efectiva en la sociedad y en la
economía (OECD, 2011). Se necesitan herramientas que permitan comprender, por una parte, el
significado matemático de estos indicadores y, por otra, la complejidad de sus repercusiones a nivel
mundial. Para ello, se debe ser proveer a los individuos del conocimiento, las destrezas y las
competencias necesarias que les permita participar activamente en las decisiones sociales, económicas
y políticas,… Estos nuevos retos curriculares deben entenderse desde una perspectiva sociocultural de
la educación matemática que rompa con la anquilosada visión positivista de la misma.
Ante esta realidad uno se cuestiona: ¿tienen los ciudadanos y adquiere el alumnado, a lo largo
de su escolarización, la cultura estadística necesaria para poder comprender e intervenir en la realidad
actual? Esta pregunta quedará abierta en este artículo ya que el objeto del mismo no es un ensayo
sobre cultura escolar sino la presentación del significado teórico los conceptos de alfabetización,

A. Serradó Bayés
competencia y cultura estadística, y también de las acciones que lleva a cabo el Proyecto Internacional
de Alfabetización Estadística (ISLP) para promover dicha alfabetización, a nivel global, en los
diferentes campos de producción, consumo y comunicación de datos estadísticos, y la presentación,
detallada, de las destinadas al profesorado.
2. Alfabetización, competencia y cultura
Las nociones de alfabetización, competencia y cultura estadística surgen de las disquisiciones en

torno al significado de la noción de alfabetización. La presentación de dicha noción se realiza desde
una perspectiva histórica que permitirá entender el por qué de la misma y como ha evolucionado para
atender las necesidades culturales, sociales y políticas de las personas.
2.1. Evolución histórica de la noción de alfabetización
La Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura utiliza por
primera vez el término alfabetización en 1951, refiriéndose a una persona considerada “alfabeta si es
capaz de leer y escribir, comprendiendo, una breve y sencilla exposición de hechos relativos a su vida
cotidiana” (UNESCO, 1997, p. 123). Esta definición ha ocasionado numerosos debates al intentar dar
respuesta a para qué alfabetizar, a quién alfabetizar y cómo evaluar y cuantificar quién es alfabeto, o
dicotómicamente, analfabeto.
De dichos debates se concluye que es un criterio mínimo y funcional, expresado en términos de

las circunstancias personales (Triebel, 2005). Este mismo autor analiza la insuficiencia de la misma en
cuanto no hace referencia a las necesidades de actuación de la persona alfabeta en un grupo o
comunidad, “que le permitan seguir valiéndose de la lectura, la escritura y la aritmética al servicio de

su propio desarrollo y del desarrollo de la comunidad” (UNESCO, 1978, p. 18). Esta insuficiencia es
consecuencia de considerar que el tipo y el nivel de alfabetización funcional varía y depende del
entorno y del contexto de cada sociedad o comunidad en un momento concreto, e implica una
definición de la cultura como “identidad colectiva” de forma más general (Lind, 2008).
Desde 1978 las necesidades sociales, la pluralidad de contextos, lenguajes y usos han variado y,
en consecuencia, ha surgido el concepto de “alfabetizaciones” (científica, digital, emocional,…),
siendo muchas de estas alfabetizaciones necesarias para la intervención en la vida actual. La
UNESCO, consiente de los cambios sociales acontecidos y de las necesidades personales actuales,
redefine la alfabetización como: “la habilidad de identificar, comprender, interpretar, crear,
comunicar y computar, usando materiales impresos y escritos en diversos contextos” (UNESCO,
2005, p. 21).
Con la misma se pone de manifiesto que la alfabetización implica un continuo en el aprendizaje

que otorga a los individuos la consecución de sus objetivos, desarrollar su conocimiento y potencial, y
participar plenamente en comunidad y en sociedad. Este proceso continuo de aprendizaje tiene lugar
tanto fuera como dentro de la escuela durante la escolarización obligatoria o en cursos de
alfabetización para adultos (Lind, 2008). Dicha noción ha evolucionado de forma paralela al
incremento de los conocimientos, habilidades o destrezas mínimos que necesitan las personas para
enfrentarse a situaciones cotidianas. Pero si se solicita que estas personas se enfrenten a demandas
complejas, apoyándose en y/o movilizando recursos psicosociales (incluyendo destrezas y actitudes),
entonces se habla de personas no se habla de personas alfabetas sino competentes.
La distinción de ambas nociones, alfabetización y competencia, es producto de los trabajos

realizados por Rychen & Salganik (2001) al Definir y Seleccionar las Competencias Clave (DeSeCo).

A. Serradó Bayés
Así pues, la noción de competencia respecto a la de alfabetización supone la integración de las

habilidades, prácticas, conocimientos, motivaciones, valores éticos, actitudes, emociones y otros
componentes sociales y de comportamiento que se movilizan conjuntamente para lograr una actuación
eficaz (MEC, 2006), que diferirán en función de competencia básica.
En particular, la competencia matemática se define en los documentos oficiales españoles como:
“la habilidad para utilizar y relacionar los números, sus operaciones básicas, los símbolos y las
formas de expresión y razonamiento matemático, tanto para producir e interpretar distintos tipos de
información, como para ampliar el conocimiento sobre aspectos cuantitativos y espaciales de la
realidad, y para resolver problemas relacionados con la vida cotidiana y con el mundo laboral”
(MEC, 2006, p. 686). Esta definición de carácter semántico tiene como referencia los elementos
asociados al currículum, destacando la importancia de los números, sesgada en cuanto al desarrollo de
destrezas, disposiciones del alumnado e importancia de los diferentes bloques de contenido
(Cardeñoso & Serradó, 2006). La importancia que adquiere la numeración es producto del papel que
ha adquirido la aritmética desde las primeras ordenaciones curriculares basadas en la descripción de
las necesidades mínimas de alfabetización de la sociedad.
2.2. Alfabetización cuantitativa, numeración, tecno-alfabetización matemática
La consideración de los números en su forma escrita, promovió que en la definición de

alfabetización de 1978 se introdujese la aritmética. Su inclusión supone que para ser alfabetizado se
deben tener los conocimientos y las destrezas necesarias para aplicar las operaciones aritméticas,
aisladamente o de forma secuencial, a números insertados en materiales impresos, como el balance de
un registro de entradas y salidas, la comprensión de un consejo, el rellenado de impresos, o la
determinación del interés de una hipoteca encontrada en un anuncio. Estos conocimientos y destrezas
pasaron a llamarse alfabetización cuantitativa, utilizándose en los estudios sobre alfabetización adulta
hasta el año 1998. A partir de este año, se utiliza el concepto de numeración que se define como: “el
conocimiento y destrezas que se requieren para una gestión y respuesta efectiva de las demandas
matemáticas en diversas situaciones” (OECD, Statistics Canada, 2011, p. 146).
Las demandas actuales están afectadas por un mundo dominado por la tecnología digital, que
hacen que en muchos casos las matemáticas se tornen invisibles, escondidas tras sistemas integrados
como: las hojas de cálculo, los cajeros automáticos, las líneas de producción automática…Tanto
automatismo hace cuestionarnos si cada vez necesitamos menos matemáticas. O, por el contrario, si
cada vez necesitamos más, ya que nos convertimos en dependientes de la información cuantitativa y
de los modelos matemáticos que debemos comprender (Gravemeijer, 2012). Si creemos que cada vez
necesitamos menos, damos lugar a pensar que los ciudadanos se están tornando en consumidores de
matemáticas (Levy & Murnane, 2006), debido a que se espera de éstos que tomen las decisiones en
base de la información de salida de los sistemas digitales que usan, pero que no realicen los cálculos,
volviéndose vulnerables los juicios que deban realizar asociados a ellos.
Esta realidad dificulta el establecimiento de qué matemáticas necesita aprender el alumnado

actual para poder llegar a ser, como mínimo, “consumidores de matemáticas”. Es más, al intentar
establecer los objetivos de aprendizaje en este caso, se observa que las matemáticas utilizadas en los
lugares de trabajo actuales son extraordinariamente diferentes de las matemáticas tradicionales
(Hoyles, Noss, Kent, & Bakker, 2010). Estos autores, con el fin de describir las matemáticas
necesarias en los lugares de trabajo, acuñaron el término alfabetizaciones techno-matemáticas que
definen “como las combinaciones de matemáticas, tecnologías de la información y competencias
específicas del lugar de trabajo que demandan una habilidad para tratar con modelos y tomar
decisiones basadas en la interpretación de información abstracta” (Kent, Bakker, Hoyles, & Noss,
2005, p. 1). Información abstracta como la que presentábamos en la introducción de este artículo

A. Serradó Bayés
relacionada con indicadores estadísticos y económicos. El debate actual a nivel educativo se está
centrando en discernir si dichos conocimientos deben ser requerimientos para ser estadísticamente
alfabetos o por el contario son competencias profesionales propias de ciertos trabajos. En ambos casos
estamos hablando de las necesidades de los adultos.
2.3. Alfabetización, competencia y cultura estadística
Estas necesidades estadísticas de los adultos han estado ampliamente estudiadas desde el año
2002. Año en que Iddo Gal introdujo la definición de alfabetización estadística, especificando: “que se
refiere a dos componentes interrelacionados:
a. capacidad para interpretar y evaluar críticamente la información, los argumentos

apoyados en datos o los fenómenos estocásticos que las personas pueden encontrar en
diversos contextos, incluyendo los medios de comunicación, pero no limitándose a ellos,
b. capacidad para discutir o comunicar sus opiniones respecto a tales informaciones
estadísticas cuando sea relevante” (Gal, 2002, p. 2)
Al igual que la noción de alfabetización se caracteriza por dos rasgos definitorios que son el
contexto social y el uso individual. La caracterización dependiendo del contexto social está
relacionada con la noción de alfabetización funcional del adulto, al considerar que esta varía y
depende del entorno y del contexto de cada sociedad o comunidad en un momento concreto. No sólo
tiene en cuenta los conocimientos y destrezas que necesitan poner en juego los adultos para
enfrentarse a la información estadística, sino que tiene también en cuenta las disposiciones de los
mismos, sus creencias, actitudes; priorizando la actitud crítica (Rumsey, 2002).
Definición que permite a Gal separar a los adultos alfabetizados en dos grupos: los productores
de datos (que están implicados en la producción y el análisis de los datos) y los consumidores (que
participan en la lectura, escucha o visualización de datos estadísticos y las interpretaciones que de
ellos se dan). Esta caracterización de “consumidor estadístico” coincide con el del “consumidor de las
matemáticas”, descrita con anterioridad, enfatizando el carácter pasivo de la actuación ante la
producción y análisis de datos. Pasividad que no se refiere a la puesta en juego de capacidades
definición, discusión y comunicación de lo opinado de forma crítica de la interpretación y análisis de
lo leído, sino que se refiere a la comunicación de los datos ya producidos para que estos sean
consumidos por otros. Este sería el caso de los periodistas, sociólogos o psicólogos, entre otros, que no
son productores de datos estadísticos, pero si consumidores que actúan bajo el fin de hacer llegar al
gran público sus interpretaciones sobre los mismos, ejercitando capacidades propias de comunicación
de datos estadísticos. La capacidad de comunicación y la inclusión de diferentes medios de
comunicación abren la puerta a un nuevo grupo social que tiene un lugar propio en las necesidades de
alfabetización estadística, que son los comunicadores estadísticos.
Los contextos sociales en los que se define la alfabetización permiten distinguir tres grupos de
personas en función de su uso, productor, consumidor o comunicador de datos. Pero, también deben
tenerse en cuenta la diversidad de cada uno de los individuos y su proceso continuo de aprendizaje. En
este sentido, la definición de Gal sobre la alfabetización estadística de los adultos tiene dos límites en
cuanto al tiempo (la edad de las personas) y el espacio (personas viviendo en zonas industrializadas)
(Watson, 2002). Esta autora analiza los límites en cuanto al tiempo, y los caracteriza en un continuo de
adquisición que pasa por tres niveles jerarquizados: a) una comprensión básica de la terminología
probabilística y estadística, b) una comprensión del lenguaje probabilístico y estadístico y los
conceptos cuando están insertados en el contexto de una discusión social amplia, y c) una actitud de
cuestionamiento en la que se pueda aplicar conceptos más sofisticados que contradigan las
afirmaciones realizadas sin fundamentación estadística adecuada (Watson, 1997).

A. Serradó Bayés
Estos trabajos, que son un referente clásico de investigación en Educación Estadística, se

complementan con los también básicos de Shamos (1995) sobre el conocimiento científico. Este autor
sugiere que la alfabetización científica se puede dividir en tres campos: cultural, funcional y
verdadero. La alfabetización cultural se refiere a la información objetiva necesaria para la lectura de
periódicos o revista e implica la memorización bastante más que la comprensión de los términos
científicos. Por el contrario, la alfabetización funcional y verdadera presupone la necesaria
comprensión de las ideas y teorías científicas en un nivel creciente de sofisticación.
Este aspecto cultural de la alfabetización estadística es el que tuvo en cuenta Batanero (2002) al
traducir el término anglosajón “statistical literacy” por “cultura estadística”, en lugar de
“alfabetización estadística. Usando las palabras de la autora el término cultura estadística “quiere
resaltar el hecho de que la estadística se considera hoy en día como parte de la herencia cultural
necesaria para el ciudadano educado” (Batanero, 2002, p. 2). La traducción del término de
alfabetización estadística por cultura estadística es una restricción asociada a una visión histórica de
dicha noción que difiere de la caracterización estructural de la misma. La cultura desde un punto de
vista estructural consiste en ideas, símbolos o comportamientos, modelados, pautados e
interrelacionados caracterizados por una visión multidimensional propios de los diferentes grupos
sociales y comunidades.
En consonancia con esta visión estructural de la cultura, en este artículo traducimos el término
“statistical literacy” como alfabetización estadística. Esta traducción hace referencia a una perspectiva
multidimensional del término alfabetización en que se tienen en cuenta las diferencias individuales de
los sujetos en un proceso continuo de aprender a aprender (desde el nivel escolar hasta las necesidades
como adultos), que permite la adquisición de un nivel creciente de sofisticación. Esta visión también la
comparten Naya, Ríos y Zapata (2012) al analizar la situación actual de la estadística iberoamericana a
nivel preuniversitario.
Esta traducción se refiere también a la visión multidimensional de la alfabetización estadística
asociada al uso que realicen de los datos los diversos grupos sociales. Los trabajos de Kent, Bakker,
Hoyles, & Noss (2005) sobre las alfabetizaciones techno-matemáticas les han permitido identificar las
prácticas matemáticas y estadísticas que están presentes en varios sectores industriales, subrayando la
importancia de la lectura de tablas y gráficos, la identificación y medida de variables claves,
razonando sobre modelos en términos de las relaciones entre variables y representando e interpretando
datos, que supone mucho más que un aspecto puramente estadístico.
Milo Schield, teniendo en cuenta las necesidades descritas con anterioridad, redefinió el
concepto de alfabetización estadística, describiendo quienes son los usuarios de la misma: “la
alfabetización estadística es la habilidad de leer e interpretar resúmenes estadísticos en los medios
cotidianos: en gráficos, tablas, afirmaciones y ensayos. La alfabetización estadística es la necesaria
para los consumidores de datos (Schield, 2010, p. 140)”. Este autor también define la noción de
competencia estadística “como la habilidad de producir, analizar y resumir estadísticas detalladas en
estadísticas y estudios” (Schield, 2010, p. 140). La competencia estadística es necesaria para los
productores de datos.
Después de más de diez años de debate en torno a la noción de alfabetización estadística se

concluye que es mucho más que aplicar estadística mecánicamente, es la habilidad de leer e interpretar
de forma crítica datos y usar la estadística como evidencia en contextos cotidianos o profesionales
(Ridway, Nicholson, & McCusker, 2011).
Distinguen claramente las necesidades de los productores y consumidores de información

estadística. En la distinción de productores y consumidores se encuentra una gran diversidad de grupos

A. Serradó Bayés
que tienen objetivos, puntos de vista y expectativas comunes sobre la información estadística y los
canales de distribución tradicionales. Muchos de estos canales tradicionales de distribución de la
información estadística se han vuelto obsoletos, surgiendo nuevas formas y foros de comunicación
dónde se mezclan diferentes niveles de productores y consumidores de datos, canales y métodos
estadísticos que difieren según el grupo: la comunidad científica, las diferentes profesiones, la
administración pública, los políticos, los mercados, la sociedad, la cultura, la educación y la ciencia
(Helenius, 2010).
Esta visión global de las necesidades actuales de la estadística son un referente para establecer
las actuaciones del Proyecto Internacional de Alfabetización Estadística (ISLP)
3. El Proyecto Internacional de Alfabetización Estadística (ISLP)
El Proyecto Internacional de Alfabetización Estadística (ISLP), dependiente de la Asociación

Internacional de Educación Estadística (IASE)1 y del Instituto Estadístico Internacional (ISI)2 tiene
como misión: apoyar, crear y participar en actividades de alfabetización estadística y promoverlas
alrededor del mundo para jóvenes y adultos en todos los ámbitos de la vida. Esta misión se ha ido
concretando a partir del análisis de las necesidades detectadas en la sociedad desde sus inicios en
1994.
3.1. Evolución histórica del ISLP
En el año 1994, cuando en la UNESCO se realizaban estudios prospectivos sobre los niveles de
alfabetización funcional, en general, y sobre alfabetización cuantitativa en particular, el comité
ejecutivo del Instituto Estadístico Internacional (ISI) crea el “World Numeracy Program. Dicho
comité tenía por objetivo la difusión de las habilidades cuantitativas alrededor del mundo en aquellas
áreas de población (especialmente en zonas desfavorecidas y entre los jóvenes) que pudiesen
beneficiarse de un mayor conocimiento de los números y sus aplicaciones, y con una consideración
especial hacia la enseñanza de la estadística.
El World Numeracy Program (WNP) inició una serie de proyectos o subproyectos como fueron
la promoción de programas nacionales de numeración o de series de televisión, la realización de un
estudio sobre los esfuerzos de formación internacional y nacional en el campo de la estadística,
certificaciones para los estadísticos, un glosario multilingüe de términos, un registro de estándares
estadísticos como los que se habían empezado a realizar por parte de la NCTM para matemáticas con
el fin de aportar recursos para la enseñanza de la estadística. Tal fin no se consiguió y se consideró que
el WNP debía pasar a formar parte del IASE. El cambio de adscripción de la asociación supuso:
otorgarle un mayor papel a la formación, analizar quiénes eran los consumidores finales (alumnado,
adultos, políticos, administradores) e intermediarios (profesores, periodistas, libreros,…) y sus
necesidades, y romper con la idea de alfabetización cuantitativa inicial o numeración y aceptar la
noción de alfabetización estadística (Sánchez, 2010). Como consecuencia de este cambio de
paradigma, en 2002 el WNP pasa a llamarse ISLP (Proyecto Internacional de Alfabetización
Estadística).
1
IASE es una organización internacional para la educación estadística, que tiene por objetivo mejorar la
educación estadística en todos los niveles educativos a través de la formación de profesionales y el incremento
de la aceptación mundial de la educación estadística (http://www.stat.auckland.ac.nz/~iase/)
2
ISI es una organización no gubernamental sin fines de lucro con estatus consultivo en las Naciones Unidas,
cuyo objetivo es estar presente entre los estadísticos y aquellas personas u organismos interesados en la
estadística (http://www.isi-web.org/). Se organiza en siete asociaciones especializadas, siendo el IASE una de ellas.

A. Serradó Bayés
A su vez, el cambio de adscripción supuso la creación de un Consejo Consultivo. De entre los

miembros de este consejo, destacamos a Iddo Gal, por su aportación a la clarificación de la noción de
alfabetización estadística; Carmen Batanero, en ese momento presidenta del IASE, por la difusión de
la noción de cultura estadística en el contexto iberoamericano y Carol Blumberg, como directora del
WNP, promotora de la creación de la primera página Web con recursos para mejorar el desarrollo de
la alfabetización estadística y acercarlos, entre otros, al profesorado para mejorar su práctica docente.
Tras unos años donde el trabajo del proyecto se centro en recopilar materiales relacionados con
la formación, en el año 2007 se retoman las ideas iniciales de la importancia de la actuación directa del
ISLP en el desarrollo de la alfabetización estadística. Este cambio de perspectiva surge con la
nominación de un nuevo director del proyecto, Juana Sánchez, marcándose y ejecutando cuatro líneas
de acción diferentes:
1. El cambio de la antigua página Web por una Wiki

http://www.stat.auckland.ac.nz/~iase/islp/home
2. Retomando el objetivo del WNP de promocionar programas de alfabetización estadística en
un número creciente de países, en cooperación con las administraciones de cada país.
Aunque el objetivo ha sido común, la estrategia ha diferido.
3. Promocionando la publicación de recursos internacionales vía el uso de las nuevas
tecnologías como: libros electrónicos o boletines. Destacamos el boletín “Newsletter of the
ISLP” que se publica con carácter bianual desde el año 2008. En él se publican las noticias
de las acciones llevadas a cabo, en general, por el Comité ejecutivo del ISLP y, en
particular, las acciones llevadas a cabo en cada uno de los países, que recopilan los
coordinadores nacionales. España ha tenido varias aportaciones al Newsletter de las cuales
destacamos la presentación a la comunidad internacional de las acciones llevadas a cabo por
el Instituto Andaluz de Estadística3, Aprenestadistica.gencat.cat y Divestadistica4.
Esperemos que en próximos números se pueda presentar las acciones de los otros institutos
de estadística, como el Instituto Canario de Estadística5
4. Usando la Wiki como vehículo de comunicación de las actividades del ISLP, como son la
participación española en la Competición Internacional llevada a cabo en Durban en el año
2009 y la fase nacional de la Competición de Pósters de 2011.
Desde el año 2007 la mayor estrategia de mejorar la alfabetización estadística ha sido las
Competiciones Internacionales dirigidas al alumnado de Educación Secundaria Obligatoria y
Postobligatoria. Las acciones para los años 2009 a 2013 están relacionadas con la extensión de la
enseñanza de la alfabetización estadística a otros grupos (Helenius, 2010), actual directora del ISLP:
los ciudadanos y los medios, las instituciones educativas, las universidades y centros de investigación,
los administradores, los bibliotecarios y las agencias nacionales. El ISLP se ha fijado como estrategia
analizar para cada uno de los grupos: los objetivos y niveles de requerimientos en relación con la
alfabetización estadística, los ejemplos de las mejores prácticas sobre alfabetización estadística que
podría ser usada o aplicada en los diferentes países y las sugerencias sobre nuevos modelos operativos
o actividades que podrían empezar los países miembros a partir de sus coordinadores nacionales o por
el mismo Comité Ejecutivo del ISLP. Uno de los principales objetivos del ISLP ha sido ampliar su
extensión a países de los cuatro continentes, participando actualmente 73 países (Figura 1).
3
El Instituto Andaluz de Estadística habla a los profesores de matemáticas de Andalucía. ISLP Newsletter,
September-October, 2008. (http://www.stat.auckland.ac.nz/~iase/islp/newsletter-v-1)
4
Aprenestadistica.gencat.cat y Divestadistica. ISLP Newsletter 1(5) August, 2012
(http://www.stat.auckland.ac.nz/~iase/islp/newsletter-v-5)
5
ISTAC, Instituto Canario de Estadística ( ) en convenio con la Sociedad Canaria de Profesores de Matemáticas
editora de la revista Números.

A. Serradó Bayés
Desde sus inicios ha crecido, también, el número de personas que colaboran desinteresadamente
en él, pasando de cinco personas que formaban el comité del WNP a los 104 miembros actuales,
organizados en el Comité Ejecutivo, Consultores y Coordinadores Nacionales6. Entre las acciones
encomendadas a los coordinadores nacionales está la difusión del proyecto a nivel nacional,
analizando las necesidades de cada uno de los grupos a los que va dirigido el ISLP. Así pues, el
objetivo de este artículo es difundir el ISLP entre el profesorado de Educación Primaria y Secundaria,
y además animar a participar en las actividades que en él se planifican. Para ello, la siguiente sección
se organiza con el fin de presentar los recursos albergados en la Wiki del ISLP y las acciones
propuestas para los próximos años.
Figura 1. Clúster de visitantes
4. Recursos y acciones del ISLP para el profesorado
Uno de los principales objetivos del ISLP ha sido recopilar y crear aquellos recursos
relacionados con la alfabetización estadística que fuesen de utilidad para los grupos a los que va
dirigida sus acciones. Los recursos para el profesorado se refieren a conceptos generales sobre
alfabetización estadística y a la enseñanza y aprendizaje. En primer lugar, se presentan los recursos
sobre alfabetización estadística.
4.1. Recursos sobre alfabetización estadística
Los recursos sobre alfabetización estadística son documentos o referencias de utilidad para
ahondar en el significado del término y su evaluación.
Definiciones de alfabetización estadística
La sección definiciones de alfabetización estadística es un compendio de la descripción de los

términos, que se refieren a tres tipos de fuentes:
6
Red de cooperación del ISLP: http://www.stat.auckland.ac.nz/~iase/islp/people

A. Serradó Bayés
• La descripción de los usos del término numeración en el Diccionario Inglés Oxford, que van
desde el año 1959 hasta el 1972.
• Los informes y documentos curriculares que describen su uso a nivel educativo. Se destacan el
informe Cockford de 1982 y el ASA GAISE Report, currículum americano.
• Los artículos y libros que caracterizan la alfabetización estadística de Iddo Gal, Milo Schield,
Deborah Rumsey, Jane M. Watson, cuyas referencias pueden encontrarse al final del
artículo.
Artículos y libros de investigación sobre alfabetización estadística
Incluye una colección de artículos que abarcan el periodo de 2002 hasta la actualidad que
presentan avances de investigación en la alfabetización estadística y sus relaciones con el
razonamiento y el pensamiento estadístico. Entre ellos destacamos los artículos:
• “Los retos de la cultura estadística” de Carmen Batanero (2002) por la influencia que ha
tenido en el contexto iberoamericano.
• “Statistical Literacy: Meanings, Components, and Responsabilities” de Iddo Gal (2002) por
las reflexiones en torno a la alfabetización estadística de adultos.
• “Mathematics and Democracy: The Case for Quantitative Literacy” de Lynn A. Steen (2001)
Diccionarios y glosarios de términos estadísticos
Uno de los primeros retos del comité del WNP fue la elaboración de un glosario de términos
estadísticos que favoreciese el aprendizaje de los mismos. Desde ese momento se han ido elaborando
desde diferentes instituciones con finalidades diferentes. Destacamos el:
• “Glosario Multilíngüe de Términos Estadísticos de ISI” que puede encontrarse en
http://isi.cbs.nl/glossary.htm. El glosario contiene traducciones de aproximadamente 3000
términos estadísticos a 19 idiomas, que incluye español, catalán, euskera, portugués. Este
glosario puede ser de gran utilidad para centros bilingües su agilidad, al ser una herramienta
TIC, y su adecuación, al haber sido elaborado por especialistas internacionales en
Estadística.
• El “Glosario de términos estadísticos de la Universidad Romullo Gallegos” en español con
traducciones al inglés y francés, que incluye breves definiciones y ejemplos de los términos.
Se puede acceder a él desde http://web.cortland.edu/flteach/stats/glos-sp.html
Los recursos descritos anteriormente pueden ser de utilidad para cualquier persona interesada en
la estadística y su alfabetización, incluyendo entre ellos al profesorado. Al ser el profesorado uno de
los grupos prioritarios dentro del ISLP, se seleccionaron recursos con el fin de dar a conocer las
mejores prácticas en la enseñanza y aprendizaje para la alfabetización estadística.
4.2. Recursos para la enseñanza y aprendizaje de la estadística
En la actualidad los recursos están clasificados según si van dirigidos al profesorado o a su

formación inicial y permanente, a los educadores, alumnado y adultos.
Actividades, unidades o proyectos a disposición del profesorado
En esta categoría se incluyen recursos on-line para que los profesores puedan usarlos
directamente en sus aulas o les sirvan para mejorar sus conocimientos sobre estadística. Encontramos

A. Serradó Bayés
Diseños Curriculares de varios países y recursos organizados por etapas educativas. Entre ellos
destacamos por su importancia y reconocimiento internacional:
• GAISE: “Orientaciones para la evaluación y enseñanza de la Educación Estadística” del

NCTM (National Council of Teachers of Mathematics) and ASA (American Statistical

Association). Dicho documento se puede encontrar en
http://www.amstat.org/education/gaise/ y es un referente en la evaluación del desarrollo de la
competencia estadística desde los niveles de Educación Primaria hasta Secundaria
Obligatoria.
• Adventures in Statistics: Es una página Web que alberga un proyecto estadístico para alumnos
de 5º de Educación Primaria para realizar dentro del entorno escolar, que incorpora medidas,
gráficos, cálculos, análisis de datos y comunicación de los resultados
http://mathforum.org/trscavo/statistics.html. Estas actividades están albergadas en
mathforum que recoge esta y otras actividades para desarrollar la competencia estadística.
• CensusAtSchool (http://www.censusatschool.com/) es un proyecto internacional, básicamente
de habla inglesa, que desde el año 2000, recoge datos reales producto de encuestas con
escolares, que pueden acceder a los mismos para realizar estudios estadísticos adecuados a
su edad.
• El National Council of Teachers of Mathematics (NCTM) tiene en su página Web
http://illuminations.nctm.org/ unidades didácticas para la enseñanza de los contenidos
estadísticos.
• La organización PBS (Public Bradcasting Service) en su sección para profesores recoge
multitud de proyectos de todos los bloques de contenidos con sus guías didácticas para que el
alumnado pueda usar sus conocimientos estadísticos en diferentes contextos como el
marketing, las encuestas, los mercados financieros. La información se puede encontrar en
http://www.pbs.org/teachers
Simulaciones, demostraciones que facilitan la enseñanza
• Rice Virtual Lab in Statistics (http://onlinestatbook.com/rvls.html) contiene un libro on-line

sobre estadística, simulaciones, vídeos, demostraciones con java, estudios de casos, y
herramientas para el análisis estadístico.
• Smart Centre Sample Visualisations (http://www.dur.ac.uk/smart.centre/freeware/) ha
desarrollado herramientas innovadoras preparadas para la visualización con Macromedia
Flash, que permiten el uso de interfaces para trabajar con datos multi-dimensionales.
• SOCR (Statistics Online Computational Resource, http://www.socr.ucla.edu/) aporta
herramientas en línea para la educación estadística, probabilidad y tecnología que incluye un
repositorio de applets interactivos y herramientas gráficas, junto con sus materiales para la
enseñanza.
• Virtual Laboratories in Probability and Statistics (http://www.math.uah.edu/stat/), consiste en
un conjunto integrado de componentes que incluye material con explicaciones, ejercicios de
papel y lápiz, simulaciones y ejercicios para el análisis de datos.
Formación permanente del profesorado
De los múltiples recursos recogidos en el ISLP dirigidos a la formación permanente del

profesorado, escogemos los aportados por el Grupo de Investigación en Educación Estadística de la
Universidad de Granada por ser un referente para los países iberoamericanos
(http://www.ugr.es/~batanero/)

A. Serradó Bayés
Evaluación de la alfabetización estadística
Esta sección del ISLP recoge recursos que favorecen la evaluación de la alfabetización
estadística de escolares y adultos. Entre ellos destacamos el Programa para la Evaluación Internacional
de las Competencias de los Adultos:
(PIACC, http://www.oecd.org/general/piaacprogrammefortheinternationalassessmentofadultcompetencies.htm)
por su relación con el programa para escolares PISA, y el proyecto ARTIST:
(https://apps3.cehd.umn.edu/artist/publications.html)
que incluye una serie de recursos para la evaluación de la alfabetización estadística.
La página web del proyecto ISLP contiene muchísimos más enlaces que los destacados en este
artículo. La mayoría de materiales que promueven la alfabetización estadística son en inglés. Los
materiales, que tradicionalmente encontramos en el contexto español, fomentan el desarrollo de la
numeración o alfabetización estadística al solicitar al alumnado, básicamente, calcular parámetros o
representar gráficamente datos, propuestos por otros, con el estudio de variables aisladas (Arteaga,
Batanero, Cañadas, & Contreras, 2011). En cambio, adolecen de proponer cuestiones que supongan la
interpretación de gráficos y tablas para el desarrollo de la alfabetización estadística, y aún menos la
producción de datos y su análisis para el desarrollo de la competencia estadística.
4.3. Acciones del ISLP para fomentar la Alfabetización Estadística
En este momento el Proyecto está llevando a cabo básicamente dos acciones para fomentar la
Alfabetización Estadística a Nivel internacional: la organización del reconocimiento al mejor proyecto
cooperativo para la alfabetización estadística y la organización de la Competición de Pósteres.
Premio al Mejor Proyecto Cooperativo
Cada dos años, en reconocimiento a los proyectos de alfabetización estadística más
excepcionales, innovadores e influyentes dirigidos a un segmento del público general y que son fruto
de la cooperación de diferentes instituciones, el IASE/ISLP otorga una mención al “Mejor Proyecto
Cooperativo”. Los proyectos candidatos al premio deben cumplir las siguientes características: (a)
estar en activo y tener potencial para continuar así en el futuro, (b) acceso libre a los recursos del
proyecto y su inscripción, (c) educa en los conceptos de la teoría estadística y el análisis de datos, y su
uso en el desarrollo de información sobre los países y las sociedades, con una aplicación en el amplio
espectro de las disciplinas y áreas de la sociedad, teniendo en cuenta las técnicas de manejo de datos,
experimentación y los métodos gráficos, (d) tiene contenidos adecuados a nivel pedagógico para una
audiencia general (adultos y jóvenes, los medios de comunicación y estadísticos profesionales,
profesorado y alumnado, las ciencias sociales y naturales, (e) involucra dos o más instituciones que
habitualmente no trabajarían cooperativamente, (f) es atractivo para la audiencia en general, (g) tiene
archivos ampliamente disponibles, (h) tiene un alcance internacional y hace un uso creativo de los
recursos disponibles.
En el año 2009, el proyecto EarlyStatistics (http://www.earlystatistics.net/ ) en el que

colaboraba la Universidad de Cádiz, recibió conjuntamente con MathStats el “Premio al Mejor
Proyecto Cooperativo”. EarlyStatistics es un innovador programa de desarrollo profesional para la
enseñanza y aprendizaje del razonamiento estadístico en los niveles de Educación Primaria y
Secundaria. España, también, ha participado en las diferentes Competiciones Internacionales de
Alfabetización Estadística dirigidas al alumnado.

A. Serradó Bayés
Competiciones Internacionales de Alfabetización Estadística
Mientras que en Matemáticas ha habido una gran tradición de competiciones entre el alumnado,
como por ejemplo las Olimpiadas, esta tradición no existe en Estadística. Si analizamos las relaciones
de los problemas de las Olimpiadas Matemáticas observamos que raramente, por no decir nunca,
incluyen estadística. Los problemas de las Olimpiadas no requieren conocimientos especiales de
Matemáticas, por el contrario se intenta que para resolverlos el alumno deba utilizar la capacidad de
raciocinio, la habilidad de enfrentarse a situaciones nuevas y una cierta dosis de lo que
tradicionalmente se conoce por idea feliz. Mientras que la estadística requiere de un entorno
experimental donde se analicen datos con el uso de tecnologías de la información para responder a
preguntas relevantes para la vida diaria. Por eso, desde el ISLP se concluyó la necesidad de organizar
Competiciones de Alfabetización Estadística con el fin de identificar qué alumnos/as y qué escuelas
ofrecían ejemplos de las mejores prácticas a nivel mundial (Sánchez, 2010). Desde el año 2007, el
ISLP organiza una competición con el fin de reunir a alumnado y profesorado de diferentes países
interesados en la Estadística. La Competición ha pasado por diferentes fases desde sus inicios
(Serradó, 2011):
• Competición Piloto en Portugal, 2007: que se organizó de forma similar al juego “¿Quiere ser
millonario?, que se llamó “¿Quiere ser un entendido en Estadística?”
• Primera Competición Internacional de Alfabetización Estadística, 2009: con tres fases y cinco
idiomas diferentes. Una primera fase, a nivel escolar, en la que se establecía un mínimo
internacional. Una segunda fase, a nivel nacional, clasificando a los ganadores según tres
franjas de edad. Una tercera fase, internacional, organizada conjuntamente entre ISIBALO,
ISI y ISLP. Durante la fase internacional los alumnos se enfrentaron a tres pruebas: “¿quiero
ser un entendido en Estadística?” compitiendo entre países, una prueba individual de
razonamiento y pensamiento estadístico y la elaboración de un Póster.
• Primera Competición de Pósteres del ISLP, 2011: con dos categorías de alumnos que
presentaron su póster en la sesión 58 del Congreso Mundial de Estadística del ISI que se
celebró en Dublín.
Después de esta Primera Competición de Pósteres, el Comité Ejecutivo y Consultivo del ISLP
consideró que este tipo de competición era la más adecuada para conseguir los objetivos de
alfabetización del Proyecto. Ya que los pósteres son una forma interesante de: trabajar en equipo,
investigar cuestiones a partir de datos reales, usar cálculos y gráficas, interpretar resultados
estadísticos y desarrollar habilidades de comunicación escrita. Con la realización del póster se quiere
demostrar la competencia del alumnado como productores, consumidores y comunicadores de datos.
Para ello se pide al alumnado que se organice en grupos de dos o tres estudiantes, clasificados en dos
categorías, Educación Secundaria Obligatoria y Postobligatoria. Los tópicos de los pósteres pueden
variar dentro del tema general de la “Agricultura”, usando datos recogidos por el alumnado o
previamente publicados en el idioma que crean oportuno.
Al igual que las Olimpiadas Matemáticas, el alumnado participante debe ser abalado por un
profesor/a y por un centro educativo. Sin embargo, a diferencia de esta se puede elaborar el póster en
horario escolar o extraescolar. Para ello se aporta una guía con orientaciones sobre cómo realizar
dichos pósteres, ya que el alumnado de matemáticas español no está acostumbrado, en general, a este
tipo de presentaciones. Dicho póster se juzga en las fases escolares, nacionales e internacional
valorando la consecución de la competencia estadística a nivel de producción y comunicación de
datos, siguiendo los siguientes criterios:
• La claridad del mensaje, analizando la coherencia entre los objetivos propuestos, las preguntas
de la investigación, las hipótesis planteadas y los resultados y conclusiones obtenidas.

A. Serradó Bayés
• La adecuación de los datos, valorando si son apropiados para contestar a la pregunta de

investigación con una aplicación adecuada de métodos de recolección de datos.
• Las estrategias usadas para el análisis de datos y el establecimiento de conclusiones de forma
que los datos se analicen conforme a la pregunta o hipótesis de investigación, las
conclusiones se apoyen en los datos y exista un análisis de las limitaciones de la
investigación donde se sugieran mejoras para estudios futuros.
• La apropiación de los gráficos y tablas para exhibir y resumir los datos de forma que agreguen
información nueva al póster y tengan sus leyendas y explicaciones adecuadas.
• La realización del póster para que sea legible a dos metros y con un adecuado equilibrio entre
gráficos y texto.
• La creatividad de la pregunta de investigación, su interés a nivel social y su originalidad e
impacto visual.
La Competición de Pósteres se realiza bianualmente siguiendo una estructura de fase escolar,

nacional e internacional. En la fase internacional los pósteres son presentados en la sesión del ISI
correspondiente conjuntamente los elaborados por investigadores profesionales en el campo de la
Estadística. La información completa sobre la competición se puede encontrar en
http://www.stat.auckland.ac.nz/~iase/islp/competition-second#competition_materials_2012_2013.
5. Síntesis
La evolución de la noción de alfabetización estadística ha sido paralela al desarrollo de las

nociones de alfabetización cuantitativa, numeración y tecno-alfabetizaciones matemáticas, que
permiten describir los conocimientos mínimos de los ciudadanos para poder intervenir de forma
efectiva la sociedad de cada momento. Estas definiciones hacen referencia a los conocimientos del
individuo dentro de un grupo o sociedad, y a su vez, al desarrollo del individuo desde su edad escolar
hasta su edad adulta. La caracterización de estas nociones ha permitido distinguir la alfabetización
estadística de los términos competencia estadística y cultura estadística. Detrás de su distinción
subyace el uso que realiza de los datos estadísticos reales un individuo o un grupo social, permitiendo
distinguir entre productores, consumidores y comunicadores de datos.
Cada uno de estos grupos tiene un peso específico en el ISLP, que nació para comprender las
necesidades de numeración estadística y, que tiene como misión actual divulgar y promover la
alfabetización estadística. Para ello, desde el ISLP se seleccionan aquellos recursos internacionales
que sean un referente sobre como promover la alfabetización estadística. El profesorado puede acceder
a una ingente cantidad de recursos sobre la noción de alfabetización estadística, las investigaciones
llevadas a cabo, cuáles son las mejores prácticas y los materiales para su enseñanza, aprendizaje y para
el desarrollo profesional del docente. Además, el ISLP organiza dos acciones para reconocer cuáles
son las mejores prácticas que se desarrollan internacionalmente: el Mejor Proyecto de Cooperación y
la Competición de Pósteres Estadísticos.
Bibliografía
Arteaga, P., Batanero, C., Cañadas, G., & Contreras, J. M. (2011). Las Tablas y Gráficos Estadísticos
como Objetos Culturales. Números [en línea], 76. Recuperado el 15 de febrero de 2009, de
http://www.sinewton.org/numeros/.
Batanero, C. (2002). Los retos de la cultura estadística. de Conferencia inagural de las Jornadas
Interamericanas de la Enseñanza de la Estadística. Recuperado el 16 de julio de 2012, de
www.ugr.es/~batanero/ARTICULOS/CULTURA.pdf

A. Serradó Bayés
Cardeñoso, J. M., & Serradó, A. (2006). ¿Puedo adivinar qué idioma está hablando mi amigo con sólo
contar las vocales? Escenarios para el aprendizaje de la Estadística y la Probabilidad. En P. Flores,
R. Pozuelo, & R. Roa (eds.) Investigación en el aula de matemáticas. Estadística y azar, 279-301.
S.A.E.M. Thales y Universidad de Granada: Granada.
Gal, I. (2002). Adults' Statitistical Literacy: Meanings, Components, Responsabilidades. International

Statistical Review, 70 (1), 1-51.
Gravemeijer, K. (2012). Aiming for 21st. Century Skills. International Journal for Mathematics in
Education , 4 (Special Issue), 30-43.
Helenius, R. (2010). Improving Statistical Literacy by National and International Cooperation. En C.
Reading (Ed.), Data and context in statistics education: Towards and evidence-based society.
Proceedings of the Eight International Conference on Teaching Statistics (ICOTS8, July, 2010),
Ljubljna, Slovenia, 1-6. International Statistical Institute: Voorburg, The Netherlands.
Hoyles, C., Noss, R., Kent, P., & Bakker, A. (2010). Improving Mathematics at Work, The Need for
Techno-Mathematic Literacies. TLRP's (Improving Learning Series ed.). Routledge: New York.
Kent, P., Bakker, A., Hoyles, C., & Noss, R. (2005). Statistical Reasoning in the workplace: techno-
mathematical literacies and learning opportunities. British Society for Research into Learning
Mathematics Proceedings, 25 (2), 37-42.
Kent, P., Bakker, A., Hoyles, C., & Noss, R. (2005). Techno-mathematical literacies in the Workplace.
Mathematics, Statistics and OR Connections [en línea], 5 (1). Recuperado el 14 de septiembre de
2012, de http://www.mathstore.ac.uk/headocs/51technomaths.pdf
Levy, F., & Murnane, R. J. (2006). How Computerized Work and Globalization Shape Human Skill
Demands. IPC Working Paper Series, Industrial Performance Centre, Massachusetts Institute of
Technology: Massachussets.
Lind, A. (2008). Fundamentals of Educational Planning. París, Francia: UNESCO.
Naya, S., Ríos, M., & Zapata, L. (2012). La Estadística en la Enseñanza Preuniversitaria. La Gaceta de
la RSME , 15 (2), 355-368.
MEC. (2006). "Currículo y competencias básicas". 23 de marzo de 2006, Documento de Trabajo.

MEC. (2006). Real Decreto de contenidos mínimos para la ESO. . RD 1631/2006. (5), 677-773.
OECD. (2011). How's life? Measuring well-being. OECD Publishing.
http://dx.doi.org/10.1787/9789264121164-en.
OECD, Statistics Canada. (2011). Literacy for Life: Futher Results from the Adult Literacy and Life
Skills Survey. OECD Publishing [en línea]. Recuperado el 10 de septiembre de 2012, de
http://dx.doi.org/978964091269_en.
Rychen, D. S., & Salganik, L. H. (2001). Defining and Selecting Key Competencies. Göttingen,
Germany: Hogrefe & Huber.
Ridway, J., Nicholson, J., & McCusker, S. (2011). Developing Statistical Literacy in Students and
Teachers. En C. Batanero, G. Burril, & C. Reading, Teaching Statistics in School Mathematics-
Challenges for Teaching and Teacher Education (Vol. ICMI Study volume 14), 311-322 New
York: Springer.
Rumsey, D. J. (2002). Statistical literacy: Implications for teaching, research and practice.
International Statistical Review (70), 23-36.
Sánchez, J. (2010). The Millenium goals, National Statistical Offices, the International Statistical
Literacy Project and Statistical Literacy in Schools. UCLA Department of Statisitcs. Los Ángeles:
Statistics UCLA [en línea]. Recuperado el día 25 de septiembre de 2012, de
http://escholarship.org/uc/item/7x88n1nq.
Schield, M. (2010). Assessing Statistical Literacy: Take CARE. En P. Bidgood, N. Hunt, & F. Jolliffe
(eds.) Assessment Methods in Statistical Education: An International Perspective, 133-152. John
Wiley & Sons Inc: Chischester, Great Britain.
Serradó, A. (2011). El Proyecto Internacional de Alfabetización Estadística. Jornadas sobre el
Aprendizaje y la Enseñanza de las Matemáticas (XV JAEM). Gijón, España del 3 al 6 de julio.
Shamos, M. (1995). The myth of scientific literacy. New Brunswick, NJ: Rutgers University Press.

A. Serradó Bayés
Steen, L. A. (2001). Mathematics and Democracy: The Case for Quantitative Literacy. Princeton, NJ:
National Council on Education and the Disciplines.
Triebel, A. (2005). Literacy in Developed and Developing Countries. En N. Bascia, A. Cumming, A.
Datnow, K. Leithwood, & D. Livingstone (eds.) International Handbook of Educational Policy,
págs. 793-812. Springer: Great Britain
UNESCO. (1978). Actas de la Conferencia Anual [en línea]. Recuperado el 7 de septiembre de 2012,
de http://www.unesco.org/new/en/unesco/resources/publications/unesdoc-database/
UNESCO. (1997). 50 Years for Education [en línea]. Recuperado el día 7 de septiembre de 2012 de
http://www.unesco.org/education/educprog/50y/brochure/index.htm.
UNESCO. (2005). Aspects of Literacy Assessment: Topics and issues from the UNESCO Expert
Meeting [en línea]. Recuperado el 7 de septiembre de 2012, de
http://www.unesco.org/new/en/unesco/resources/publications/unesdoc-database/
Watson, J. M. (1997). Assessing Statistical Thinking Using the Media. En I. Gal, & J. Garfield (eds.)
The Assessment Challenge in Statistics Education, 107-121.: IOS Press and International Statistical
Institute: Amsterdam
Watson, J. M. (2002). Discussion: Statistical Literacy before Adulthood. International Statistical
Review , 70 (1), 26-30.
Ana Serradó Bayés, Colegio La Salle-Buen Consejo de Puerto Real (Cádiz), es doctora en Filosofía y
Ciencias de la Educación. Profesora de Educación Secundaria y ponente, nacional e internacional, de
cursos para la formación del profesorado, coordinadora de grupos de trabajo y formación de la Junta de
Andalucía, coordinadora española del “International Statistical Literacy Project”. Sus líneas de
investigación son: Tecnologías de Información y Comunicación, el Aprendizaje de la Estadística y el
Aprendizaje de las Matemáticas a través de la lectura.

ISSN: 1887-1984
M. Mercedes Suárez Rancel (Universidad de La Laguna. España)
Artículo solicitado a la autora por la revista
Resumen El objetivo de la aplicación de cualquier técnica estadística va a estar orientado siempre

hacia la mejora del nivel de eficiencia en la toma de decisiones. En este sentido, una
gestión óptima se caracterizará por una utilización racional y sensible de estos recursos,
tanto económicos como naturales será compatible con la maximización de beneficios.
Palabras clave Análisis de Datos, Estadística, Empresa-Universidad, Calidad, Cuadro de Mando.
Abstract The purpose of the application of any statistical technique will always be geared towards
improving the level of efficiency in decision-making. In this sense, optimal management
is characterized by a rational and sensible of these resources, both economic and natural
will be compatible with profit maximization
Keywords Data Analysis, Statistics, Business-University, Quality, Balanced Scorecard.
1. Introducción
Mejorar la conexión entre la Empresa y la Universidad, sigue siendo un objetivo latente en
nuestra sociedad. Existe en nuestro país un potencial de creatividad y conocimientos que no revierte en
el empresariado. Más concretamente, la enumeración de funciones que un matemático-estadístico
puede desarrollar en la empresa privada, es aún un trabajo más arduo. Es obvio, que la respuesta a
estas funciones no se encuentra en un Manual de Calidad ni en procedimientos de Recursos Humanos
donde se especifican los perfiles, las competencias y las habilidades de los trabajadores. La empresa y
los headhunters desconocen totalmente las capacidades del perfil. El sentimiento empresarial inicial,
está basado casi en exclusividad en prejuicios sobre los matemáticos-estadísticos, donde, como
alegóricamente relata Pestano (2001):
“Las matemáticas creen que si la realidad no se adapta a sus hipótesis y

ecuaciones, pues peor para ella”.
Por otro lado, la visión eminentemente cuantitativa de los estadísticos se ve reflejada en su

conceptualización de la economía especulativa residual, según Pulido (2000):
“en el sentido de que todo análisis que no siga procedimientos matemáticos,

que no emplee el análisis estadístico, o no se base en otros tipos de
información empírica recogida, puede considerarse como especulativo”

Ambas posturas han hecho que el encuentro colaborativo entre Empresa-Universidad sea un
tema sometido, en nuestros Sistemas de Gestión de Calidad, al ámbito de los objetivos ante la Mejora
Continua.
Sin embargo, más allá de las hipótesis y teoremas, una mente matemático-estadística, no sólo
nos induce a establecer nuevas modelizaciones en la resolución de problemas. Simplemente establece
una nueva forma de pensar y como consecuencia, proporciona un lenguaje más conciso y preciso,
agilizando el razonamiento y obligándonos a formular las hipótesis implícitas para la toma de
decisiones, de forma lógica sin contradicciones.
La finalidad de este artículo es comunicar, que no sólo se puede elaborar una lista interminable
de tareas específicas, sino que prácticamente podemos estar presentes en toda Toma de Decisiones de
forma eficaz.
”Si uno pregunta la solución de un problema, el conocimiento no permanece.

Es como si uno lo hubiera pedido prestado. En cambio, si lo piensa uno, es
como haberlo adquirido para siempre”. Paenza, (2011)
Para ello destacaría cuatro puntos fuertes de un matemático-estadístico: la búsqueda de la

verdad, la objetividad en la toma de decisiones, la resolución de problemas y en contra de lo
preestablecido: la intuición.
La revista Fortune (n.6, 1996), publicaba: “El informe Education

Industry Report de St. Cloud, Minnesota, presentó un índice de utilidades de
15 compañías que están buscando, de manera agresiva, empleados que
puedan manejar datos y aplicar el pensamiento analítico y estadístico básico a
problemas empresariales comunes. Se comparó el Índice de Evaluación de

Alerta en el Manejo de Datos (DMAA) con el Índice de la Asociación
Nacional de Cotizaciones Automatizadas de Agentes de Bolsa (NASDAQ).
Los resultados son evidentes. Los rendimientos de las empresas que contratan
gente que posee conocimientos básicos en estadística sobrepasan los de
empresas que no lo hacen. Existe un reconocimiento, por parte de un número
creciente de negocios, de la necesidad que tienen los gerentes efectivos de
tener conocimientos estadísticos....”
En este artículo, se enumerarán algunas tareas concretas que los estadísticos están o han estado
desarrollando en nuestras empresas canarias como son: Análisis de Datos en la Toma de Decisiones
(Cuadro de Mando), Análisis de Datos en los Sistemas de Gestión de Calidad y como consecuencia el
Análisis de Datos dentro de la Satisfacción del Cliente.
2. El Análisis de Datos como Herramienta de Poder
El desconocimiento de los Métodos Estadísticos, y el hecho de que la manera más habitual de

tener contacto con la estadística es a través de los medios de comunicación, hace que, Léon Walras, se
refiriese a los que huyen del enfoque estadístico, bajo justificación de los aspectos no cuantificables de
una ciencia social de la siguiente manera: Citado por Pulido (2000)
“En cuanto a aquellos que no saben nada de los Métodos Estadísticos, que no
saben lo que quieren decir los Métodos Estadísticos y aún así han tomado la
posición de que posiblemente no sirvan para elucidar principios económicos,
dejemos que sigan repitiendo que “la libertad humana nunca puede
expresarse en ecuaciones”. Sin embargo, No podrán impedir que la teoría de

la determinación de precios bajo libre competencia se modelice

estadísticamente”.
Es necesario dejar constancia del poder político y empresarial de los Métodos Estadísticos como
herramienta y el desconocimiento de los mismos. En ese sentido, se evalúan las Mejoras Continuas de
las empresas y los resultados de satisfacción con los sistemas políticos. Los Análisis de Datos sobre
los resultados económicos de una empresa así como los Planes Estratégicos hacen que el
desconocimiento de estos análisis puedan ser utilizados para expedientes de regulación de empleo,
financiación y nuevas inversiones sin que los afectados puedan valorar la veracidad de los resultados
emitidos. Este desconocimiento, hace que en un intervalo de 5 días, y ante el resultado de la ocupación
y beneficio de nuestros hoteles tengamos resultados totalmente diferentes en todos y cada uno de
nuestros periódicos.
Figura 1. El Día, 29 de Mayo del 2003
3. El Análisis de Datos y El Sistema de Gestión de Calidad
El Sistema de Gestión de Calidad, según la Iso 9001:2000 presenta la novedad de la importancia

del Análisis de Datos dentro del mismo, y así lo contempla en los párrafos siguientes apartados:
Apartado 4.1. Requisitos generales: ”La organización debe realizar el seguimiento, la medición
y el análisis de sus procesos”.
Apartado 5.4. Objetivos de la calidad: …”Los objetivos de la calidad deben ser medibles…”
Apartado 8. Medición, Análisis y Mejora. 8.4 Análisis de datos: …”la organización debe
determinar, recopilar y analizar los datos apropiados….Esto debe incluir los datos generados del
resultado del seguimiento y medición y de cualesquiera otras fuentes pertinentes

Apartado 8. Medición, Análisis y Mejora. Apartado 8.2.1 Satisfacción del cliente:…”la

organización debe realizar el seguimiento de la información relativa a la percepción del cliente”
Apartado 8. Medición, Análisis y Mejora. Apartado 8.4 Análisis de datos:…”la organización

debe determinar, recopilar y analizar los datos apropiados….Esto debe incluir los datos generados del
resultado del seguimiento y medición y de cualesquiera otras fuentes pertinente”.
Sin embargo, no es la única norma que así lo exige. La “Q” de Calidad Turística y el Modelo de
Excelencia Europea EFQM también están basadas en resultados medibles. Estas normas, preveen
medir, no sólo la satisfacción del cliente, sino también la satisfacción del personal , el impacto en la
Sociedad, y los resultados económicos, por lo que el Análisis De Datos tiene aún mayor relevancia que
en el Modelo ISO 9001:2000.
Los Sistemas de Gestión de Calidad están basados en ocho principios que cada modelo refleja
posteriormente en forma de requisitos: Organización enfocada al Cliente, liderazgo, Participación del
Personal, Enfoque a Procesos, Enfoque del Sistema hacia la Gestión, Mejora Continua, Enfoque
Objetivo hacia la Toma de Decisiones y Relación mutuamente beneficiosa entre las partes interesadas.
Cuatro de ellas están directamente relacionadas con el Análisis de Datos: Organización enfocada al
Cliente, Mejora Continua y Enfoque Objetivo hacia la Toma de Decisiones. En todas ellas el
protagonismo de la Estadística es notable, especialmente en la Organización enfocada al Cliente se
hace imprescindible.
3.1. Organización Enfocada al Cliente
En momentos como los actuales, las empresas turísticas y más concretamente las hoteleras, se
ven sometidas de forma continua a evaluaciones externas de su servicio, frecuentemente publicadas en

numerosas páginas digitales y catálogos: encuestas de satisfacción, comentarios en redes sociales y
portales de distribución, etc. Estas evaluaciones externas inciden en la capacidad de negociación del
empresario con sus proveedores y clientes y, por definición, están desvinculadas de sus estrategias de
mejora, por el desconocimiento del tratamiento multivariante de datos, así como la inexistencia de
paquetes informáticos amigables, principalmente. Por ello, las empresas han de medir de forma
objetiva e interna, no sólo las expectativas y percepciones de su cliente sino también las valoraciones y
propuestas de mejora de su propio equipo humano. Esto les permitirá definir y objetivar su propio
criterio acerca del valor que aporta a su empresa, fortaleciendo sus herramientas de negociación en los
distintos canales de comercialización y, lo más importante, permitiéndoles anticipar o mejorar el
tiempo de respuesta ante cualquier Reclamación. La importancia de estos análisis, directamente
influyentes en el beneficio de las empresas, lleva a revisar y discutir, desde una perspectiva
multidisciplinar, las estrategias de mejora desde la satisfacción, convirtiéndola en la protagonista en
todos los briefings de seguimiento a lo largo del ejercicio, teniendo así repercusión directa en los
beneficios de la empresa.
Ante este escenario, los métodos estadísticos, resuelven la detección de las variables influyentes
en la Satisfacción del Cliente desde los clientes, empleados y proveedores, orientada a concienciar a la
empresa de la relación entre satisfacción del cliente, la competitividad turística y del papel
fundamental de los sistemas de información en la planificación estratégica. Para ello se propone
implementar y abordar las herramientas de Resolución de Problemas como Ishikawa, Brainstorming,
Focus Group, así como el análisis estadístico de los resultados obtenidos. Se diseña así, un
cuestionario hecho a medida y adaptada a la situación actual de la empresa, donde la fiabilidad y
validez de los métodos utilizados son imprescindibles en el análisis conjunto.

4. El Cuadro de Mando y la Estadística
El Balanced Scorecard (Cuadro de Mando) ha sido uno de los instrumentos de gestión que más
interés ha despertado en los últimos años, sin duda, por la necesidad que muchas organizaciones tienen
de mejorar sus elementos de información y seguimiento de la estrategia. Uno de sus elementos es el
mapa estratégico que, por otra parte, y desde un punto de vista de los elementos que un sistema de
gestión estratégica debe tener, constituye su mayor aporte conceptual. Un mapa estratégico es un
gráfico de relaciones causales entre objetivos estratégicos de una empresa o área de la empresa
(Figura 2). Un mapa estratégico permite visualizar de forma rápida, resumida y fácilmente
comprensible la estrategia del ámbito objeto de análisis. Igual problema puede tener el directivo que
carece de información que el que tiene en exceso y, por ello, es incapaz de interpretar cómo ha de
hacer su trabajo para alcanzar los objetivos de la organización. Un mapa estratégico obliga a concretar,
a centrar el mensaje en lo fundamental, y ello, sin olvidar la idea principal de todo Balanced
Scorecard: la necesidad de equilibrio entre objetivos financieros y no financieros (estos últimos
agrupados en diferentes perspectivas). Un mapa estratégico: ayuda a detectar posibles inconsistencias
entre objetivos, ayuda a detectar aspectos importantes que no han sido tenidos en cuenta en la
planificación estratégica y pudieran requerir de objetivos estratégicos, permite comunicar la estrategia
de forma más entendible a diferentes agentes relacionados con la organización a todos los niveles, y,
como consecuencia de todo lo anterior, facilita la toma de decisiones alineadas con la estrategia.
Además, la elaboración del mapa estratégico de una organización proporciona un nada

despreciable aprendizaje para la mayoría de personas involucradas en el proceso. En bastantes
organizaciones el problema principal de comunicación no es vertical (de arriba hacia abajo o
viceversa) sino horizontal, es decir, entre distintas divisiones o unidades de negocio que, lejos de
seguir estrategias coordinadas y en una sola dirección, siguen estrategias diversas, dispersas y poco
sinérgicas. La discusión e intercambio de opiniones de forma ordenada entre personas de alto nivel en
la organización conlleva un mejor entendimiento de las distintas opciones o pensamientos y fomenta la
necesidad de alcanzar un consenso sobre el enfoque que la organización ha de tener.
4.1. El contenido de los mapas estratégicos
El mapa estratégico de una unidad debe incluir los objetivos estratégicos fundamentales para las
diferentes perspectivas definidas en el Balanced Scorecard. Las perspectivas, no tienen porqué ser las
cuatro más comúnmente citadas (Financiera, Clientes, Procesos / Interna y Aprendizaje y
crecimiento), sino aquellas que, dentro de respetar el concepto de equilibrar lo financiero y lo no
financiero, incluyan los aspectos críticos para asegurar el cumplimiento de la estrategia a medio y
largo plazo de la organización.
Ejemplos de posibles perspectivas diferenciadas en algunas organizaciones por su relevancia

son Sociedad/Comunidad, Proveedores y Tecnología (como perspectiva separada de la de Aprendizaje
y crecimiento.
Por tanto, el punto de partida es una lista de objetivos estratégicos definidos por la dirección y
para los cuales también debe definirse antes, durante o después de la elaboración del mapa, la manera
de medirlos (indicadores estratégicos).
Un objetivo es aquello que se quiere conseguir, mientras que un indicadores es la única forma
de medirlo. Podemos querer mejorar las capacidades de nuestro personal (objetivo) y lo podemos
medir a través de distintos indicadores, ninguno de ellos perfecto. Así por ejemplo, podemos medir la
mejora de capacidades a través de un indicador de esfuerzo como las horas dedicadas a esa formación
o por un indicador de resultado como puede ser el crecimiento de ventas o la evaluación que otras

personas de la compañía hagan sobre esa mejora de las capacidades. Es por ello que muchas
organizaciones optan por medir determinados objetivos a través de más de un indicador (Tabla 1) y
realizar un Análisis de Datos sobre los mismos.
Otras organizaciones optan, sin embargo, por elaborar mapas estratégicos de indicadores
(Tabla1) (en vez de mapas de objetivos). La causa, en ocasiones, es no entender la distinción entre
objetivos e indicadores. Otras veces es creer que hablar sólo de indicadores es más comprensible para
las personas a las cuales se quiere comunicar. El proceso de elaboración de un mapa estratégico
conlleva, habitualmente, (i) la agrupación de un conjunto amplio de objetivos, (ii) la priorización de
otros por la vía de pasar algunos objetivos a un segundo nivel o a otros mapas estratégicos, y (iii) la
necesidad de pensar en nuevos objetivos estratégicos, tras observar la no existencia de algunos
objetivos necesarios para la consecución de otros. En cualquier caso es importante entender que un
mapa estratégico significa optar por determinados objetivos por lo que debe incluir, un número
manejable de objetivos estratégicos debidamente analizados.
Figura 2. Ejemplo de Cuadro de Mando
Tabla 1. Ejemplo de objetivos e indicadores estratégicos

4.2. Alineación de Personas y el Análisis de Datos
Es un Modelo de negocio que ayuda a las organizaciones a transformar la Estrategia en

objetivos operativos, de forma que se potencie la consecución de Resultados de negocio a través del
Alineamiento Estratégico de los Comportamientos de las Personas clave de la compañía. “Si queremos
implantar la estrategia, ésta debe ser transferida desde el equipo directivo a toda la organización, es
decir, desde los miembros de la compañía responsables de definirla, hasta aquellos capaces de
implantarla en su trabajo diario” (Kaplan y Norton (2009)). Por ello, profesionales que conozcan el
Análisis de los Datos realizados en su naturaleza y no sólo los resultados se hacen imprescindibles
para la comunicación de los mismos.
El protagonismo de tales profesionales hace que los Planes de Acción sean considerados como
“sagrados” en las empresas una vez diseñados y se basen todas las decisiones empresariales en el
Análisis de Datos Objetivo. Esto hace que la comunicación horizontal sea efectiva.
5. Síntesis
El protagonismo notable del Análisis de Datos en el sector empresarial se incrementa en las

épocas de crisis económicas. La predicción exhaustiva de los indicadores de rentabilidad cobran una
notable importancia, dado que los márgenes de beneficio se estrechan hasta medidas insospechadas.
Por ello, para los empresarios es fundamental contar con mentes analíticas, que sepan utilizar las
herramientas de mejora necesarias para el logro de tales objetivos. Entre dichas herramientas, y en
contra de la poca popularidad de los mismos, por su desconocimiento; están los Sistemas de Gestión
de Calidad. Estos sistemas que proporcionan una gestión ordenada y regulada que ayuda a la
obtención de los indicadores establecidos. Dentro de estos sistemas la Satisfacción del Cliente juega
un papel crucial, donde los Modelos Estadísticos Multivariantes se hacen imprescindibles. De la
misma forma, el Cuadro de Mando y la gestión de los Recursos Humanos, son áreas donde los
estadísticos pueden tener una presencia notable y productiva.
Estos ejemplos, simplemente muestran una pincelada de lo que un Estadístico puede realizar en
una empresa. En el momento en que, la empresa y los propios estadísticos sean conscientes, de las
sinergias que comparten, el abanico de posibilidades crecerá de forma exponencial. Es obvio, que el
encuentro no será fácil. Más aún, si tenemos en cuenta, que medidores de la realidad de forma
objetiva, siguen siendo profesionales incómodos para el sector empresarial y político. El escudarse en
realizar un análisis exclusivamente cualitativo, lleva a la utilización de resultados claramente sesgado
a los intereses de quién los utiliza.
El uso de paquetes informáticos unido al desconocimiento de los Métodos Estadísticos, hace

que las conclusiones sean, en la mayoría de los casos, incoherentes y poco fiables. Todo ello hace que
se produzca la desconfianza y el alejamiento progresivo de nuestros empresarios.
Como conclusión, seamos rigurosos e independientes como Analistas de Datos con el fin de que
el acercamiento Empresa-Universidad sea cada vez mayor. Por otro lado, los empresarios deben
aceptar los planes de acción como “sagrados” permitiendo que los asesores independientes hagan su
trabajo. La formación de nuestros profesionales en Métodos Estadísticos y la colaboración con
investigadores y especialistas en el tema son trabajos futuros que hoy como nunca necesitamos
desarrollar.

Bibliografía
Kaplan y Norton (2009). El Cuadro de Mando Integral: Balanced Scoreboard. Barcelona, Grupo
Planeta, (versión inglesa: The Balanced Scorecard: Translating strategy into action. 1996.
Harvard Business Press).

Norma UNE 66176 (2005). Sistemas de gestión de la calidad. Guía para la medición, seguimiento y
análisis de la satisfacción del cliente. AENOR.
Paenza, A. (2011). ¿Cómo, esto también es matemática? Editorial Sudamericana.
Parasuraman, A.; Zeithaml, V. A. Y Berry, L. L. (1988). SERVQUAL: A Multiple-Item Scale for
Measuring Consumer Perceptions of Service Quality”. Journal of Retailing, 64, 12-40.
Pestano, C. (2001). Reflexiones sobre las matemáticas y su papel en la economía. Actas de las IX
Jornadas de la Asociación Española de Profesores de Matemáticas Universitarias para la
Economía y la Empresa, pp. 11.
Pulido, A. (2000). Posibilidades y limitaciones de las matemáticas en la economía. En Matemática,
Ciencia y Sociedad, Secretariado de Public. e Intercambio Editorial UVA, pp. 146.
Suárez Rancel, M.M. (2012). Análisis de Datos para Medir la Satisfacción de Clientes en el Sector
Hotelero como base para la recomendación y recurrencia de compra. Congreso AECIT.
Vavra, T.G. (1997). Statistics Improving Your Measurement of Customer Satitisfaction. ASQ Qualiy
Press.
Zeithaml, V.A. Parasuraman, A. y Berry. L.L. (1990). Delivering Quality Service: Balancing
Customer Preceptions and Expectations. New York: The Free Press.
M. Mercedes Suárez Rancel, Profesora Titular de la Universidad de La Laguna (España) Doctora en

Ciencias Matemáticas y analista de datos para numerosos estudios de empresas canarias. Sus líneas de
investigación son: Implementación de sistemas de calidad (auditora interna y 15 años de experiencia en
implementación), análisis de datos multivariantes, análisis de satisfacción de clientes como herramienta
de mejora, fijación de precios de los servicios/producto prestados, estudios de mercado, cuadro de mando
y Análisis de Datos dentro de las Ciencias de la Salud.

ISSN: 1887-1984
Elementos de interés en la investigación didáctica y enseñanza de la
dispersión estadística
Antonio Estepa Castro (Universidad de Jaén. España)
Jesús del Pino Ruiz (Universidad de Jaén. España)
Resumen Uno de los puntos débiles del actual currículo de secundaria en Matemáticas es la
enseñanza de la dispersión. Son varios los motivos que ocasionan esta debilidad. En este
trabajo se analizarán brevemente algunas investigaciones que nos ayudarán en el aula y
en la investigación a mejorar la comprensión de un concepto complejo como es la
dispersión. Se indica la importancia de la dispersión en Estadística. Se comprueba que el
concepto de dispersión no se incluye en los curricula oficiales, se analiza el significado
de la noción de dispersión y se ejemplifica el desarrollo histórico mediante el devenir a lo
largo de la historia de las leyes del error. Finalizamos con unas conclusiones válidas para
la enseñanza y la investigación.
Palabras clave Dispersión, variación, variabilidad, curriculum, leyes del error.
Abstract One of the weaknesses of the current Mathematics secondary curriculum is teaching
dispersion. There are several reasons that cause this weakness. In this paper we briefly
discuss some research that they will help to us in the classroom and in research to
improve understanding the dispersion complex concept. We indicate the importance of
the dispersion in Statistics. We have found that the concept of dispersion is not included
in the official curricula, we analyze the meaning of the notion of dispersion and a
historical development is exemplified by the evolution along the history of the law of
error. We end with our conclusions for teaching and research.
Keywords Dispersion, variation, variability, curriculum, laws of the errors.
1. Introducción
Un tema crucial en el estudio de la Estadística es la comprensión de la noción de dispersión. Ya

que en muchos sentidos, la Estadística es la ciencia de la variación, puesto que la estudia, modela,
calcula, representa, interpreta y analiza (MacGillivray, 2004). Además aparece por todas partes, varían
los datos, las muestras y las distribuciones. Frecuentemente, una parte importante del análisis
estadístico es analizar la relativa contribución y localización de las fuentes de variación (Shaughnessy,
2007).
La dispersión es un concepto estrechamente ligado a los conceptos de variable e incertidumbre.

Frecuentemente se considera como una medida de la desviación de los datos respecto a una medida de
tendencia central. Aunque la medida de la dispersión sea un elemento importante en el análisis de
datos, la dispersión en Estadística comprende más que una sola medida. En el estudio de la dispersión

Elementos de interés en la investigación didáctica y enseñanza de la dispersión estadística
se debe considerar no solamente su significado (concepto) o cómo se utiliza como herramienta, sino
que también hay que considerarla en el contexto de los datos (Makar y Confrey, 2005), ya que, los
datos no son sólo números, son números con un contexto (Cobb y Moore, 1997, p. 801).
A lo largo de este trabajo veremos que la noción de dispersión no se estudia en los curricula
oficiales (sección 2). Los libros de texto no suelen incluir un tema o una sección donde se estudie la
noción de dispersión, definición y terminología, en las secciones 3 y 4 discutiremos lo que hemos
encontrado al respecto en la bibliografía consultada. La dispersión tiene un origen diverso,
comprender sus fuentes ayuda al dominio de los métodos estadístico, en la sección 5 analizaremos las
fuentes de dispersión.
La dispersión la percibió el ser humano desde los primeros tiempos y la problematizó cuando
hizo sus primeros cálculos hace 2300 años en problemas astronómicos. En efecto, los babilonios entre
los años 500 y 300 a. C. desarrollaron una teoría matemática para estudiar los movimientos del sol, la
luna y los planetas (Plackett, 1978). La Historia de la Matemática tiene un gran interés tanto desde el
punto de vista de la enseñanza de los conceptos matemáticos como desde el punto de vista de la
investigación didáctica, además, en la mayoría de los estudios estadísticos la consideración de las
medidas de tendencia central obliga a la consideración de la dispersión, por otra parte, la dispersión,
aunque aparentemente nos pueda parecer un concepto fácil, es muy difícil de construir por el individuo
y como ejemplo de tal aseveración analizamos y discutimos la evolución histórica de las leyes del
error que tanto fruto dio al desarrollo de la Estadística y, en consecuencia, su conocimiento puede ser
rentable desde el punto de vista de la enseñanza y de la investigación didáctica.
Por último, finalizamos con unas conclusiones sobre el trabajo realizado.

2. La dispersión y los currícula no universitarios
Un primer análisis que debemos hacer, si pretendemos realizar investigación didáctica, o bien,
si queremos centrarnos en la aplicación en las aulas de las investigaciones didácticas sobre la
dispersión, es dónde, cuándo y qué nociones relacionadas con la dispersión aparecen en los currícula
actuales.
El Real Decreto 1631/2006, que establece las enseñanzas mínimas correspondientes a la

Enseñanza Secundaria Obligatoria (ESO), en su descripción de la asignatura de matemáticas dice
sobre la estadística
“Debido a su presencia en los medios de comunicación y el uso que de ella

hacen las diferentes materias, la estadística tiene en la actualidad una gran
importancia y su estudio ha de capacitar a los estudiantes para analizar de
forma crítica las presentaciones falaces, interpretaciones sesgadas y abusos
que a veces contiene la información de naturaleza estadística.” (RD
1631/2006, p. 751)
El Real Decreto (RD) reconoce la importancia de la Estadística en la sociedad actual, tanto en el

mundo social como en el académico, destacando que su estudio capacita al futuro ciudadano para
entender el mundo en el que vive, ofreciéndole herramientas para obtener una información veraz que
pueda convertir en conocimiento útil para la vida democrática, en consecuencia, la formación
estadística es fundamental para el futuro ciudadano.
Un hecho a destacar es el énfasis que hace le RD en esta cita (y en las que presentemos después)
en el análisis crítico de las presentaciones, interpretaciones y abusos que algunas veces se hace al

ofrecer información estadística tendenciosa, con el fin de transmitir una información que no se
corresponde con la que realmente contiene el estudio estadístico en cuestión. En efecto, algunas veces,
al ofrecer resultados estadísticos, dichos resultados se pueden presentar o interpretar de manera
tendenciosa, obteniendo unas conclusiones que “beneficien” al autor o a las ideas que defienda, pero
que no son propias de los resultados tratados. Una persona formada estadísticamente, puede detectar
dicha presentación o interpretación tendenciosa, pero una persona no bien formada estadísticamente,
en muchas ocasiones, es incapaz de detectarla, en consecuencia, el Real Decreto hace hincapié en que
los estudiantes adquieran la capacidad del análisis crítico de las presentaciones e interpretaciones
estadísticas. Algunas veces puede aparecer este fenómeno cuando se toman medias sin tener en cuenta
la dispersión y los valores atípicos. En los medios de comunicación social cuando se utiliza la media
para dar una información casi nunca va acompañada de la desviación típica correspondiente o alguna
otra medida de dispersión como sería necesario.
Centrándonos en el tema que nos ocupa, observamos que en el mismo Real Decreto, en los
bloques de contenidos, nos encontramos con que la dispersión no comienza a tratarse hasta el tercer
curso de la ESO.
“Bloque 6. Estadística y probabilidad.

“Media, moda, cuartiles y mediana. Significado, cálculo y aplicaciones.
Análisis de la dispersión: rango y desviación típica.
Interpretación conjunta de la media y la desviación típica. Utilización de las
medidas de centralización y dispersión para realizar comparaciones y
valoraciones. Actitud crítica ante la información de índole estadística.” (RD
1631/2006, p.756)
Podemos ver que en el tercer curso se realiza una pequeña introducción y tan sólo se trabajan,
en principio, dos medidas de dispersión: el rango y la desviación típica. Se inicia a los estudiantes en
el uso conjuntamente de la media y la desviación típica y se vuelve a enfatizar la actitud crítica ante la
información estadística.
Y en el cuarto curso de ESO nos encontramos, para la opción A.

Gráficas estadísticas: gráficas múltiples, diagramas de caja. Uso de la hoja
de cálculo.
Utilización de las medidas de centralización y dispersión para realizar
comparaciones y valoraciones.” (RD 1631/2006, p. 758)
Y para la opción B.

Gráficas estadísticas: gráficas múltiples, diagramas de caja. Análisis crítico
de tablas y gráficas estadísticas en los medios de comunicación. Detección
de falacias. Representatividad de una distribución por su media y desviación
típica o por otras medidas ante la presencia de descentralizaciones,
asimetrías y valores atípicos. Valoración de la mejor representatividad en
función de la existencia o no de valores atípicos. Utilización de las medidas
de centralización y dispersión para realizar comparaciones y valoraciones.”
(RD 1631/2006, p. 759)
En cuarto, para la opción A, se introduce el gráfico de caja y las medidas de dispersión para
comparar y valorar (distribuciones de datos). La opción B, mucho más completa, se trabaja el análisis
de otras medidas de dispersión y su significado (descentralizaciones, asimetrías, valores atípicos, ...) y

la representatividad de los datos por su media y desviación típica, distinguiendo cuando estas se
pueden utilizar de cuando no se deben utilizar por la existencia de descentralizaciones, asimetrías y
valores atípicos. También se recomienda realizar valoraciones de la mejor representatividad en
función de la existencia o no de valores atípicos. También aconseja el uso de las medidas de centro y
dispersión para realizar valoraciones y comparaciones. Por último observemos que hace hincapié en la
actitud crítica ante la información estadística cuando habla de detección de falacias.
En esta primera aproximación al currículo apreciamos ya varios defectos que comentaremos

más profundamente en las conclusiones, como son el estudio tardío de la dispersión, la diferencia entre
las opciones A y B en cuarto o que el bloque de estadística sea el bloque 6, el último, que en la
práctica se traduce en que no hay tiempo para tratarlo o se hace de manera rápida por la escasez de
tiempo, en consecuencia este hecho no es una cuestión baladí.
El Real Decreto es concretado por las diferentes órdenes para las comunidades autonómicas, a
título de ejemplo, especificamos la de Andalucía, que se concreta a través de la Orden de 10 de Agosto
de 2007 (B.O.J.A. del 20/08//2007), en el que a pesar de que a la hora de introducir la relevancia de la
materia dice “la estadística y la probabilidad también están presentes hoy día en las diferentes
materias, así como en los medios de comunicación, en los que aparecen datos que es necesario
interpretar.” (B.O.J.A. (2007), p. 55) luego no suplementa lo que dice el Real Decreto y se queda en
un breve:
“el desarrollo gradual comenzará, en los primeros cursos, por las técnicas
para la recogida, organización y representación de los datos a través de las
distintas opciones como tablas o diagramas, para continuar, en cursos
sucesivos, con los procesos para la obtención de medidas de centralización y
de dispersión que les permitan realizar un primer análisis de los datos.”
(BOJA- 20/08//2007, p. 56)
Debemos tener en cuenta que esto es todo lo que se trabaja la dispersión en la etapa obligatoria,
que debería formar al alumno suficientemente para la vida diaria (contribuyendo al desarrollo de la
“competencia matemática”.)
Si subimos el nivel y vemos el currículo de la etapa post-obligatoria, en este caso, el

bachillerato, descubrimos con asombro que en las matemáticas de ciencias no se abordan las nociones
relacionadas con la dispersión en los bloques de estadística, tan sólo se abordan en las matemáticas
aplicadas a las ciencias sociales, en las matemáticas de 1er curso de bachillerato tenemos:
“3. Probabilidad y estadística:

Estadística descriptiva unidimensional. Tipos de variables. Métodos
estadísticos. Tablas y gráficos. Parámetros estadísticos de localización, de
dispersión y de posición.” (RD 1467/2007, p. 45475)
Y en las de 2º curso de bachillerato:
“3. probabilidad y estadística:

Problemas relacionados con la elección de las muestras. Condiciones de
representatividad. Parámetros de una población.
Distribuciones de probabilidad de las medias y proporciones muestrales.
Intervalo de confianza para el parámetro p de una distribución binomial y
para la media de una distribución normal de desviación típica conocida.
Contraste de hipótesis para la proporción de una distribución binomial y
para la media o diferencias de medias de distribuciones normales con
desviación típica conocida.” (RD 1467/2007, p. 45476)

En este último curso, para los estudiantes que han elegido la vía de las ciencias sociales, se
profundiza en la dispersión y se abordan problemas de muestreo y de distribuciones, pero para los
demás niveles no.
Así pues a modo de resumen las nociones relativas a la dispersión abordadas en los currícula en
la etapa obligatoria son:
• Medidas de dispersión en un conjunto de datos.

• Interpretación conjunta de la media y la desviación típica.
• Comparación de conjuntos de datos utilizando la media y la desviación típica.
• Diagrama de caja.
• Representatividad de una distribución por su media y desviación típica o por otras
medidas ante la presencia de descentralizaciones, asimetrías y valores atípicos.
Valoración de la mejor representatividad en función de la existencia o no de valores
atípicos.
Y en la etapa post-obligatoria (preparatoria para la universidad):
• Parámetros del muestreo.

• Distribuciones de probabilidad.
• Contraste de hipótesis.
3. La noción de dispersión ausente de los curricula
Como se puede observar en la sección anterior, los currícula oficiales no incluyen la noción de
dispersión como objeto de estudio, solamente aparece el estudio de las medidas de dispersión en sí,
pero la noción de dispersión brilla por su ausencia. El hecho de que alguna noción importante no se
incluya en los curricula es un fenómeno didáctico que suele darse en las disposiciones oficiales. Por
ejemplo, las nociones de conteo y de magnitud no han aparecido en los currícula oficiales hasta las
últimas reformas.
El mismo caso es el de dispersión, en los curricula y en los libros de texto aparecen las medidas
de dispersión, pero no suele aparecer la noción de dispersión como tal, parece ser que es una noción
tan fácil, tan transparente, que se adquiere de manera espontánea y, en consecuencia, no es necesario
dedicarle un tiempo a su estudio y clarificación, así lo expresan Makar y Confrey, (2005, p. 28) “En
la mayoría de los estudios de investigación la expresión "variación" se le atribuye un significado
evidente, es decir de sentido común, y se deja sin definir”. Muy pocos libros incluyen una definición
para la dispersión.
Veremos a lo largo de ese trabajo que dicha noción no es tan fácil ni se adquiere de manera
espontánea, además dicha noción impregna todos los contenidos estadísticos y es la esencia de la
misma Estadística, si no existiese la dispersión no existiría la Estadística, ya que no sería necesaria. Su
estudio es necesario desde el primer momento, ya que, “Cualquier curso introductorio (de
Estadística) debe tener como principal objetivo ayudar a los estudiantes a aprender los fundamentos
del pensamiento estadístico. Esto incluye la necesidad de datos, la importancia de la producción de
datos, la omnipresencia de la variabilidad, la cuantificación y la explicación de la variabilidad”
(Cobb y Moore, 1997, p. 815, -el subrayado es nuestro-).
El hecho de que la dispersión no aparezca en los currícula no quiere decir que no se comience el
estudio de dicha noción hasta que aparecen las medidas de dispersión, es decir, hasta Educación

Secundaria, sino que se debe comenzar el estudio de dicha noción desde la escuela elemental, hecho
que se desprende, por ejemplo, de la anterior cita de Cobb y Moore (1997)
Así pues, partiendo de los currícula actuales, vamos a analizar y discutir la noción de dispersión
y sus fuentes, terminado con un análisis histórico de la ley del error, en el que se particulariza un
enfoque del nacimiento y conformación de la noción de dispersión.
4. La noción de dispersión1
4.1. Términos utilizados
En inglés, nos encontramos cuatro términos para referirse a la noción de dispersión:

“dispersion” (dispersión), “variation” (variación), “variability” (variabilidad) y “spread”. Esta última
es una palabra polisémicas que tiene significado como nombre y como verbo. Como nombre significa:
propagación, extensión, envergadura, expansión, … Y como verbo: extender, exponer, untar, cubrir,
poner, llenar, espaciar, propagar, difundir, esparcirse, extenderse, untarse, propagarse, expandirse,
derramarse, … (Garcia Pelayo, R, 1993). Algunos autores, como por ejemplo, Kaplan, Rogness, y
Fisher, (2011) recomienda no utilizar la palabra “spread” para referirse a la dispersión, debido a su
polisemia, ya que han detectado que produce dificultades en los niveles elementales de enseñanza.
Estos autores aconsejan utilizar las palabras que consideran sinónimas “variability” o “dispersion”.
Reading y Shaughnessy (2004) apuntan que, según varios diccionarios consultados “variation”
es un nombre usado para describir el acto de variar o cambiar una condición y “variability” es un
nombre derivado del adjetivo “variable” y significa que algo es apto o propenso a variar o cambiar,
concretando que, aunque muchos autores “variation” y “variability” los utilizan como términos
sinónimos, ellos los utilizan con un sentido diferente, siendo el significado de “variability” una
característica (propensa a variar) de una entidad observable y el significado de “variation” la
descripción o medida de esa característica. Garfield et al. (2008) apuntan que la distinción entre
variabilidad y variación, no se ha acordado aún en la comunidad de Educación Estadística. Autores
posteriores como Peters (2011) usan los términos “variation” y “variability” como intercambiables.
En la inmensa mayoría de la literatura estadística en inglés las palabras “dispersion”,

“variation”, “variability” y “spread” se toman como sinónimas a lo que en castellano entendemos por
dispersión. En lo que sigue las tomaremos como sinónimas, las palabras dispersión, variación y
variabilidad, salvo que se indique lo contrario.
En España, como hemos visto, en los currícula oficiales solamente aparece la palabra
dispersión, generalmente ligada a su medida, así la expresión “medidas de dispersión” la encontramos
en currícula y libros de texto. En los últimos tiempos, probablemente influenciado por la literatura
anglosajona, comienzan a aparecer las palabras variación y variabilidad en libros de texto y literatura
relacionada en castellano, como sinónimos de dispersión.
4.2. La noción de dispersión
En la literatura que hemos revisado hemos encontrado algunas definiciones de dispersión que
analizaremos en los siguientes párrafos
1
Utilizamos la palabra “dispersión” en lugar de “variación” o “variabilidad” porque es la más utilizada en
castellano en la expresión “medidas de dispersión”

“Usamos la palabra variabilidad para describir una situación en la cual las observaciones o
las medidas deberían ser las mismas, pero no lo son” (Phatak y Robinson,2005, p. 1). Esta primera
definición enfatiza el hecho mismo de la variabilidad en la medida, la variabilidad existe porque
existen errores en las medidas u observaciones. Como veremos en la sección 6 la problematización de
estos errores en la medida dio lugar al estudio de la ley del error, tan fecunda en Estadística.
Una primera definición sería la siguiente: “En palabras sencillas, variación es la cualidad de
una entidad (una variable) para variar, incluyendo variación debida a la incertidumbre” (Makar y
Confrey, 2005, p. 28). Nos dice el hecho de variar. Esta definición de variación es lo que Reading y
Shaughnessy (2004) entienden por variabilidad.
“A la mayor o menor separación de los valores respecto a otro, que se pretende que sea su
síntesis, se le llama dispersión o variabilidad”. (Martín-Guzmán y Martín Pliego, 1985, p. 57). Aquí
se entiende la dispersión como la separación de los valores de un valor de tendencia central. Esta
definición de dispersión o variabilidad es lo que Reading y Shaughnessy (2004) entienden por
variación.
Vemos en estas definiciones que los significados dados a variabilidad y variación no

concuerdan con la distinción de Reading y Shaughnessy (2004), en consecuencia, por eso hemos
afirmado unas líneas más arriba que Garfield et al. (2008) apuntan que la distinción entre variabilidad
y variación, no se ha acordado aún en la comunidad de Educación Estadística.
Generalmente en los curricula solo aparecen las medidas de dispersión, pero aunque la medida
de la dispersión es una herramienta muy importante en el análisis de datos, cuando consideramos la
dispersión debemos tener en cuenta:
a) el concepto de dispersión, su definición, saber explicar en qué cosiste;

b) su uso, sobre todo cuando se mide, las técnicas matemáticas asociadas a la medida de la
dispersión;
c) el propósito que pretendemos con la dispersión, su utilidad dentro de un contexto, las
fuentes de dispersión (Makar y Confrey, 2005).
La dispersión es la esencia de la Estadística, porque sin dispersión no hay necesidad de

investigación estadística (Moore, 1990). La dispersión tiene un significado cercano a los conceptos de
variable e incertidumbre, porque si hay variabilidad, vivimos en la incertidumbre y, si algo no está
determinado o es cierto, hay variabilidad (Bakker, 2004). Mañana sabemos que amanece a una hora
determinada, pero no estamos seguros si lucirá el sol o no.
5. Fuentes de dispersión
Son muchas las fuentes de la dispersión, aquí consideraremos las siguientes: la medida, la
naturaleza, dispersión inducida, dispersión en el muestro (Franklin et al., 2005).
5.1 Dispersión en la medida
Cuando realizamos medidas repetidas sobre un mismo ítem observamos que las diversas
medidas no son iguales varían de una vez a otra, esto es debido a varias causas, entre otras, a que el
instrumento de medida no es muy fiable o adecuado (medir las dimensiones del aula con un doble
decímetro), o bien, que el sistema donde se hace la medida está en constante cambio. Para este
segundo caso podemos poner como ejemplo la medida de la presión sanguínea, aunque el instrumento

de medida sea preciso, la presión cambia en un instante. En palabras de Jessica M. Utts: “En resumen,
la variabilidad en las mediciones puede ocurrir por tres razones al menos. En primer lugar, las
mediciones son imprecisas, y por lo tanto el error de medición es una fuente de variabilidad. En
segundo lugar, existe una variabilidad natural a través de las personas en cualquier momento dado. Y
en tercer lugar, a menudo existe una variabilidad natural en una característica de la misma persona a
través del tiempo”. (Utts, pp.50). De estas palabras se deduce la importancia de la dispersión natural
que comentamos a continuación.
5.2 Dispersión en la Naturaleza
La dispersión es inherente a la Naturaleza. La comprensión de la dispersión natural es requisito

imprescindible para comprender algunos métodos estadísticos modernos. Si tomamos medidas sobre
seres naturales de una misma especie encontramos diferencias, debido a que los individuos son
diferentes (los estudiantes de una misma clase no tienen el mismo peso o la misma altura; las semillas
de una bolsa no pesan todas los mismo, etc.). En estos ejemplos vemos que la dispersión se puede dar
dentro de un grupo y entre grupos distintos de la misma especie. Esta distinción es importante en
Estadística. Algunas veces encontramos patrones de la variación existente y buscamos maneras de
trabajar sobre ella, tal es el caso de las tallas de la ropa o el número del calzado (Wild y Pfannkuch,
1999). También es útil aprender a distinguir las diferencias debidas a la dispersión natural de la
dispersión inducida por características que podemos definir, aplicar, medir y posiblemente manipular.
5.3. Dispersión inducida
Si plantamos un kilogramo de las mismas semillas en diferentes climas obtendremos resultados

diferentes. La variabilidad de los resultados será debida a la variabilidad natural de las semillas, pero
también a la variabilidad inducida por el clima, en un tipo de clima obtendremos mejores o peores
resultados que en otro. Si el clima es el mismo y utilizamos distinto fertilizante, se obtendrá
variabilidad inducida por el fertilizante. La comparación de la variabilidad natural con la variabilidad
inducida por otros factores está en la esencia de la estadística moderna, por ejemplo, es el caso de los
estudios de la efectividad de los medicamentos.
5.4. Dispersión en el muestreo
Si se toman diferentes muestras de una misma población, estas varían entre sí. Si se utiliza una
adecuada técnica de muestreo y un tamaño de muestra suficiente la muestra se asemeja a la población.
6. Leyes del error
En Estepa et al. (2012) se esbozan algunas ideas sobre el interés de la Historia de las
Matemáticas como fuente importante tanto para la investigación didáctica como para la enseñanza de
las Matemáticas. En cuanto a la investigación la Historia nos sirve para perfilar la epistemología de los
saberes matemáticos, ya que nos cuenta cómo aparecieron, se conformaron, devinieron y llegaron al
estado actual las nociones y conceptos matemáticos. En cuanto a la enseñanza, la Historia puede ser
útil, pues podemos tomar de ella las situaciones que comenzaron a dar sentido a las nociones
matemáticas, además como prueba de su interés en la enseñanza, los curricula actuales aconsejan su
uso en la planificación de las enseñanzas.
Hemos visto en la sección 5.1 que en muchas ocasiones hay necesidad de tomar datos de
medidas u observaciones sobre hechos o fenómenos. Se observa que aunque las medidas u

observaciones se realicen en las mismas condiciones, con los mismos aparatos e independientemente,
no siempre se obtienen idénticos resultados, es lógico pensar que exista un valor verdadero único para
la medida u observación que estemos realizando. La estimación de este valor verdadero ha sido un
problema al que eminentes científicos se han enfrentado ofreciendo sus soluciones. En este problema
se acomete el estudio de la variabilidad y lo analizaremos desde este punto de vista. El estudio de la
variabilidad de un conjunto de datos u observaciones es un problema difícil, al que grandes
matemáticos, tardaron, tiempo y varios intentos hasta darle solución. Hoy pretendemos que los
estudiantes aprendan todo esto en unos pocos días o semanas.
El uso de la dispersión casi siempre va unido a una medida de centro, en consecuencia, para
estudiar su consideración, primeras aproximaciones y evolución del concepto de dispersión y nociones
cercanas, hemos creído de interés estudiar y discutir la conformación y devenir de las ley del error,
que tanto fruto ha dado dentro del desarrollo de la Estadística. Además, el modelo de la medida del
error es un modelo de dos parámetros, uno de localización, el verdadero valor, y un parámetro de
escala, dispersión, que puede ser conocido (Hald, 1998, p. 34). Otra razón por la que hemos incluido
las leyes del error es porque “El razonamiento acerca de la variación del error puede proporcionar
una base razonable para la instrucción” (Petrosino, Lehrer, y Schauble, 2003, p. 132).
La estimación del verdadero valor de una medida a partir de varias mediciones realizadas,
históricamente aparece en la Astronomía. Esta ciencia llamó la atención de los hombres desde los
primeros tiempos. Ya en Babilonia, siglos antes del nacimiento de Cristo se llevaban a cabo estudios
sobre los cuerpos celestes. En muchos estudios astronómicos se realizan observaciones y mediciones
obteniendo una serie de datos empíricos que no suelen ser coincidentes, cuando teóricamente deberían
serlo, es decir la medida o la observación sobre un mismo hecho debería ser igual a su verdadero valor
cada vez que se tome. Como esto no es así, se denomina error de una observación o una medida a la
“diferencia entre el valor observado y el verdadero valor del fenómeno considerado” (Hald, 1998, pp.
33).
La estimación de la máxima variación en la duración de un año en ¾ de día la realiza Hiparco
(190-120 a. C.) tomando la mitad del rango de sus observaciones (Plackett, 1978).
Aunque científicos musulmanes estimaban el verdadero valor calculando el punto medio del
recorrido o rango, parece ser que hasta la última mitad del siglo XVI, la práctica habitual para
seleccionar una medida como representante de un conjunto de mediciones, era tomar la que se creía
mejor medida, basándose en criterios como: lo ha dicho una persona con autoridad, se ha obtenido
bajo ciertas condiciones consideradas óptimas mediante un criterio. Este hecho preocupó a Simpson
(1710-1761), e hizo la hipótesis de que la probabilidad de obtener un determinado error al realizar una
observación puede ser expresada por una función de probabilidad discreta uniforme, o bien, por una
distribución de probabilidad discreta triangular (Eisenhart 1983).
A partir de la última mitad del siglo XVI se comienza a tomar la media aritmética como el valor
que mejor estima el conjunto de medidas.
Diversos científicos y matemáticos estudian la distribución de las medidas, lo que podemos

considerar como el estudio de la variabilidad de los errores de medida. Lo que se ha llamado en la
literatura “las leyes de error”. C. Eisenhart (1983) las define así: “”Leyes del error”, es decir, la
distribución de probabilidad asumida para describir la distribución de los errores que surgen en
medidas repetidas de una cantidad fija por el mismo procedimiento bajo condiciones constantes, fue
introducida en la última mitad del siglo XVIII para demostrar la utilidad de la media aritmética de un
número de medidas o valores observados de la misma cantidad como una buena elección para el

valor de la magnitud de esa cantidad en base a las medidas u observaciones manejadas” (Eisenhart
(1983, p. 531).
El primero en introducir el concepto de distribución del error y a considerar la distribución

continua fue Simpson, imponiendo dos condiciones la distribución debe ser simétrica y, además debe
ser de rango finito, (Kendall, 1978).
Daniel Bernouilli explica su visión de la distribución de los errores de la siguiente manera:

Supongamos una línea recta en la que se disponen varios puntos que indican los resultados de varias
observaciones (valores). Un segmento perpendicular que parte de cada punto cuya longitud expresa la
probabilidad de ese valor, si dibujamos una línea curva que una los extremos de dichos segmentos esta
será la escala de probabilidades de las observaciones. Los siguientes supuestos de la escala de
probabilidades no se pueden negar. (Bernouilli, 1978).
a) Ya que las desviaciones del verdadero punto intermedio son iguales en ambas
direcciones, la escala de probabilidades tendrá dos perfectas ramas similares.
b) Las observaciones serán ciertamente más numerosas y, por lo tanto, más probables cerca
del centro, al mismo tiempo serán menos numerosas en proporción a su distancia del
centro.
c) El grado de probabilidad mayor estará en el medio, donde suponemos que se localiza el
centro y la tangente a la escala por este punto será paralela a la anteriormente dicha línea
recta.
d) Como suponemos que las observaciones menos favorecidas tienen un límite, en ambos
extremos la probabilidad desaparece y un gran error es imposible.
e) Las máximas desviaciones en cada lado se consideran como una especie de frontera
entre lo que puede ocurrir y lo que no. De esta manera, la escala indica que es
escasamente posible pasar de ese límite.
A continuación (Bernouilli, 1970), propone las escalas que cumplen los supuestos anteriores
son: semi-elipse, semicircular (el verdadero valor está en el centro del semicírculo), coseno, arco de
parábola. También reconoce que otras escalas cumplirán dichos supuestos. Estas distribuciones las
veremos en páginas posteriores.
Lambert (1728-1777) estudia errores a partir de datos astronómicos y físicos y distingue entre
los errores brutos, sistemáticos y aleatorios y propone una primitiva medida de “fiabilidad” para la
media: calcular la media de todas las observaciones y calcular la media de las observaciones que
quedan cuando se han eliminado las observaciones con grandes desviaciones. Calcula la razón entre
las dos medias, sin embargo no da criterio para distinguir las observaciones con grandes desviaciones
(valores atípicos) (Hald, 1998, p. 80).
Las leyes del error primero se suponen de rango limitado, a finales del siglo XVIII se
considerara con rango ilimitado.
Las distribuciones de rango limitado que se consideran son discretas (uniforme, triangular) y
continuas (uniforme, triángulo isósceles, semicircular, parabólica y logarítmica) las distribuciones de
rango ilimitado (la primera ley del error de Laplace, la ley del error de Gauss, la segunda ley del error
de Laplace y la distribución de Cauchy).
Como hemos visto la idea de que los valores centrales son más probables que los más alejados
del centro, salvo para la distribución uniforme, da origen a que diferentes autores propongan diversas
distribuciones que cumplan este requisito.

6.1. La distribución uniforme discreta (1786)
Simpson la propuso para el intervalo [-v, v] de la siguiente manera: los errores posibles pueden
ser –v, –v+1,…, -2, -1, 0, 1, 2, …., v-1, v, todos ellos con la misma probabilidad, lo que le lleva a la
distribución uniforme discreta. Siendo cada uno de los valores de los errores considerados, es decir, si
v es el verdadero valor y x es el valor observado, entonces e = x-v pertenece a [-v, v] La expresión,
1
general de la función de probabilidad sería Pr[ X = x] = , tomando v=5 hemos obtenido el
2v + 1
gráfico de la figura 1. (Eisenhart, 1983, p. 534.)
Figura 1. Distribución uniforme discreta
6.2. Distribución triangular discreta (1756)
Después Simpson tuvo otro intento de explicar la variación del error, fue mediante la
distribución triangular discreta, ya que, las series de errores parecen mejor adaptadas porque es
altamente razonable suponer que la probabilidad de los errores decrece cuando los errores se
incrementan (Hald, 1998, p. 36) donde supone que los errores toman los valores enteros –v, -v+1, …,
2, 1, 0, 1, 2, …, v-1, v, con probabilidades proporcionalidades a 1, 2, … v-1, v, v+1, … 2, 1. En
(v + 1) − x
concreto las probabilidades se calcularían mediante la fórmula: Pr[ X = x] = , donde
(v + 1)2
6− x
x ∈ [-v, v] para v=5, tenemos, Pr[ X = x] = (Eisenhart, 1983, p. 534.), cuya representación
36
gráfica la ofrecemos en la figura 2 Simpson encuentra que la función generatriz de la distribución
triangular es el cuadrado de la función generatriz de la distribución uniforme, en consecuencia se debe
considerar a la distribución triangular como suma de dos distribuciones uniformes (Hald, 1998, p. 36.)
A partir de trabajar con estas distribuciones Simpson concluyó que tomando la media de un número de
observaciones disminuyen en gran medida las posibilidades de los errores más pequeños y se elimina
cualquier posibilidad de grandes errores. (Eisenhart, 1983.)

Figura 2. Distribución triangular discreta
6.3. Distribución uniforme continua (1776)
Lagrange (1736-1813) primero considera las distribuciones discretas uniforme (en el intervalo
[-a, b]) y triangular (en el intervalo [-a, a]). Demuestra los resultados obtenido previamente por
Simpson. Mediante el paso al límite obtiene los resultados para las correspondientes distribuciones
continuas uniforme y triangular, la distribución uniforme continua no simétrica la obtiene en el
problema VII de sus memorias y en la figura 3 se da una representación gráfica de ella
1
f ( x) = , − a ≤ x ≤ b , para a=2, b=3. Esta distribución también fue obtenida por Laplace,
a+b
probablemente sin conocer los trabajos de Simpson y Lagrange (Hald, 1998).
Figura 3. Distribución uniforme continua
6.4. Distribución continua triangular (1757)
En 1757, Simpson extiende su análisis de la distribución triangular discreta, para ello tomó
valores –kv, -k(v-1), …, -k, 0, k, …, k(v-1), kv, con probabilidades proporcionales a 1/k, 2/k, …, v/k,
(v+1)/k, v/k, …, 2/k, 1/k y aplicó los límites k → ∞, v → 0 con kv → a obteniendo la distribución

1
triangular continua. Una representación de la distribución, f ( x) = (a − x ), −a≤x≤a
a2
triangular continua, para a = 1 se muestra en la figura 4 (Eisenhart, 1983, p. 535.)
Figura 4. Distribución continua triangular
6.5. Distribución semicircular (1765)
Lambert (1728-1777) investigó la forma de la distribución del error de manera teórica y

empírica (propuso una curva en forma de campana, sin expresarla en forma de función), durante su
investigación concluyó que la media aritmética no difería del “valor verdadero”. (Eisenhart, 1983, p.
540.) Llega con posterioridad a la distribución circular haciendo las siguientes consideraciones. Si
miramos una estrella sin telescopio, a simple vista, vemos un punto. Si la miramos con telescopio,
aparece un círculo. La línea del telescopio divide al círculo, aleatoriamente, en dos partes, todos los
puntos dentro de este círculo tienen la misma probabilidad de ser atravesados por esta línea, así pues la
línea debe ser perpendicular a un diámetro, además la simetría permite rotar el telescopio de forma que
estas líneas pueden ser horizontales o verticales sin perder generalidad. La probabilidad de la
observación es la medida del segmento que une el diámetro con un punto de la circunferencia que
bordea al círculo. (Eisenhart, 1983, p. 541) Después de una serie de hipótesis ampliamente discutidas,
como la expuesta anteriormente, le lleva a la distribución semicircular (Hald, 1998, p. 81).
a 2 − (x − µ ) , µ − a ≤ x ≤ a + µ ,
2
p( x) =
2
πa 2
Para a=1 y µ=0, tenemos La gráfica representada en la figura 5.

Figura 5. Distribución semicircular
6.6. Distribución parabólica (1776)
La distribución parabólica fue estudiada por Lagrange, junto con la uniforme continua,
triangular continua y coseno, afirmando, al final del estudio, que la distribución parabólica es “la más
simple y la más natural que uno pueda imaginar”, (Eisenhart, 1983, p. 539; Hald, 1998, p. 48). La
forma más general (asimétrica) de esta distribución la propuso Laplace y es
6
f x ( x) = (a − x)(b + x), − b ≤ x ≤ a;0 ≺ b, a ≺ ∞ , (Eisenhart, 1983, p. 545), la propuesta por
(a + b)3
Lagrange es f x ( x) = 3 (a 2 − x 2 ), − a ≤ x ≤ a (Eisenhart, 1983, p. 539), en la figura 6 damos una

4a3
representación gráfica de esta distribución, para a=2.
Figura 6. Distribución parabólica

6.7. Distribución coseno (1781)
La distribución coseno fue estudiada por Lagrange a partir del problema XI de su “Miscellanea
Taurinensia” (1776). En la figura 7 damos una representación gráfica de esta distribución,
π  πx 
f x ( x) = cos , − 1 ≤ x ≤ 1 .
4  2
Figura 7. Distribución coseno
6.8. Distribución de Laplace de rango finito (1781)
Discutiendo la distribución de probabilidad de las destrezas de un jugador en un juego y de los
intervalos entre puntos aleatorios en una línea de longitud a, Laplace sugiere, que cuando el error X de
una medida individual u observación puede tomar valores solamente entre –a y a, y se ignora la ley de
 
la probabilidad de los errores, se puede tomar f ( x) = 1 log a ,−a ≤ x ≤ a,0 ≤ ∞ , como la
x 2a x
 
distribución de probabilidad de un error X, “en la investigación sobre la media que uno debe tomar
entre los resultados de muchas observaciones” (Eisenhart, 1983, p. 545). La diferencia entre la mayor
y la menor observación, rechazadas las no adecuadas por estar muy alejadas, sería 2a (Hald, 1998, p.
179). Para a=2, tenemos la representación gráfica que se da en la figura 8
6.9. Distribución de Laplace o doble distribución exponencial (año 1774)
Según Hald (1998, p.177), se puede decir que durante mucho tiempo Laplace había reconocido
que la distribución de errores aleatorios de observaciones astronómicas era simétrica, unimodal y de
rango finito. Las distribuciones de los errores más utilizadas eran las que hemos visto hasta ahora,
simples funciones matemáticas como la triangular, cuadrática, coseno y semicircular.
En 1974, Laplace se plantea que los errores teóricamente pueden ser infinitamente grandes si la
curva que los representa decrece asintóticamente al eje de abscisas. Esta curva es simétrica respecto al
eje de ordenadas, teniendo un máximo en el origen y decrece de forma monótona a cero, cuando x se
aleja del origen. Entre la multitud de funciones que tienen estas propiedades la más simple obviamente
es:

f(x) ∝ e-mx , x>0, m>0
Laplace no elige la exponencial debido a su simplicidad, la obtiene por medio del principio de
indiferencia (se deben asignar probabilidades iguales a cada una de varias alternativas simples, si no
hay razón conocida para preferir otra cosa).
Figura 8. Distribución de Laplace de rango finito
Comienza observando que si no hay razón para suponer ningún punto en el eje más probable
que otro entonces se tomaría f(x) constante, lo que significa que la curva de error sería “una línea recta
infinitamente cercana al eje de abscisas”. Esta hipótesis debe ser rechazada porque se opone a lo que
se conoce sobre la forma de la curva de error. En un segundo intento toma f’(x) igual a una constante
negativa, lo que le conduce a la curva de error triangular, se debe rechazar esta hipótesis porque nos
llevaría a una acotación del error.
Finalmente, Laplace observa que no solamente las ordenadas de f(x), sino también las
diferencias de las ordenadas –d(f(x) deben decrecer para x>0, y ya que no tenemos razones para
suponer una ley diferente para las ordenadas que para las diferencias, se sigue que no debemos, de
acuerdo con las leyes de las probabilidades, suponer que la razón de dos diferencias consecutivas
infinitamente pequeñas sea igual que las correspondientes ordenadas, es decir
df ( x + dx ) f ( x + dx )
= , −∞ ≤ x ≤ ∞,
df ( x) f ( x)
en consecuencia, f ' ( x) = −mf ( x), m >0,
por tanto
m −m x
f ( x) = e , − ∞ ≤ x ≤ ∞ , la constante m/2 se ha determinado por el requisito de que
2
∫ f ( x)dx = 1 . Una representación gráfica para m = 2, se da en la figura 9.
Esta distribución del error se llama la distribución de Laplace o la doble distribución
exponencial. Es la primera distribución de los errores continua y de rango ilimitado. Laplace observa
que se puede objetar a esta ley que no toma el valor cero para grandes valores de x, pero en este caso
el valor de la función es tan pequeño que se puede tomar como cero.

Figura 9. Distribución de Laplace o doble distribución exponencial
6.10. La “ley del error de Gauss” (1890)
De acuerdo con Eisenhart, (1983, p. 548) Gauss (1777-1855) parte de que la distribución de los
errores debe ser una función diferenciable unimodal y simétrica (la condición de Laplace de continua
la cambia por diferenciable) y que tienda a cero para valores absolutos de errores que tiendan a
infinito.
Asume la regla tradicional de la media aritmética, mediante la cual, la media aritmética de una
conjunto de observaciones realizadas cuidadosamente y en las mismas circunstancias proporciona el
valor más probable de la cantidad que se está midiendo.
La función de densidad conjunta debe ser el producto de las probabilidades de cada uno de los
errores. La derivada de su logaritmo neperiano proporcional a los errores. De esta última obtiene la
h
función f ( x) = e −h x ,−∞ < x < ∞ , 0 < h < ∞ , “la constante h puede ser considerada como la
2 2
π
1
medida de precisión de las observaciones” y toma el valor de (Hald, 1998, p. 355). En los
σ 2
comentarios a esta ley, Gauss dice que no puede representar bien a la ley del error con completo rigor,
ya que, asigna probabilidades mayores que cero a errores fuera del rango de las posibles desviaciones,
que, en la práctica, tienen límite finito, pero esto es inevitable porque nunca se puede asignar límite de
error con absoluto rigor, pero este defecto carece de importancia ya que la función dada se acerca
rápidamente a cero cuando los errores aumentan. Podemos ver la representación para σ=2 en la figura
10

Figura 10. Ley del error de Gauss
6.11. Distribución de Cauchy (1824)
Esta distribución puede describir la variación de los errores de una medida. Eisenhart, (1983, p.
548) nos dice que fue propuesta por Poison en 1824, en un ejemplo de la demostración del teorema del
límite central. Cauchy la propuso en 1853, sin referir que Poison la había discutido en 1829. Hoy es
reconocida por distribución de Cauchy (Hald, 1998, p. 521). La fórmula general es
1
f ( x) = , − ∞ ≤ x ≤ ∞, 0〈 β 〈∞.
 x2 
πβ 1 + 2 
 β 
En la figura 11 se da la representación gráfica para β=1.
Figura 11. Distribución de Cauchy

7. Conclusiones
En este trabajo hemos tratado de la dispersión, variación o variabilidad, como nos guste llamar
al fenómeno que está en el corazón de la Estadística y sin el cual esta ciencia no tendría sentido, en
palabras de Wild y Pfannkuch, (1999, pp. 235-236), "La variación es la razón por la que la gente ha
tenido que desarrollar métodos estadísticos sofisticados para filtrar los mensajes de datos del ruido
ambiental".
Siendo la dispersión una noción de enorme transcendencia en la adquisición de los conceptos y

técnicas estadísticos, hemos observado que su noción y conceptos relacionados no vienen recogidos en
los curricula oficiales, probablemente porque la consideran muy fácil de entender y aprender. A lo
largo del trabajo hemos analizado que es un concepto amplio y complejo, hemos visto que sus fuentes
muy pocas veces se explicitan en los curricula ni en las planificaciones de enseñanza. También hemos
visto lo costoso que ha sido a lo largo de la historia clarificar estas nociones centrándonos en las leyes
del error.
Hemos visto que, en el contexto de los errores en la medida, el problema de determinar cuál es
el verdadero valor de la medida a partir de varias mediciones con resultados diferentes, aparece la
primera noción: si las medidas realizadas sobre el mismo objeto y con el mismo instrumento son
distintas (varían) es porque al menos todas menos una son erróneas. Teniendo las medidas realizadas
(la mayoría erróneas) a la vista ¿cuál será el verdadero valor? La primera solución que aparece en la
historia es tomar como verdadero valor el semi-rango. En seguida se comienza a utilizar la media
aritmética como verdadero valor, aquí aparece la distribución uniforme discreta. Pero, también
bastante pronto, aparece otra idea que podemos resumir de la siguiente manera: cada vez que tomamos
una medida, en general, es diferente de las anteriores, si tomamos la media aritmética de las medidas
realizadas, estamos suponiendo que todas las medidas tienen la misma probabilidad de ocurrir, pero
esto no es así, las medidas más alejadas del valor central tienen menos probabilidad de ocurrir
(supuesto c) de Bernouilli), en consecuencia debemos realizar la media teniendo en cuanta la
probabilidad de ocurrencia y aparece la distribución triangular. El paso de lo discreto a lo continuo es
también un paso importante en la conceptualización del problema de calcular el verdadero valor.
Cuando no satisface esta distribución aparece la semicircular, si esta no satisface, la semi-elipse, si no,
la parabólica o la coseno. Si estas no satisfacen las de Laplace, hasta que terminamos con la de Gauss
que parece satisfacer a todos.
De este pequeño resumen podemos sacar dos conclusiones, las dificultades que han mostrado
verdaderos genios en el estudio de los errores y que en estos estudios los centros y la dispersión
siempre van unidos. Esto es lo contrario de lo que ocurre en las aulas: las medidas de centro se
estudian aisladas y a continuación las de dispersión, también aisladas. El ciudadano sale de las aulas
sin tener conciencia de que una medida de centro siempre debe estar junto a una de dispersión.
Creemos que esta es una de las razones por la que cuando aparecen en los medios de comunicación
medias aritméticas (salario medio, media mensual de la pensión de jubilación en un país,…) muy
pocas veces aparece la media junto a la desviación típica. Solamente encontramos la media. Esta falta
de cultura estadística se debe comenzar a atajar desde la escuela y la investigación didáctica.
Otra conclusión es que estas leyes han sido estudiadas por verdaderos genios y les costó muchos
esfuerzo llegar a conclusiones aceptables por ellos mismos y por los demás. Sin embargo, queremos
que nuestros estudiantes, adquieran un conocimiento adecuado sobre Estadística y Probabilidad sin ni
siquiera esbozar unas ligeras nociones sobre la dispersión y conceptos relacionados. El mismo
razonamiento podemos hacer para la investigación didáctica.

A la vista de lo expuesto anteriormente, concluimos que es necesario incluir en los programas

de enseñanza y en los de investigación didáctica una clarificación adecuada de las nociones relativas a
la dispersión y conceptos relacionados como sus fuentes, destacando su presencia en las actividades
que se desarrollen, ya que como dice Moore, (1997, p. 150), “La omnipresencia de la variación es
admitida, pero a menudo no se explica con claridad (la simulación de un histograma en la

computadora no enseña la gente de negocios como interpretar un informe financiero)”.
Bibliografía
Bakker, A. (2004). Design research in statistics education: On symbolizing and computer tools.
Published Doctoral dissertation. Utrecht, The Netherlands: Freudenthal Institute. [En línea]
Recuperado el 24 de mayo de 2013, de
http://www.stat.auckland.ac.nz/~iase/publications/dissertations/04.Bakker.Dissertation.pdf
Bernouille, D. (1970). The most probable choice between several discrepant observations and
formation therefrom of the most likely induction. Publicación original de 1777 en una memoria en
la academia de San Petersburgo y reproducido en E. S. Pearson y M. Kendall (1970). Studies in the
History of Statistics and Probability, (pp. 157-167). Second impression, 1978. London: Charles
Griffin.
B.O.J.A. (2007). Orden de 10 de agosto de 2007, de la Consejería de Educación de la Junta de
Andalucía, por la que se desarrolla el currículo correspondiente a la Educación Secundaria
Obligatoria en Andalucía. Boletín Oficial de la Junta de Andalucía, 30 de agosto de 2007.
Cobb, G. W. y Moore, D. S. (1997). Mathematics, Statistics, and Teaching. The American
Mathematical Monthly, 104, 801-823.
Eisenhart, C. (1983). Laws of error I. Development of the concept. En S. Kotz y N. L. Johson (Eds.).
Encyclopedia of Statistical Sciences, Vol. 4, pp. 531-547. New York: John Wiley ySon Inc.
Estepa, A.; Gea, M. M.; Cañadas, G. R. y Contreras, J. M. (2012). Algunas notas históricas sobre la
correlación y regresión y su uso en el aula. Números. Revista de didáctica de las Matemáticas, 81,
pp. 5-14.
Franklin, C., Kader, G., Mewborn, D., Moreno, J., Peck, R., Perry, M., et al. (2005). Guidelines for
assessment and instruction in statistics education (GAISE) report: A pre-K-12 curriculum
framework. Alexandria, VA: American Statistical Association. [En línea] Recuperado el 24 de
mayo de 2013, de http://www.amstat.org/education/gaise/GAISEPreK-12_Full.pdf
Garcia Pelayo, R. (Dtr.) (1993). Gran diccionario Español-Inglés. English – Spanish. Barcelona:
Larouse.
Garfield, J. B.; Ben-Zvi, D.; Chance, B.; Medina, E. Roseth, C. y Zieffler, A. (2008). Developing
Students’ Statistical Reasoning. Connecting Research and Teaching Practice. New York: Springer.
Hald, A. (1998). A History of Mathematical Statistics. From 1750 to 1930. New York: John Wiley $
Son Inc.
Kaplan, J. J., Rogness, N. T. y Fisher, D. G. (2011). Lexical ambiguity: making a case against spread.
Teaching Statistics, 34 (2) , 56–60.
Kendall, M. G. (1978). Daniel Bernouilli on maximun likelihood. En E. S. Pearson y M. Kendall
(1978). Studies in the History of Statistics and Probability, 155-156. London: Charles Griffin
(Second impression).
M.E.C. (2007a). Real Decreto 1631/2006, de 29 de diciembre, por el que se establecen las enseñanzas
mínimas correspondientes a la Educación Secundaria Obligatoria. Boletín Oficial del Estado, 5 de
enero de 2007.
M.E.C. (2007b). Real Decreto 1467/2007, de 2 de noviembre, por el que se establece la estructura del
bachillerato y se fijan sus enseñanzas mínimas. Boletín Oficial del Estado, 6 de noviembre de 2007.
MacGillivray, H. (2004). Coherent and purposeful development in statistics across the education
spectrum. In G. Burrill, y M. Camden (Eds.), Curricular Development in Statistics Education:

International Association for Statistical Education 2004.Roundtable. (pp. 230-243). Voorburg, The
Netherlands: International Statistical Institute.
Makar, K. y Confrey, J. (2005). “Variation-talk”: Articulating meaning in statistics. Statistics
Education Research Journal, 4(1), 27-54, http://www.stat.auckland.ac.nz/serj.
Martín-Guzmán, M. P. y Martín Pliego, F. J. (1985). Curso básico de Estadística Económica. Madrid:
Editorial AC.
Moore, D. (1990). Uncertainty. En L. A. Steen (Ed.), On the shoulders of the giants: New approaches
to numeracy , 95-137. Washington, DC: National Academy Press.
Moore, D. S. (1997). New pedagogy and new content. The case of statistics. International Statistical
Review, 65(2), 123-165.
Peters, S. (2011). Robust understanding of statistical variation. Statistics Education Research Journal,
10(1), 52-88.
Petrosino, A. J.; Lehrer, R. y Schauble, L. (2003) Structuring Error and Experimental Variation as
Distribution in the Fourth Grade. Mathematical Thinking and Learning, 5(2y3), pp.131-156
Phatak, A and Robinson, G. (2005) Understanding and modelling variability:
Practitioners’Perspectives. International Statistical Institute, 55th Session.
http://www.stat.auckland.ac.nz/~iase/publications.php?show=13
Plackett, R. L. (1978). The principle of the arithmetic mean. En E. S. Pearson y M. Kendall (1978).
Studies in the History of Statistics and Probability, 121-126. London: Charles Griffin (Second
impression).
Reading, C., y Shaughnessy, J. M. (2004). Reasoning about variation. En D. Ben-Zvi y J. Garfield
(Eds.), The challenge of developing statistical literacy, reasoning and thinking, 201-226.
Dordrecht, The Netherlands: Kluwer Academic Publishers.
Shaughnessy, J.M. (2007). Research on statistics learning and reasoning. En F. K. Lester (Editor)
Second Handbook of Research on Mathematics Teaching and Learning, Vol. 2, 957 – 1009.
Reston, Virgina VA: NCTM.
Utts, J. M. (2005). Seeing Trough Statistics. Toronto: Thomson Brooks/Cole
Wild, C. J. y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical
Review, 67 (3), 223 – 265.
Antonio Estepa Castro, nacido (13/05/1952) en Valdepeñas de Jaén (Jaén). Doctor en Matemáticas.
Catedrático de Didáctica de la Matemática de la Facultad Humanidades y Ciencias de la Educación de la
Universidad de Jaén. Su campo de investigación es la Didáctica de la Matemática, especialidad de
Didáctica de la Estadística y la Probabilidad. Ha publicado diversos trabajos de investigación en este
campo en revistas, libros y congresos. También ha realizado bastantes revisiones de trabajos de
investigación para revistas y congresos importantes en dicho campo de investigación.
Universidad de Jaén.
Email: aestepa@ujaen.es
Jesús del Pino Ruiz nacido (14/05/1982) en Porcuna (Jaén). Licenciado en Física (Universidad de
Granada), posee el CAP en física y química (Universidad de Granada) y ha realizado el trabajo tutelado
de iniciación a la investigación en Didáctica de las Matemáticas (Universidad de Jaén) bajo la tutela de D.
Antonio Estepa Castro. Su investigación se proyecta en torno a la enseñanza y aprendizaje de la
dispersión. En la actualidad es profesor interino de Matemáticas en la Junta de Andalucía.
Universidad de Jaén.
Email: jpr00026@red.ujaen.es

ISSN: 1887-1984
Problemas de mediciones repetidas y de riesgo para desarrollar el razona-
miento de estudiantes de secundaria en los temas de media y dispersión
Ernesto Sánchez (Cinvestav. México)
José Antonio Orta Amaro (Cinvestav. México)
Resumen En este artículo se proponen problemas para desarrollar el razonamiento de los estudian-
tes en los temas de media y dispersión de un conjunto de datos. Se destacan dos caracte-
rísticas de las tareas que pueden ser útiles tanto en su utilización como para elaborar otros
problemas: a) comparación de grupos de datos, b) contexto (medición y riesgo). Se anali-
zan los problemas indicando las dificultades y posibles respuestas de los estudiantes. La
exposición de los problemas está precedida de un conjunto de ideas extraídas de la inves-
tigación que ayudan a esclarecer la intencionalidad, el significado y las características
transferibles de los problemas propuestos.
Palabras clave Media, dispersión, comparaciones de conjuntos de datos, mediciones repetidas, riesgo.
Abstract In this paper, some problems for developing students’ reasoning about mean and spread
of data are proposed. Two tasks feature which are useful for working on them and for
constructing other tasks are pointed out: a) comparing groups, b) context (measures and
risk). Difficulties of the tasks and some possible students’ responses are analyzed. Previ-
ous to show the problems, several ideas from research for helping to clarify the intention-
ality, meaning and transferable features of the problems are considered.
Keywords Mean, spread, comparing groups, repeated measures, risk.
1. Introducción
La estadística tiene un papel destacado en el desarrollo de la sociedad moderna al proporcionar

herramientas metodológicas generales para recoger y organizar todo tipo de datos, describir y analizar
su variabilidad, determinar relaciones entre variables, diseñar en forma óptima estudios y experimen-
tos y mejorar las predicciones y toma de decisiones en situaciones de incertidumbre. En consecuencia,
una persona educada debe ser capaz de entender, y razonar con, la información estadística a la que
constantemente está expuesta y, más aún, ser capaz de utilizar los instrumentos de la estadística para
generar y analizar datos relevantes para su vida diaria y profesional. Hay consenso entre investigado-
res y educadores acerca de la necesidad de que la escuela debe favorecer el desarrollo del razonamien-
to estadístico de los estudiantes.
En la mayoría de países modernos, desde hace décadas, se ha incorporado la estadística en los

currículos de los niveles básico, medio y universitario; sin embargo, los resultados aún son pobres. En
efecto, la cultura estadística de un ciudadano promedio es inferior de lo que se asienta y pretende en
los diversos programas; como lo han constatado los estudios sobre dificultades de estudiantes preuni-

Problemas de mediciones repetidas y de riesgo para desarrollar el razonamiento de estudiantes
de secundaria en los temas de media y dispersión
versitarios (Garfield y Alghren, 1988; Batanero, Godino, Vallecillos, Green y Holmes,1994), falsas
concepciones (Shaughnessy, 1992, 2007; Jones, Langrall y Mooney, 2007) y falsas concepciones so-
bre inferencia de estudiantes universitarios (Castro-Sotos, Vanhoof, Noortgate y Onghena, 2007).
Un problema común en la enseñanza de la estadística de los niveles básicos es su enfoque hacia

la transmisión de procedimientos y fórmulas (elaborar gráficas y calcular resúmenes estadísticos) sin
que se conviertan, y sean utilizados, como herramientas de análisis. A pesar de que la media y la des-
viación estándar (en general: centros y medidas de dispersión) son fundamentales en estadística, en la
práctica y en problemas en los que sería pertinente considerarlos, no son utilizados por los estudiantes
(Gal, 1989,1990; Watson, 1999) Un problema con la media aritmética es que la fórmula matemática es
muy simple, pero su interpretación en los diferentes contextos en que se presenta, parece constituir un
obstáculo de grandes dimensiones. Por su parte, percibir la dispersión es muy natural (Shaughnessy,
1997) sin embargo, sus expresiones simbólicas son algo complicadas para los estudiantes y, sobre
todo, les es muy difícil interpretarla en función del contexto del que provienen los datos.
Los más recientes cambios curriculares recomiendan que los profesores busquen enfocar la en-
señanza de la estadística hacia el desarrollo del razonamiento estadístico y no sólo en el aprendizaje de
conocimientos, pero para hacerlo, es necesario elaborar y socializar actividades que sirvan para ese
propósito. Varios autores ya han dado pasos en este sentido (Batanero y Díaz, 2011, Garfield y Ben-
Zvi, 2008) y el presente trabajo pretende constituir una contribución más. Su objetivo específico es
proponer y analizar 4 problemas que pueden ser útiles para la elaboración de actividades que ayuden al
desarrollo del razonamiento de los temas de media y dispersión en clase de estudiantes de secundaria
(14-15 años). Antes de exponer dichos problemas, se revisarán algunas ideas extraídas de la investiga-
ción que ayuden a esclarecer la intencionalidad, el significado y la trascendencia de los problemas
propuestos.
2. El papel de los problemas en la planificación
A grandes rasgos, las actividades que debe realizar un profesor son: 1) planificar lecciones para
cubrir los objetivos curriculares, 2) llevar a la práctica lo planificado y 3) permanentemente evaluar los
avances de sus alumnos. La planificación de una lección es una tarea compleja y demandante que exi-
ge del profesor interpretar y transformar el conocimiento. Una buena planificación permite realizar las
otras dos etapas con mayor eficacia. El problema de cómo pueden aprender los futuros profesores a
planificar sus lecciones constituye toda una línea de investigación que no es objeto de este estudio.
Rescatamos, sin embargo, una parte de la discusión que sobre este problema ofrece Jones y Smith
(1997) cuando responden a la pregunta ¿cómo aprenden los futuros profesores a diseñar las lecciones
de matemáticas que implementarán en clase?
Para responder a esta pregunta, Jones y Smith (1997) analizan cómo diseñan sus lecciones los
profesores experimentados. Con base en informes empíricos de investigación, observa que el punto de
partida del diseño para la mayoría de esos profesores, no se posiciona en los objetivos o aprendizajes
esperados, sino que el elemento que dispara el diseño de la lección son las tareas y problemas con las
que ya cuenta. Por lo tanto, es frecuente que el proyecto de enseñanza de un profesor esté más deter-
minado por el catálogo de problemas que es capaz de manejar, que por los contenidos específicos y las
recomendaciones didácticas del currículo. Por supuesto, ambos: objetivos curriculares y problemas,
están íntimamente relacionados y el profesor lleva a cabo una negociación en la que trata de armoni-
zarlos; pero si no cuenta con problemas apropiados es probable que no cumpla convenientemente con
los objetivos o los omita en su clase. Por lo anterior, una componente importante en la formación de
futuros profesores y en la actualización de profesores en servicio es la elaboración y discusión de pro-
blemas relevantes para los estudiantes.

En conclusión, las nuevas propuestas curriculares, cuyo eje es el desarrollo de competencias,

necesitan ir acompañadas de problemas y tareas para elaborar actividades que contribuyan a la forma-
ción de las diversas competencias que el currículo prescribe. Los problemas que se proponen en este
trabajo tienen la intención de contribuir con algunos problemas para promover el razonamiento de los
estudiantes en los contenidos de media y dispersión.
3. El razonamiento estadístico
El razonamiento es un proceso mental cuya función es generar ideas (en forma de proposicio-
nes) y apoyar su veracidad. Esos procesos pueden y suelen desembocar en discursos o representacio-
nes simbólicas de enunciados concatenados de manera que dan lugar a una conclusión. Cuando las
ideas que se generan son de tipo estadístico se habla de razonamiento estadístico. Garfield y Ben-Zvi
se refieren a él de la siguiente manera:
“El razonamiento estadístico es la manera en que la gente razona con

las ideas estadísticas y le da sentido a la información estadística […]
puede involucrar conexiones de un concepto a otro (por ejemplo cen-
tros y dispersión) o combinar ideas acerca de datos y azar. El razona-
miento estadístico también significa entender y ser capaz de explicar
procesos estadísticos y de interpretar los resultados estadísticos” (Gar-
field y Ben-Zvi, 2008, pp. 34).
Conviene destacar el aspecto de la interpretación a la que se refiere Garfield y Ben-Zvi en la an-

terior cita. No es suficiente que mediante un tratamiento estadístico se obtenga una gráfica, un número
resumen, un intervalo de confianza o el resultado de un contraste de hipótesis, si tales resultados no se
interpretan convenientemente. La interpretación concierne a la relación del resultado de un tratamiento
estadístico con el contexto de la situación de donde surgieron los datos y el problema. Wild y
Pfannkuch (1999) sugieren que uno de los tipos fundamentales de pensamiento estadístico es la inte-
gración de lo estadístico y lo contextual. Es por esto que al proponer un problema para desarrollar el
razonamiento estadístico conviene considerar seriamente el contexto, no como un pretexto para formu-
lar un problema, sino como una preocupación genuina de entenderlo y aprender algo sobre él a través
del análisis de los datos disponibles.
3.1. La media aritmética, la dispersión y sus relaciones
La definición y cálculo de la media aritmética es trivial y los estudiantes la aprenden desde la

escuela primaria. No obstante, su uso e interpretación en las situaciones en las que juega un papel im-
portante parecen estar lejos de ser simples para estudiantes de todos los niveles (Russell, 1990, Groth y
Bergner, 2006). Batanero (2000) señala que la reflexión sobre las dificultades en el aprendizaje que
presentan los alumnos con relación a la media aritmética, debe comenzar por un análisis epistemológi-
co de su significado. Para hacerlo, sugiere partir de las situaciones-problema que dan lugar al uso de la
media aritmética; identifica cuatro de ellas y un problema para cada una. Las situaciones son de:
• estimación de una cantidad desconocida, en presencia de errores de medida

• repartición equitativa de la totalidad de cantidades diferentes
• elemento representativo de un conjunto de valores dados cuya distribución es aproximada-
mente simétrica
• predicción del valor o valores con mayor probabilidad al tomar un elemento al azar de una
distribución

Después de analizar el concepto con base en otros constructos para analizar el significado: ele-
mentos actuativos, intensivos, extensivos, ostensivos y validativos (Godino, 1996), Batanero concluye
que la media aritmética y otros conceptos estadísticos, “tienen un significado complejo y por tanto será
necesario un periodo dilatado de enseñanza a lo largo de la educación primaria y secundaria para lo-
grar el progresivo acoplamiento de los significados personales que construyen los alumnos a los signi-
ficados institucionales que pretendemos adquieran” (Batanero,2000, pp.10).
Por su parte, la dispersión es una característica de un conjunto de datos numéricos. Hay diferen-
tes medidas de la dispersión, donde las más usadas son: rango, desviación media, desviación estándar,
y cuartiles. El cálculo de algunas medidas de dispersión es algo más difícil que el de la media, sin em-
bargo, con cualquier calculadora científica se obtienen fácilmente, una vez que se le introducen los
datos. Un significado que se suele dar a las medidas de dispersión es como indicadores de qué tan
separados están los datos entre sí. Basta ordenar los datos o hacer su gráfica de frecuencias para perci-
bir intuitivamente la dispersión; en contraste, la dispersión como un número específico es para la ma-
yoría un misterio. Las ideas de separación y la interpretación del valor numérico están en un terreno
abstracto, y aunque importantes, faltaría interpretar la dispersión en los contextos en los que se presenta.
Varios investigadores (Garfield y Ben-Zvi, 2008, Konold y Pollatsek, 2004) sugieren que no es
posible entender la dispersión sin verla estrechamente ligada a una medida de tendencia central, prin-
cipalmente a la media aritmética. Por ejemplo, Garfield y Ben-Zvi comentan que “los libros de texto
tradicionales primero introducen las medidas de tendencia central, luego introducen la dispersión y
luego continúan con el siguiente tópico. Sin embargo, puede ser más útil estudiar esos tópicos juntos
pues están interrelacionados” (Garfield y Ben-Zvi, 2008, pp. 88). En consecuencia, es muy importante
tener situaciones y problemas para trabajar en clase y propiciar la interpretación de la media y la dis-
persión de manera conjunta. Las situaciones de comparación de conjuntos de datos son ideales para
ese propósito.
3.2. Comparación de conjuntos de datos
Gal (1989, 1990) administró problemas simples de comparación de conjuntos de datos con ni-
ños de educación básica (8 a 12 años) y observó las estrategias que utilizaban para analizarlos y res-
ponder las preguntas. Un resultado sorprendente es que ninguna de las estrategias que desarrollaron
los niños incluía el uso de la media aritmética, cuando ésta era fundamental para la solución. Poste-
riormente, otras investigaciones han utilizado problemas de comparación de grupos para explorar las
estrategias de los estudiantes en el análisis de datos (Watson 1999,2001). Garfield y Ben-Zvi (2008)
argumentan a favor del valor que tienen los problemas de comparación de conjuntos de datos y de-
fienden que se incluya como un tópico explícito a tratar en los cursos de estadística; resumen sus razo-
nes en los siguientes cuatro puntos:
1. Comparar dos o más grupos puede estructurarse como una versión inicial e informal de in-
ferencia estadística
2. Los problemas que involucran comparaciones de grupos son a menudo más interesantes que
los que involucran a un solo grupo
3. Estudiantes de cualquier nivel requieren desarrollar estrategias para comparar grupos de da-
tos
4. En la comparación de grupos es importante realizar representaciones gráficas y obtener re-
súmenes (centro y dispersión) de los datos.

Con base en estos argumentos, los problemas que se proponen en este artículo son de compara-
ción de conjuntos de datos, pero se ha buscado formularlos en contextos en los que la interpretación de
los resultados sea significativa.
4. Contextos favorables para la interpretación de la dispersión
En los apartados anteriores se ha señalado la importancia de contar con problemas y actividades

para diseñar lecciones de estadística que permitan cubrir los contenidos curriculares. Dentro de los
contenidos de estadística los temas de media aritmética y dispersión son cruciales. El enfoque didácti-
co de los actuales corrientes curriculares enfatiza en el desarrollo de habilidades de razonamiento y no
solo en la adquisición de conocimientos. Con este fin, parecen convenientes las situaciones de compa-
ración de conjuntos de datos, formuladas en contextos significativos. En lo que sigue se proponen dos
contextos con potencial para propiciar la petición y búsqueda de razones para justificar una respuesta o
decisión.
4.1. Contextos de mediciones repetidas
Cuando en un trabajo experimental se realizan varias mediciones de una magnitud física no se

obtiene en general el mismo resultado. Surge entonces el problema de cuál es la mejor aproximación a
la verdadera medida de la magnitud en cuestión. La teoría de los errores establece que la mejor apro-
ximación es la media aritmética cuando las mediciones cumplen las siguientes características:
• Cada medición es independiente de cualquier otra

• Se pueden cometer con la misma frecuencia, tanto errores por defecto como errores por ex-
ceso.
La media aritmética se aproximará tanto más al valor verdadero de la magnitud cuanto mayor
sea el número de medidas, ya que globalmente los errores aleatorios se compensan. Una medida o dato
( se puede expresar como la suma de la medida real T (desconocida) del objeto más un error:
, la media de las mediciones será la suma del la medida real más la media de los errores:
. Como los errores son tanto positivos como negativos se espera que el promedio de los
errores sea pequeño.
De acuerdo con la teoría de Gauss de los errores, cuando se supone que estos se producen por
causas aleatorias, se toma como la mejor estimación del error, el llamado error cuadrático definido
por:
Esta medida es , donde s es la desviación estándar muestral, es decir, del conjunto dado de
datos. Esta fórmula confirma y formaliza la idea intuitiva de que la precisión de un conjunto de medi-
das es función de la dispersión; cuando los datos son muy dispersos corresponden medidas con poca
precisión, en cambio, si están muy próximos entre sí significa que las medidas son muy precisas. Las
ideas anteriores ofrecen una buena oportunidad para dar una interpretación a los conceptos de media
aritmética y dispersión; por ejemplo, una actividad basada en la combinación entre encontrar la mejor

estimación a un dato real de un conjunto de mediciones y comparar conjuntos de datos, puede ser
promisoria.
4.1.1. Un problema en el contexto de medidas
A continuación, en la Figura 1, se muestra un problema en un contexto de medidas que puede

servir para elaborar una actividad que promueva el razonamiento de los estudiantes de la media y la
dispersión:
Una clase de ciencias se divide en dos grupos A y B. Cada grupo está formado por 9 estu-
diantes. Cada uno de ellos, independientemente del otro, midió la altura de un poste y cada
grupo utilizó un método diferente. Las longitudes en metros que obtuvieron se muestran en
las siguientes listas:
Datos obtenidos por el Grupo A

4.6 4.2 4.7 4.6 4.5 4.3 4.6 4.7 4.3
Datos obtenidos por el Grupo B

4.7 4.4 4.0 3.9 5.2 3.9 4.7 5.0 4.7
• Cada grupo por su lado, con base en sus datos, debe proponer tan exactamente co-
mo sea posible la verdadera altura del poste ¿Qué números deben proponer?
• Se quiere evaluar entre el método para obtener las medidas que utilizó el grupo A y
el método que utilizó el grupo B, ¿Cuál es más preciso? ¿Por qué?
Figura 1. Ejemplo de un problema en un contexto de mediciones
La respuesta a la primera pregunta es la media de cada conjunto de datos ( y

). La respuesta a la segunda pregunta se puede basar en alguna medida de la dispersión; por
ejemplo, los rangos son: ; se deduce que hay más precisión en las medidas del
grupo A. Esta conclusión es la misma si se consideran las desviaciones medias:
( ) las desviaciones estándar ( ) o el error cuadrá-
tico ( . La gráfica también puede servir de argumento para apoyar que es más
preciso el método del grupo A (ver Figura 2).
Análisis del problema
Las razones por las que la media aritmética es el mejor estimador no son evidentes y, por tanto,
no la suelen dar espontáneamente los estudiantes de cualquier nivel (Gal 1989,1990). Una respuesta
que prefieren es proponer la moda: 4.6 para el primer conjunto y 4.7 para el segundo. Un problema
con esta propuesta de solución es que no toma en cuenta las otras medidas. Otra respuesta posible es el
punto medio del recorrido, por ejemplo: y aunque ésta es una mejor pro-
puesta que la de proponer la moda, no es tan buena como la media. La mediana también es una pro-

puesta conveniente, sin embargo, esperar que la consideren los estudiantes es tan difícil como la pro-
pia media (en el ejemplo, casualmente las medianas coinciden con las modas).
Figura 2. Gráficas del problema de mediciones
En la clase, se debe permitir que los estudiantes hagan sus propuestas y las discutan. El profesor
puede plantear que la solución debe tener en cuenta todas las medidas y no sólo una o un sub-conjunto
de ellas; también tiene que enfatizar en el hecho de que los errores son aleatorios y pueden ser tanto
por exceso como por defecto y que la solución debiera aprovechar esta circunstancia. Estas razones
pueden contribuir a entender que la media es un buen candidato. El profesor debe abstenerse de dar la
solución desde un principio, pues frustraría la posibilidad de reflexión de sus estudiantes, en su lugar,
tiene que desplegar recursos para motivar la discusión; cuando algún estudiante proponga la media no
la debe aceptar de inmediato, sino propiciar que convenza a sus compañeros con argumentos válidos.
El análisis de la precisión en este contexto no es tan difícil de percibir y de que surja naturalmente en
boca de los estudiantes. La cuestión es no dejar sólo que perciban intuitivamente al grupo de datos con
mayor precisión (menos dispersión) sino aprovechar dicha percepción para asociarla con una medida
de dispersión.
4.2. Contextos de riesgo
A continuación se presentan algunas ideas básicas sobre el riesgo basadas en la exposición de

Fischhoff y Kadvany (2011). En particular, para los fines de este artículo basta mencionar algunas
ideas de tres temas que abordan estos autores: la definición de riesgo, el análisis del riesgo y la toma
de decisiones en situaciones de riesgo. El riesgo se presenta cuando hay potenciales resultados no
deseados que pueden traer como consecuencia pérdidas o daños. Definir el riesgo significa especificar
los resultados valiosos y los no deseados en un orden que refleje el valor que se les atribuye. En mu-
chas ocasiones, se pueden medir los resultados no deseados o valiosos, por ejemplo, las tasas de mor-
talidad o el producto interno bruto. Hay también eventos en los que no hay acuerdo de cómo medirlos:
pobreza, bienestar o crecimiento económico. Finalmente, hay algunos en que la sola idea de medirlos
es controversial, así son las amenazas a la justicia o los daños ecológicos a la naturaleza.
Una vez que se identifican los riesgos, el problema es determinar qué tan grandes o prejudicia-
les son y cuáles son las posibles causas que los gobiernan. El análisis del riesgo generalmente son

constructos intrincados, a menudo integran los análisis de científicos de diferentes áreas del conoci-
miento y toman en cuenta una diversidad de fuentes de datos o información. No obstante, hay una
variedad tan amplia de fenómenos, que la lógica del análisis del riesgo puede consistir en simples con-
teos de datos, con cuyos resultados llevar a cabo conocidos análisis estadísticos, hasta complejas simu-
laciones de modelos cibernéticos conteniendo información científica de áreas especializadas además
de intrincados procesos estocásticos.
El análisis del riesgo ofrece información para la toma de decisiones. La teoría de la toma de de-
cisiones en situaciones de riesgo tiene dos aspectos; por un lado, define reglas abstractas sobre lo que
debería hacer la gente en situaciones de riesgo, por otro, estudia lo que hace la gente cuando se enfren-
ta realmente a tales situaciones: “Si la gente no sigue las reglas, quiere decir que o las personas necesi-
tan ayuda o las reglas necesitan una revisión” (Fischhoff y Kadvany, 2011, pp.65). En los casos en que
el análisis del riesgo ofrece un conjunto ordenado de posibles resultados, la regla para tomar decisio-
nes es simple: “elija la opción cuyo resultado produzca algo con la mayor cantidad del valor que usted
desea tener (dinero, descanso, acres de tierras húmedas, etc.)” (Fischhoff y Kadvany, 2011, pp. 65). La
ordenación de los resultados generalmente contiene incertidumbre y está asociada a distribuciones de
probabilidad. La regla entonces debe combinar el valor deseado que proporciona cada resultado con la
probabilidad de que ocurra para cada posible decisión.
4.2.1. Un problema en el contexto de juegos
No iremos más allá de los comentarios anteriores, pues son suficientes para indicar la naturaleza
del contexto de riesgo en el que se formula el problema que se propone (Figura 3). En el análisis del
problema aclararemos el papel de la media y la dispersión para la toma de decisiones en la situación de
riesgo que se propone.
En una feria, se invita a los asistentes a participar en uno de dos juegos. Juan puede participar
en un juego, pero no en ambos. Para saber por cual decidirse observa, anota y ordena los re-
sultados de dos muestras de 10 personas que han participado en cada juego. Las pérdidas (-) o
premios (+) en efectivo que han obtenido las 20 personas se muestran en las siguientes listas:
Juego 1
15 -21 -4 50 -2 11 13 -25 16 -4
Juego 2
120 -120 60 -24 -21 133 -81 96 -132 18
Si tienes la posibilidad de participar en un solo juego ¿Cuál juego elegirías? Explica las razo-
nes de tu respuesta.
Figura 3. Ejemplo de un problema sobre situaciones de riesgo
Una respuesta relativamente aceptable es que es igual jugar en cualquiera de los dos juegos, es-
to con base en el argumento de que ambos conjuntos tienen la misma media ( ), es decir, a la
larga en cualquiera de los juegos se ganará en promedio 4.9 unidades. No obstante, una respuesta más
avanzada debe tener en cuenta la dispersión. Es notorio que en los datos del segundo juego hay mucha
más dispersión que en los del primero (Figura 4). En este contexto, la dispersión se asocia al riesgo: el

juego 2 es más arriesgado, pues aunque con base en los datos se puede conjeturar que es posible ganar
cantidades mayores que en el juego 1 (el máximo en el juego1 es 133, mientras que en el juego 2 es
50) también es posible perder más (el mínimo en el juego 1 es -132, mientras que en el juego 2 es -25).
La decisión depende de las preferencias y condiciones económicas del jugador, si es propenso al ries-
go y tiene suficientes recursos para jugar, podría optar por el juego 2; si es conservador o no tiene
suficientes recursos, le conviene elegir el juego 1.
Figura 4. Gráficas del problema de riesgo
La idea del problema es propiciar que el estudiante se ubique en una situación de riesgo, de ma-
nera que se dé cuenta que la elección de un juego u otro conlleva consecuencias en términos de bene-
ficios-pérdidas. El primer paso en el análisis es preguntarse en qué juego globalmente se gana más
dinero; esta pregunta se la hacen los estudiantes de manera natural, pero la respuesta que ofrecen es
muy variada. Nuevamente pensar en la ganancia promedio de cada juego (media aritmética de los
datos) y compararlas, es una idea que pocos, si alguno, la consideran; la gran mayoría omiten este paso
que es crucial para el análisis. Sus comparaciones suelen ser resultado de una impresión de riesgo que
les producen los datos individuales de la distribución: unos comparan los máximos de las distribucio-
nes y hacen afirmaciones como “en el juego 2 se gana más”, otros comparan los mínimos “en el juego
1 se pierde menos”; otros podrían ignorar la cantidad precisa que se gana o se pierde y sólo cuentan
cuantos perdedores (cantidades negativas) y cuantos ganadores (cantidades positivas) tiene cada juego,
decidiendo que da lo mismo escoger uno u otro.
Una vez que se determina con base en la ganancia promedio que los dos juegos son equivalen-
tes, se debe formular la pregunta ¿En qué juego se corre más riesgo? Inferir que el juego con mayor
dispersión es más arriesgado que el juego con menor dispersión ofrece un significado pertinente a la
teoría del riesgo. El problema de valorar el riesgo consiste en ponderar entre ambos juegos: En el de
mayor dispersión, se puede tener la fortuna de ganar más que en el otro juego, pero también se corre el
riesgo de perder más. En el de menor dispersión, se puede ganar menos que en el primero, pero tam-
bién, si se pierde se perderá menos que en el otro juego. No hay una regla general que indique cuál es
la mejor decisión, pues depende de la situación económica particular del jugador así como de sus
creencias y actitudes ante el riesgo.

Una dificultad que suelen encontrar los estudiantes surge de la falta de información acerca de la
naturaleza del juego y sobre la manera particular en que un jugador gana determinada cantidad. Mu-
chos estudiantes llenan este vacío imaginando situaciones: unos pueden pensar en una urna con bolas
numeradas, otros en juegos de caballos, etc. Encontramos que algunos estudiantes imaginan que el
primer dato del primer juego (15) corresponde a un jugador y que el primer dato del segundo juego
corresponde a su oponente (120) y concluye que el jugador del segundo juego le ganó al primero (por
105). Situaciones en las que se pueden coleccionar datos ignorando el modelo subyacente son frecuen-
tes en la investigación estadística. La idea del problema es propiciar que el estudiante realice un estric-
to análisis de los datos interpretando la situación a pesar de dichas restricciones. El siguiente ejemplo
es también de una situación de riesgo y en él es más claro la ausencia de un modelo para explicar el
comportamiento de los datos.
4.2.2. Un problema en el contexto de salud-enfermedad
Considera que debes aconsejar a una persona que padece una enfermedad grave, incurable y
mortal, pero que es tratable con medicamentos que pueden extender la vida por varios años
más. Es posible elegir entre tres tratamientos. Las personas tienen diferentes reacciones a las
medicinas, para algunas tienen el resultado previsto, mientras que para otras pueden ser más
benéficas o más prejudiciales. En las siguientes listas se muestran los años que han vivido
varios pacientes que se han tratado con una de las opciones mencionadas; cada dato de las
listas corresponde al tiempo que ha sobrevivido un paciente con el respectivo tratamiento.
Después se muestran las gráficas correspondientes a los tratamientos.
Tiempo en años (tratamiento 1)

5.2 5.6 6.5 6.5 7.0 7.0 7.0 7.8 8.7 9.1

6.8 6.9 6.9 7.0 7.0 7.0 7.1 7.1 7.2 7.4

6.8 6.8 6.9 7.0 7.0 7.1 7.1 7.1 7.2 7.4
Figura 5. Ejemplo de problema es situaciones de riesgo
El primer paso en el análisis de este problema, al igual que los anteriores, es calcular el tiempo
medio de vida para cada tratamiento ( . Con base en esta información se podría decir que
cualquier tratamiento es igual, no obstante, en la medida en que lo que está en juego es de suma im-
portancia, parece imprescindible hacer un análisis (de riesgo) más detenido. Claramente el tratamiento
1 tiene mayor dispersión (Figura 6) y, por tanto, ofrece más riesgo, en el mismo sentido del problema
anterior: los datos indican que se puede vivir más tiempo que el tiempo que indican los datos en cual-
quiera de los otros dos tratamientos (9.1 > 7.4), pero también se puede vivir menos (5.2 < 6.8). ¿Cuál
es la decisión adecuada entre elegir el primer tratamiento y cualquiera de los otros dos? Nuevamente,
no hay una regla general que prescriba la mejor elección, aunque en este caso una decisión conserva-
dora podría ser más popular que una decisión arriesgada. Decidir entre el tratamiento 2 y el 3 es más
difícil, pero si el criterio de menor riesgo se ha tomado y éste se asocia con la desviación estándar
muestral, los datos del tratamiento 2 indican menor dispersión ( , aunque la
diferencia es tan pequeña que se pueden considerar equivalentes.

El análisis de este problema es muy similar al anterior sobre la elección entre dos juegos. El
primer paso es comparar las medias, después considerar con cuidado la dispersión. Como se ha indi-
cado, este sencillo procedimiento no suele estar dentro de las estrategias espontáneas de los estudian-
tes y bien puede ocurrir, que los estudiantes hayan entendido que en el contexto de pérdida-ganancia
es conveniente comparar las medias de los conjuntos de datos y no transferirlo a la situaciones de
tiempo de vida en contextos de salud-enfermedad. Con relación al análisis de la dispersión, puede
ocurrir que un mismo alumno sea propenso al riesgo en el caso de juegos de pérdida-ganancia de dine-
ro, y sea adverso al riesgo en el caso de salud-enfermedad o viceversa. Lo importante de la considera-
ción del riesgo es que lo interpreten de manera adecuada y no caigan en el error frecuente de creer que
“mayor dispersión significa mayor tiempo de vida”, pues esto es falso.
Teimpo de vida Histogram

6
4
Tratam iento_1
2
0
6
4
Tratam iento_2
2
0
6
4
Tratam iento_3
2
5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5
Figura 6. Gráficas de los datos del problema del tiempo de vida
5. Conclusiones
Se han propuesto tres problemas que pueden ser útiles para diseñar lecciones de estadística para
desarrollar el razonamiento estadístico de los estudiantes en los temas de media y dispersión. Las ra-
zones para hacerlo son variadas: la importancia de que el profesor cuente con problemas para cubrir
los contenidos curriculares, las dificultades detectadas en el tema en cuestión y la necesidad de darles
un significado que sea accesible a los alumnos. Los problemas se han adaptado al formato de compa-
ración de conjuntos de datos, pues prefiguran problemas de inferencia, atraen el interés de los estu-
diantes, no son triviales y su solución requiere de los instrumentos elementales de la estadística. Tam-
bién se han inscrito en los contextos de mediciones repetidas (ya señalado por Batanero, 2000) y de
riesgo, pues ambos ofrecen oportunidades para enriquecer el significado de las nociones de media y
dispersión. La intención es explorar recursos que permitan ir más allá de las interpretaciones de la
media y la dispersión que se constriñen a contextos puramente matemáticos. Se han hecho algunas
recomendaciones para implementarlos en clase, acordes con el espíritu actual de las recomendaciones
curriculares: dejar a los estudiantes que propongan soluciones, promover la discusión y prever los
errores y falsas concepciones que ya han sido detectadas en la investigación. En el futuro, investiga-
ciones empíricas y prácticas escolares podrían proporcionar evidencias de las ventajas y desventajas
del uso de este tipo de problemas en clase.

Bibliografía
Batanero, C. (2000). Significado y comprensión de las medidas de posición central. UNO, 25, 41-58.
Batanero, C. y Díaz, C. (2011) (Eds.). Estadística con Proyectos. Granada: Departamento de Didáctica
de las Matemáticas.
Batanero, C., Godino, J. D., Vallecillos, A., Green, D. R., y Holmes, P. (1994). Errors and difficulties
in understanding elementary statistical concepts. International Journal of Mathematics Education
in Science and Technology, 25(4), 527–547.
Castro-Sotos, A. E., Vanhoof, S., Noortgate, W. y Onghena, P. (2007). Students’ misconceptions of
statistical inference: A review of the empirical evidence from research on statistics education. Edu-
cational Research Review, 2, 98–113.
Fischhoff, B. y Kadvany, J. (2011). Risk: A very short introduction. Oxford: Oxford University Press.
Gal, I., Rothschild, K. y Wagner, D. A. (1989) Which group is better? The development of statistical
reasoning in elementary school children. Artículo presentado en el encuentro de la Sociedad para
la Investigación en el desarrollo del Niño (Society for Research in Child Development). Kansas
City.
Gal, I., Rothschild, K. y Wagner, D. A.(1990). Statistical concepts and statistical reasoning in school
children: Convergence or divergence? Artículo presentado en el encuentro de la Asociación de In-
vestigación Educacional Americana (American Educational Research Association), Boston.
Garfield, J. y Ahlgren, A. (1988). Difficulties in learning basic concepts in statistics: Implications for
research. Journal for Research in Mathematics Education. 19, 44-43.
Garfield, J. y Ben-Zvi, D. (2005). A framework for teaching and assessing reasoning about variability.
Statistics Education Research Journal, 4(1), 92-99.
Garfield, J. y Ben-Zvi, D. (2008). Developing Students’ Statistical Reasoning: Connecting Research
and teaching. Springer: New York.
Godino, J.D. (1996). Mathematical concepts, their meaning, and understanding. En: L Puig y A.
Gutierrez (eds.) Proceedings of the 20th Conference of the International Group for the Psychology
of Mathematics Education, 2-417-424. Universidad de Valencia.
Groth, R. E. y Bergner, J. A. (2006). Precervice elementary teachers’ conceptual and procedural
knowledge of mean, median, and mode. Mathematical Thinking and Learning, 8, 37-63.
Jones, K. y Smith, K. (1997). Students teachers learning to plan mathematics lessons. Artículo presen-
tado en la Conferencia Anual de 1997 de la Asociación de Profesores de Matemáticas (1997 An-
nual Conference of the Association of Mathematics Education Teachers: AMET1997). Leicester.
15-17.
Jones, G. A., Langrall, C. W. y Mooney, E. S. (2007). Research in probability: Responding to class-
room realities.En F. K. Lester Jr (Ed.), Second Handbook of Research on Mathematics Teaching
and Learning ,909-955. Reston, VA: The National Council of Teachers of Mathematics.
Konold, C. y Pollatsek, A. (2004).Conceptualizing an average as a stable feature of a noisy process.
En D. Ben-Zvi y J. Garfield (Eds.). The challenge of developing statistical literacy reasoning and
thinking, 169-199. Netherlands: Kluwer Academic Publishers.
Russell, S.J. (1990). Issues in training teachers to teach statistics in the elementary school: A world of
uncertainty. En A. Hawkins (Ed.), Training teachers to teach statistics: Proceedings of the interna-
tional statistical institute roundtable conference,59-71. Voorburg, The Netherlands: International
Statistical Institute.
Shaughnessy, J. M. (1992). Research in probability and statistics: Reflections and directions. En D.
Grouws (Ed.), Handbook of research on mathematics teaching and learning (465-494). Macmillan:
New York.
Shaughnessy, J. M. (1997). Missed opportunities in research on the teaching and learning of data and
chance. In F. Bidulph y K. Carr (Eds.), Proceedings of the Twentieth Annual Conference of the
Mathematics Education Research Group of Australasia , 6-22. Rotorua: University of Waikata.

Shaughnessy, J. M. (2007). Research on statistics learning and reasoning. En F. K. Lester Jr. (Ed.),
Second Handbook of Research on Mathematics Teaching and Learning, 957-1009. Reston, VA,
USA: The National Council of Teachers of Mathematics.
Watson, J. (2001). Longitudinal development of inferential reasoning by school students. Educational
Studies in Mathematics 47, 337–372.
Watson, J. M. and Moritz, J. B. (1999). The beginning of statistical inference: Comparing two data
sets. Educational Studies in Mathematics, 37, 145–168.
Wild, C. J. y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical
Review, 67(3), 223-265.
Ernesto Sánchez Sánchez. Departamento de Matemática Educativa del Cinvestav, México. Es matemá-
tico por la UNAM y Doctor en Ciencias, Especialidad en Matemática Educativa por el Cinvestav. Ha rea-
lizado estancias sabáticas de investigación en Grenoble, Francia (1997), Portland, Estados Unidos (2003)
y Granada, España, (2011). Su investigación ha sido en el área de la didáctica de la probabilidad y la es-
tadística. Nació en Oaxaca, México, 1955.
José Antonio Orta Amaro. Estudiante de doctorado del Departamento de Matemática Educativa del
Cinvestav, México. Es Ingeniero Industrial de profesión, pero se ha dedicado a la docencia. Ha impartido
clases de matemáticas y estadística en los niveles básico y medio superior. Está iniciando su formación
como investigador en el área de didáctica de la estadística. Nació en México, 1973.

ISSN: 1887-1984

Christian Camilo Fuentes Leal (Universidad Distrital Francisco José de Caldas. Colombia)
Fecha de recepción: 26 de diciembre de 2012

Fecha de aceptación: 21 de mayo de 2012
Resumen En este artículo se presenta la hipótesis de la posible existencia de un sistema de

numeración, utilizado por los indígenas Muiscas, los cuales habitaron desde el siglo VI
A.C.-XIX, en el centro geográfico de lo que hoy denominamos Colombia, más
específicamente en los departamentos de Cundinamarca, Boyacá y parte de Santander.
Para la exposición de esta hipótesis se utilizan varias fuentes históricas, entre ellas
manuscritos del siglo XVIII del padre José Domingo Duquesne, quien fue la primera
persona en escribir acerca de la posible existencia de un sistema de numeración escrito
utilizado por esta comunidad nativa.
Palabras clave Etnomatemática, Sistema Numérico.
Abstract This paper, proposed the hypothesis of the existence of a numerical system used by the
Indians Muiscas, who lived from the sixth century BC to the nineteenth century, in the
geographic center of what is now called Colombia, more specifically in the departments
of Cundinamarca, Boyacá and part of Santander. For the exposition of this hypothesis we
used some historical sources, including eighteenth-century manuscripts, form the
churchman José Domingo Duquesne, who was the first person in writing about the
possible existence of a written numerical system used by this native community.
Keywords Ethnomathematics, Numerical System.
1. Los Muiscas y su lengua1- Contextualización
De acuerdo con Humboldt (1878), los Muiscas eran una cultura prácticamente desconocida en
Europa, eran confundidos con una horda de bárbaros y salvajes que vivían entre los imperios Azteca e
Inca. A mediados del siglo XVIII este idea empezó modificarse, llegando actualmente a creerse que,
en el momento de la llegada de los conquistadores a América los Muiscas eran el tercer grupo cultural
más complejo del nuevo mundo, después del Imperio Azteca y el Imperio Inca. Los Muiscas tenían su
epicentro en el altiplano Cundiboyasense, en el centro geográfico de Colombia, y contaban con un
sistema social-político, una admirable estructura económica, religiosa y científica. Por ejemplo,
actualmente en el municipio de Villa de Leyva, Boyacá, existen vestigios de un observatorio celeste y
1
Existen algunos cabildos urbanos en la cuidad de Bogotá y sus alrededores, los cuales señalan ser
descendientes de los Muiscas, actualmente están en el proceso de reconstrucción y preservación del acervo
cultural (especialmente tradiciones y lenguaje) el cual se perdió en quinientos años de conquista, inquisición y
mestizaje de la comunidad.

C. C. Fuentes Leal
otras enigmáticas construcciones hechas totalmente en piedra, las cuales fueron estudiadas por Silva
(1981).
De acuerdo con Greenberg (1987) esta cultura formaba parte de la familia lingüística Chibcha,
territorio que se extiende desde el noreste de Honduras, a través de la costa Caribe de Nicaragua,
Costa Rica, Panamá y Colombia, hasta el oeste de Venezuela, actualmente se clasifica el lenguaje de
la cultura muiscas (muyskkubun) junto con etnias actuales como los U´wa, Kankuamo, Ika y Kogui
como integrantes del Subgrupo Magdalénico de la familia lingüística Chibcha (Figura 1).
Pasado el periodo colonial, con procesos como la cristianización, el mestizaje y los

sincretismos, lamentablemente la cultura Muisca fue desapareciendo casi en su totalidad, fue a finales
del siglo XIX, cuando se empezó a reivindicar el alcance que esta cultura tuvo en su apogeo2.
Figura 1. Mapa del mundo chibcha (Izquierdo, 2008)
Este trabajo presenta la hipótesis de la posible existencia de un sistema de numeración, utilizada

por los indígenas Muiscas, los cuales habitaron desde el siglo VI A.C.-XIX, en el centro geográfico de
lo que hoy denominamos Colombia, más específicamente en los departamentos de Cundinamarca,
Boyacá y parte de Santander.
El presente texto es producto de consultas en diferentes fuentes de información, y de ninguna

forma pretende tomar alguna posición con respecto a la existencia de dicho sistema de numeración,
sino que se presentan diferentes posturas e hipótesis que han surgido al respecto, para que el lector,
tome una posición al respecto.
2
A finales del siglo XIX, el país iniciaba el proceso de construcción de una nación independiente de la corona
Española y de la consolidación de la República de la Nueva Granada (actualmente Colombia), en este proceso se
generaron una serie de discursos relacionados con la creación de una identidad nacional, que necesariamente
tuvieron en cuenta la presencia indígena en el territorio, especialmente el gloriosos pasado de estos y sus luchas
contra los poderes invasores; lamentablemente este discurso fue referido a las comunidades indígenas
“gloriosas” del pasado, concretamente los Muiscas; pero lamentablemente este discurso fue absolutamente
excluyente para los las comunidades indígenas existentes a finales del siglo XIX.

C. C. Fuentes Leal
2. El conteo: una actividad intrínseca al acervo cultural
Bishop (1999) caracteriza la matemática como una tecnología simbólica3, en la cual está
inmersa diferentes actividades matemáticas universales (contar, localizar, medir, diseñar, jugar, y
explicar). Con respecto a la actividad de contar, el autor menciona que la actividad matemática contar,
se puede relacionar con algunos conceptos como cuantificadores, adjetivos numéricos, valor
posicional, pautas numéricas, relaciones numéricas y probabilidad4.
De igual forma el autor resalta la diversa generación de sistemas de representación, para contar
o medir de los diferentes grupos humanos, algunos de ellos son sistemas de conteo de tipo corporal, y
otros de tipo gestual. Se podría decir que la actividad de contar y asociar objetos con números tiene
una historia realmente larga y moderadamente bien documentada, un ejemplo de ello está expuesto en
Menninger (1969).
Al respecto de esta actividad matemática, han surgido muchísimas preguntas, una muy
interesante es: ¿cómo inició? Pues bien de acuerdo con Seidenberg (1962), los sistemas de conteo
tienen un origen ritual. A continuación, se presentará el esquema planteado por el autor en la Figura 2:
Figura 2. Procesos de creación de los sistemas de numeración (Seidenberg, 1962)
Se menciona que inicialmente todos los sistemas de conteo se inician como un sistema puro, el
cual está relacionado con un sistema duplicativo, posteriormente este sistema fue evolucionando a
neosistemas duplicativos, los cuales se fueron complejizando y enriqueciendo cada vez más. De igual
forma Molina y Díaz (1988) plantean el siguiente esquema de difusión de los sistemas de numeración
en América, el cual se presenta en la Figura 3.
3
Pues las matemáticas extienden la habilidad de los humanos para controlar simbólicamente su entorno, de la
misma manera que la tecnología física les permite hacerlo en el ámbito físico.
4
El autor menciona que el acto de contar objetos, permite comprender en gran medida la predicción, la
probabilidad y el azar, y representar grandes cantidades de sucesos estimula la necesidad de un sistema de
símbolos y de representaciones.

C. C. Fuentes Leal
Figura 3. Esquema de difusión de los sistemas de numeración en América (Molina y Díaz, 1988)
Existen diferentes situaciones sociales que generan la necesidad de creación de números muy
grandes y otras donde no sucede esto. Por ejemplo, en el antiguo Imperio Egipcio se idearon gran
cantidad de guarismos propios. El símbolo más alto era el de un millón, representado por un esclavo
arrodillado, dejando un visible mensaje político; caso contrario es el de los Aborígenes Australianos,
comentado por Bishop (1999) quien menciona que ellos sólo recuerdan los tres primeros cardinales,
después del tercer cardinal sólo se indica “muchos”.
Diferentes textos entre ellos Acosta (1971), Agudo (1956), Broadbent (1964), Falchetti y Plazas
(1973), Rozo (1977; 1978), Restrepo (1972), Pérez (1951), mencionan el complejo sistema
económico, social y político que poseían los Muiscas, con base a esta información podríamos empezar
a ver plausible un sistema de numeración propio, pues es muy probable que como en el caso del
Imperio Egipcio, los Muiscas se hubiesen enfrentado a situaciones sociales de las cuales surgiera la
necesidad de crear números de valor significativo.
3. El sistema de numeración muisca: orígenes
Figura 4. Diez nombres básicos para los números (Lugo, 1619)
Desde el siglo XVII, se elaboraron gramáticas escritas por sacerdotes misioneros, quienes
adoctrinaban a la población Muisca utilizando la lengua nativa. En estos textos se describía
brevemente la pronunciación de los números en la lengua amerindia, algunos ejemplos de estas
gramáticas están en las de Fray Fernando Lugo (1619) con el texto “La Gramática en la Lengua
General del Nuevo Reyno Llamado Mosca” y un manuscrito anónimo llamado “Diccionario y
Gramática Chibcha”. En estos dos documentos se dedica una sección al tema de la numeración
Muisca, donde se describen los primeros cardinales. A continuación se mostrarán algunas palabras

C. C. Fuentes Leal
significativas presentes en el manuscrito anónimo (tabla 1). Cabe mencionar que en el manuscrito se
presentan dos “variantes”, ésta muestra podría indicar la existencia de variantes en la pronunciación
de las palabras dependiendo de la parte del altiplano donde sea el individuo.
Español CHIBCHA TUNDAMA5

Padre Paba Paba
Hijo Chuta Tutia
Sol Sua Sa
Luna Chía Tia
Monte Gua Gua
Verdad Ocasa Cub
Pues Nga Nran
Uno Ata Atia
Tres Mica Meia
Tabla 1. Palabras significativas del Muisca
Algunos apartes significativos en este manuscrito son:
“…Las sílabas cha, chi, cho, chu, repetidas con bastante frecuencia, la
hacían desagradable al oído. No se advierte en ella la languidez y la dulzura
que algunos le han atribuido; más bien era monótona por la frecuente
repetición de sonidos semejantes… los Chibchas no conocieron ninguna
clase de escritura ideográfica ni fonética, les faltó la ocasión de pulir y
cultivar su lengua. Aunque tenían cantares a manera de villancicos, en los
que referían los sucesos presentes y pasados, y fórmulas de oraciones para
sus diversas clases de sacrificios, no han quedado de ellos ni la más pequeña
muestra...”
Este aparte es muy interesante, pues plantea la hipótesis inicial acerca de que los Muiscas no
conocieron ninguna clase de escritura ideográfica ni fonética, sin embargo se evidencia la riqueza oral
de esta cultura, aspecto fundamental en el cual está centrado este documento. A continuación
pondremos a consideración la falsedad o certeza de esta hipótesis.
4. El padre Domingo Duquesne y su disertación sobre el calendario de los Muiscas6
José Domingo Duquesne (1748-1821) fue un sacerdote Bogotano que vivió en el siglo XVIII,
fue párroco de los caseríos de Lenguazaque y Gachancipá, ubicados en el departamento de
Cundinamarca, centro geográfico de Colombia, los cuales perviven hoy en día, El padre Duquesne
tuvo interacción con las comunidades Muisca y sus descendientes, y en el año de 1795 escribe un
artículo llamado "Disertación Sobre el Calendario de los Muyscas, Indio Naturales de Este Nuevo
Reino de Granada", el cual fue dedicado y enviado a José Celestino Mutis, quien era, en ese entonces,
director de la Real Expedición Botánica. Éste documento fue publicado en 1848 por el historiador
Joaquín Acosta; al parecer, el padre Duquesne le entregó una copia de su manuscrito a Alexander Van
Humboldt cuando este último estuvo visitando la Nueva Granada, pues en el año de 1878 publica
“Sitios de las cordilleras monumentos de los pueblos indígenas de América”. En este documento
5
Es una región de la confederación formada por los Muiscas ubicada en el centro y norte del departamento de
Boyacá. En los tiempos de la conquista esta provincia, junto con la de los Muzos fueron las que opusieron mayor
resistencia a la invasión europea.
6
Texto basado en algunos apartados de Izquierdo (2008).

C. C. Fuentes Leal
Humboldt dedica un capítulo entero al calendario Muisca. Algunos académicos creen que Humboldt
se basa en el trabajo del padre Duquesne, pues plantea las mismas ideas mencionadas anteriormente
por él.
En 1882 Libordio Zerda publica una serie de borradores inéditos de la obra del padre Duquesne,
que algunos académicos creen que fueron borradores hechos por el padre Duquesne, en los cuales se
basaron para el escrito publicado por Acosta. En este documento el padre Duquesne presenta y explica
sus hallazgos durante sus años de vivencias en los poblados de Lenguazaque y Gachancipa, y se
afirma que los Muiscas conocieron guarismos o numerales para representar cantidades numéricas, los
cuales implementaron para la creación de un complejo sistema calendárico, el cual está expuesto
minuciosamente por Izquierdo (2008). El padre Duquesne presenta un conjunto de símbolos gráficos
representando dichos guarismos, los cuales se presentan en la Figura 5, teniendo en cuenta las
diferentes publicaciones y autores que escribieron acerca del calendario y los numerales de los
Muiscas:
Figura 5. Presentación de los guarismos muiscas propuestos por diferentes autores (Izquierdo, 2008)
Al observar estos guarismos no se presentan alteraciones significativas en cuanto al valor que

representan o a la forma de cada posible numeral.
5. La numeración: su base y el debate académico
Un aparte muy interesante presentado por el padre Duquesne en su texto es el siguiente:
“…Los Muyscas contaban por los dedos. Solo tienen nombres propios para
diez, y para el número veinte. A saber: Ata, Bosa, Mica, Muyhica, Hisca, Ta,
Cuhupcua, Aca, Ubchihica, Gueta. En concluyendo con una vuelta de las
manos, pasaban á los piés, repitiendo los mismos nombres, á que anteponían la
palabra Quihicha, que quiere decir el pié. Quihicha, ata, once; Quihicha bosa,
doce, etc. El número 20, expresado por la dicción gueta (casa o sementera), en
que se encerraban todos los bienes y felicidad de la nación, fenecía todas sus
cuentas. Y así en terminando con un 20, pasaban a contar otro, uniéndolo con
el primero hasta formar un veinte de veintes...”
Gracias a esta sección del documento escrito por el padre Duquesne, se podría determinar la
existencia de los números utilizados por la cultura Muisca, al mencionar el autor “formar veinte de
veintes” se estaría haciendo una mención a un sistema de tipo vigesimal, es decir base 20 o vigesimal.

C. C. Fuentes Leal
Esta característica es muy peculiar en esta parte de América, pues los sistemas de numeración de base
20 son más conocidos en Mesoamérica. Algunos representantes de este tipo de numeración son las
culturas Maya y Azteca, las cuales son presentadas por autores como Fedriani & Tenorio (2004). En
cuanto a este asunto autores como Duque (1945) y Arcila (1974) ha discutido la posible influencia de
la cultura Maya en algunas zonas pertenecientes a la familia lingüística Chibcha, entre ellas el Darién
Antioqueño, zona donde según Langebaek (1987) los Muiscas y otras comunidades andinas
comerciaban sal y cerámicas por oro, mineral utilizado para la elaboración de sus famosos tunjos o
ídolos de ofrenda a los dioses (Figura 6), los cuales hoy en día están albergados en múltiples museos y
universidades a nivel mundial; estos estudios dan una idea acerca de la relación existente entre el
comercio y los saberes, podríamos determinar que al comerciar diferentes objetos o productos no sólo
ideas, saberes, costumbres, cosmogonías, es decir, cultura.
Figura 6. Tunjo muisca, (Museo del Oro) Bogotá Colombia
De esta forma no sería descabellado o absurdo pensar en las relaciones o influencias entre las
matemáticas de las culturas Mayas y Muiscas. Sin embargo, la cultura Muisca está más relacionada
con otras comunidades andinas, como la Inca o Aimara, que con comunidades Mesoamericanas.
Algunas características comunes son el consumo de la hoja de coca y la elaboración de momias con
técnicas similares. Es más, según Pilares (2005) el número 5 en Quechua se pronuncia “pichka”, y en
el lenguaje Muisca el mismo número se pronunciaba “hiscka”, realmente son muy parecidos. Molina
y Díaz (1988), mencionan la concordancia lingüística de estos dos vocablos. Estas similitudes
culturales llevaría a preguntarnos acerca de relaciones culturales entre el pueblo Inca y Muiscas, o sí
por el contrarío, estas similitudes sólo son coincidencias; realmente esto muy apasionante y está
abierto a un enriquecedor y riguroso debate académico.
6. Los números, su significado y las metáforas numéricas
Los números se escriben de múltiples maneras, mediante muescas, jeroglíficos, hasta en

cordeles de lana (en el caso de la cultura Inca), el nombre dado a los diferentes números tiene un
significado cultural o antropológico vinculado. Por ejemplo Cauty (1990) relaciona algunos aspectos
del sistema de numeración de la comunidad Nasa, del departamento del Cauca, en Colombia, con
algunas partes del cuerpo. A continuación, se presentarán algunos significados de las palabras
utilizadas para nombrar los cardinales de los Muiscas, presentados por el Padre Duquesne, los cuales
han sido mencionado por autores como Molina y Díaz (1988) e Izquierdo (2008); cabe mencionar que

C. C. Fuentes Leal
en esta descripción, como en nuestro idioma español, una palabra podía tener varios significados
dependiendo de las circunstancias y el contexto en el cual se nombre, es decir, estos vocablos podrían
tener varias acepciones.
“…1. Ata, Quizás se derive esta voz de una antigua raíz que significaba agua,
Como el atl de los mejicanos.
2. Bosa, en circuito. La misma voz significa una especie de cercado para
defender los campos de animales dañinos.
3. Mica, variable; según otra etimología lo escogido.
4. Muyhica, lo que es negro, amenazadora nube de tempestad.
5. Hisca, descansar, Conjunción, las bodas del Sol y de la Luna..
6. Ta, noche, recolección.
7. Cuhupqua, sordo.
8. Suhusa, cola
9. Aca, los bienes
10. Ubchihica, luna brillante.
20. Gueta, casa, una rana tendida…”
En la tabla 2 se presenta un esquema en el que aparece el numeral de los primeros diez números
cardinales muiscas y el significado para cada uno de estos diez numerales, según la propuesta del
padre Duquesne.
Numeral Significado
Ata. |Los bienes - otra cosa.

|Ata: Un sapo en acción de brincar, que caracteriza la entrada del año.
Bosa. |Alrededor.
|Bosa: Unas narices y las dos ventanas.
Mica. |Parar, hallar, abrir, buscar, coger, cosa varia.

|Mica: Dos ojos abiertos y las narices.
Muihica. |Piedra de la casa, cosa negra, crecer.

|Muihica: Dos ojos cerrados.
Hisca. |Cosa verde, alegría, echarse uno sobre otro, medicina.

|Hisca: La unión de dos figuras: era símbolo de la fecundidad.
Ta. |Labranza, cosecha.

|Ta: El palo y la cuerda con que formaban el círculo de sus casas y de sus labranzas.
Cuhupcua. |Sordo.
|Cuhupcua: Las dos orejas tapadas.

C. C. Fuentes Leal
Suhusa. No tirar de otra cosa. La raíz significa |tender, extender.

|Suhusa: El palo y la cuerda.
Aca. Los bienes.

|Aca: El sapo de cuya cola principia a formarse otro.
Ubchihica. |Luna resplandeciente, casa pintada, pintar.

|Ubchihica: Una oreja, para significar las fases de la luna.
Gueta. |Casa y semetera, tocar.

|Gueta: Un sapo extendido o echado.
Tabla 2. Primeros diez números muiscas y significado, según el padre Duquesne
Al analizar los significados de los números, vemos que predominan temáticas relativas a la
luna7, la rana, y el ciclo de la siembra; con respecto a la rana como animal significativo para los
Muiscas, existen algunas crónicas acerca de la veneración a este animal sagrado. Actualmente en el
Museo del Oro en Bogotá (Colombia), se pueden apreciar varias figurillas de oro con forma de rana.
También Londoño (1998) presenta la imagen de un par de ranas en las puertas de una iglesia Bogotana
(Figura 7). De esta imagen se podría deducir una estrategia de las instituciones eclesiásticas coloniales
para adoctrinar -a la comunidad indígena y mestiza del altiplano Cundiboyasense; de igual forma
podemos observar que en este caso la construcción de los números y especialmente un sistema
numérico dotaban de un profundo sentido de identidad para la comunidad Muisca, pues cada uno de
estos números estaban relacionados con su cosmovisión y su forma de vida, es decir, estaba
relacionada con su cultura.
Figura 7. Figura de una rana sagrada para los Muiscas. Capilla del Sagrario (Bogotá) (Londoño, 1988)
7. Estructura y algunas reglas de composición
Los sistemas de numeración surgen como necesidad de representar simbólicamente cantidades,

Diferentes civilizaciones elaboraron varios tipos de representaciones con múltiples características, la
elección de uno u otro tipo de sistema contribuyeron a facilitar las operaciones de cálculo y, en cierto
7
Era representada por la Diosa Chía, de acuerdo con el padre Duquesne el calendario Muisca estaba basado en
los movimientos de la luna.

C. C. Fuentes Leal
sentido, el avance de las civilizaciones. Generalmente, los sistemas de numeración se clasifican en dos
grandes conjuntos, sistemas aditivos y sistemas posicionales. La principal diferencia entre ellos reside
en el valor de los símbolos que se combinan para escribir los números. De esta forma, en los sistemas
posicionales, un mismo símbolo cambia su valor de acuerdo con la posición que ocupa (característica
que es llamada valor relativo), mientras que en los sistemas aditivos, los símbolos se representan sin
importar un orden específico, aunque estos sistemas optan por una establecer una determinada
disposición preferencial. Es extraño encontrar sistema posicionales en las civilizaciones antiguas, y
sólo tres de ellas lograron dar forma a sistemas con estas características, las cuales han perdurado
hasta hoy día, los babilonios (quienes utilizaban el 10 y el 60 como bases), los mayas (que hacían uso
del 5 y el 20 como base), y los chinos (quienes usaban el sistema posicional de cañas).
Molina y Díaz (1988) comentan algunos principios de construcción comunes en toda la familia
lingüística Macrochibcha, entre ellas el principio aditivo (el cual está presente en los primeros
numerales de la numeración Muisca), y el principio multiplicativo (también está presente en el sistema
de numeración Muisca después del número cuarenta. De acuerdo al documento del padre Duquesne,
podríamos caracterizar este sistema numérico Muisca como un sistema compuesto por serie de
numerales finitos, dotada de cierta estructura lingüística.
En la tabla 3 se presenta un esquema en el que estarán algunos Lexamas (palabras con las cuales
se dicen los números), Protolexemas (cuando no se puede descomponer en otros lexemas) y
Deuterolexema (palabra formada por uno o más Protolexemas) del sistema numérico Muisca, los
cuales son utilizados por Pilares (2005) para el análisis de la estructura lingüística de sistemas de
numeración Quechua y Aimara.
Análisis lingüístico de algunos números de la cultura Muisca

Protolexemas Deuterolexemas
1. Ata 11. Quihicha9 ata (10+1)

2. Bosa 12. Quihicha bosa (10+2)
3. Mica 13. Quihicha mica (10+3)
4. Muyhica ...
5. Hisca 21. Gueta asaqy10 ata (20+1)
Lexemas 6. Ta 22. Gueta asaqy bosa (20+2)
7. Cuhupqua ...
8. Suhusa 35. Gueta asaqy Quihicha hisca (20+15)
9. Aca. ...
10. Ubchihica 40. Gue Bosa (20 x 2)
20. Gueta8 41. Gue Bosa asaqy ata (20 x 2)+1
80. Gue muihica (20 x 4)
200. Gue ubchihica (20 x 10)
Tabla 3. Lexamas, Protolexemas y Deuterolexema del sistema numérico muisca
Al observar esta organización se pueden determinar algunas reglas o normas de construcción

numéricas, por ejemplo:
8
El numero veinte, que bien podría expresarse como Quihicha Ubchihica se expresaba alternativamente por la
palabra Gueta, cuya significación se asociaba a la idea de "un grupo de veinte".(gue-ata gueta)
9
Para expresar los valores entre el once y el diecinueve, se anteponía la palabra Quihicha, cuyo significado es "pie".
10
Después de la veintena se utiliza la palabra asaqy la cual se traduce literalmente “y más”, la cual de acuerdo
con Pilares (2005) podría ser llamado un “constructor”, pues es un fonema que permite establecer una relación
entre varios Protolexemas.

C. C. Fuentes Leal
• Utilización de la palabra “Quihicha” antepuesta para pronunciar los números del 11 al 19.
• Pronunciación del número veinte “Gueta”, haciendo referencia como "un grupo de veinte".
• La utilización de la palabra “asaqy” como constructor para los números.
• El número de cuarenta, podría ser pronunciado “Gueta asaqy Quihicha Ubchihica” o
simplemente “Gue Bosa11”, al determinar cómo dos grupos de veinte, se podrá inferir los
siguientes números:
20 Gueta 20 x 1
40 Gue bosa 20 x 2
80 Gue muihica 20 x 4
200 Gue ubchihica 20 x 10
Sí seguimos la lógica planteada por el padre Duquesne, se creería que los números cuatrocientos
(20x20) y ocho mil (20x20x20) deberían ser designados con palabras especificas, de las cuales,
desafortunadamente, aun no se tiene conocimiento. O tal vez cabe la posibilidad que los Muiscas no
hubiesen tenido la necesidad de crear números de este tamaño. Sin embargo, Izquierdo (2008) plantea
el uso de números de gran tamaño para el uso del calendario Muisca, el cual estaba planteado en series
lunares que se pueden extender se podían extender hasta 74000 lunaciones o ciclos lunares.
8. Críticas a la obra del padre Duquesne
En la anterior parte del documento planteamos la hipótesis de la existencia de un posible

sistema de numeración creado por la cultura Muisca, además se ha hecho un análisis inicial a la
estructura y significados tanto de los números como del posible sistema numérico; ahora en esta parte
del documento se mostrará la otra cara de la moneda, pues especialmente los guarismos presentados
por el Padre Duquesne han sido criticados por la comunidad académica, ya que no se han encontrado
otras fuentes aparte de él, donde se apoye la existencia de dicho sistema de representación gráfico,
cuando se sabe que una característica importante de las culturas amerindias es el uso de la oralidad
para la transmisión de conocimientos.
Este elemento nos ayuda a reflexionar sobre el significado de la escritura; podemos interpretarla
como una estructura creada por palabras, sujetos, verbos y predicados; o tal vez es un concepto mucho
más amplio. Algunos autores mencionan que el sólo hecho de tener un sistema de representación
gráfico ya implicaría una forma de escritura, es decir, los pictogramas en las rocas, los diseños en
mochilas, en cierto sentido, son una forma de escritura, de expresión grafica de cosmogonías, creencia,
historias y conocimientos; tal vez la anterior consideración llevó a hacer una serie de críticas a la
hipótesis de la existencia de un posible sistema de numeración escrito utilizado por los Muiscas, un
ejemplo de estas críticas es un artículo titulado “Crítica de los trabajos Arqueológicos del Dr. José
Domingo Duquesne”, publicado por Restrepo (1972), donde el autor concluye que el trabajo del padre
Duquesne es una malinterpretación de la información dada por los campesinos e indígenas de la
región. Posteriormente con algunos trabajos en antropología especialmente los del Triana (1982),
empezaron a modificar esta hipótesis.
11
El cual hace una referencia a la idea de "dos grupos de veinte".

C. C. Fuentes Leal
9. Interpretaciones actuales a la obra del padre Duquesne
Figura 8. Pictografía rupestre el altiplano Cundiboyasence
En la figura 8 se puede apreciar un ejemplo de arte rupestre que aún sobrevive en el altiplano
Cundiboyasence, con diseños entreverados y “sin orden aparente” que ejemplifican la particular
manera de representación que poseían los indígenas, muy distinta a la que poseemos actualmente en
occidente (Martínez y Botiva, 2004). Actualmente estos vestigios han sido estudiados por diferentes
autores, un ejemplo de esto se encuentra en un estudio de arqueoastronomía presentado por Izquierdo
(2008) acerca del calendario Muisca, concluye que para la cultura muiscas los números abarcaron
conceptos mucho más amplios que la mera expresión de cantidades, ampliándose a la representación
de asterismos celestes, los cuales podrían haber sido nombrados con los mismos nombres de los
números. Según la hipótesis del autor, los símbolos gráficos o “Guarismos” recogidos por el padre
Duquesne no harían relación a guarismos aritméticos, sino a la representación abstracta de patrones
estelares, especialmente las llamadas constelaciones oscuras12, las cuales han sido consideradas de
gran importancia en las tradiciones astronómicas de las culturas andinas por autores como Gary
(1981).
Con respecto a este planteamiento una característica a resaltar de los grupos andinos es la
importancia que toma la oralidad como elemento de identidad; lo cual en cierto sentido apoyaría la
hipótesis planteada por Izquierdo (2008). Sin embargo, Triana (1970), presenta un compilado de
pictogramas y grabados encontrados en un sinnúmero de piedras en todo el altiplano cundiboyasense,
y de acuerdo con las interpretaciones del autor estas representaciones graficas eran de carácter
mitológico y narrativo. Posteriormente, el mismo Triana (1984) presentaría la hipótesis de que la
cultura Muisca iniciaba un “incipiente” proceso de escritura, un apartado planteado por el autor es el
siguiente:
“… En el vocabulario chibcha del padre Lugo, la palabra ioquezecubunsuca

es el equivalente a leer, un análisis de esta palabra indicaría que los chibchas
tenían idea clara de la escritura en pergamino, de donde debió resultar la
consecuencia de lectura del pergamino, que es lo que expresa esta palabra,
pues ioque=pergamino, ze=promonbre de primera persona que se antepone a
los verbos, los cuales terminan en suca y lenguaje=cubum, de modo que
traducida literalmente la palabra ioquezecubunsuca equivale a la frase yo
12
Definidas como las zonas de menor brillo en la Vía Láctea.

C. C. Fuentes Leal
hablo en pergamino, lo que en tanto podría significar, leer como escribir en

pergamino…”
De esta forma el autor expone una serie de posibles representaciones gráficas de tipo
ideográfico y alfabético de características chinescas y cuneiformes como posibles señales de escritura
de esta cultura.
El preguntarnos acerca de la veracidad de los guarimos presentados por el padre Duquesne, los
cuales representaban cantidades, nos llevó a peguntar sí los Muiscas tenían un sistema de
representación gráficas de ideas, es decir una escritura13; este asunto sumamente interesante, ha
motivado un amplio debate académico y la reconstrucción y preservación del acervo cultural Muisca14
por medio de diferentes proyectos sociales, actualmente no se podría dar una respuesta absoluta o
unánime al hablar de escritura o sistemas gráficos de representación utilizada por la cultura Muisca.
10. A modo de reflexión
Es muy plausible la existencia de un sistema de numeración hablada en la cultura Muisca dada a

su complejidad económica y social, pues ya desde mucho antes del debatido trabajo del padre
Duquesne, algunos frailes que acompañaban a los conquistadores españoles habían escrito acerca de
esta construcción cultural. Con respecto a la construcción gráfica de guarismos que representaran
cantidades, Triana (1982) expuso una serie de representaciones gráficas de carácter mitológico o
narrativo en partes del altiplano Cundiboyasense. Sin embargo en ninguna de estas piedras se
encontraron guarismos numéricos similares a los expuestos por el padre Duquesne, lo cual revive el
antiguo debate acerca de la veracidad de estos guarimos.
Con respecto a la estructura de este sistema de conteo, se podría mencionar que del número 11
al 40 podría caracterizarse como un sistema de tipo aditivo vigesimal, pues se utiliza un principio
aditivo; posteriormente, después del número 40 este sistema se comporta de una forma diferente, pues
implementa un principio de tipo multiplicativo acompañado de un principio de tipo aditivo.
En el método de conteo Muisca se observó la importancia de las partes del cuerpo, como los
pies o las manos. Molina y Díaz (1988), también encuentran esta característica entre algunas etnias
pertenecientes a la familia lingüística Chibcha tales como el pueblo Arahuaco, U´wa o Tunebo y
Talamanca, los cual nos da indicios de que esta característica no era única de la Cultura Muisca, sino
que era una estrategia propia de los pueblos amerindios.
La búsqueda de conocimiento matemático en una cultura de la cual se creyó extinta en una

época, es un asunto complejo, pues implica la búsqueda bibliográfica de material verídico, que ayude a
la reconstrucción de este acervo cultural, y la búsqueda es un proceso que está en construcción
continua. Al relacionar este aspecto con temas como el conteo y el sistema de numeración, surgen
necesidades como la búsqueda de cuantificadores, y números ordinales, los cuales no han sido
mencionados, descritos ni estudiados en este documento; en este momento surgen dudas referentes
13
Los aportes del Dr. Triana, mostraron que los Muiscas tenían un conjunto de representaciones graficas de
orden mitológico y narrativo.
14
Actualmente estudiantes del departamento de antropología y lingüística de la Universidad Nacional de
Colombia adelantan el proyecto “Muyskkubun”, de igual forma en el municipio de Cota, Cundinamarca la
escuela “Jizcamox”, buscan preservar, descongelar y promover el hablar el idioma Muyskkubun, el cual fue
hablado por los antiguos Muiscas.

C. C. Fuentes Leal
acerca del cómo y dónde hacer la búsqueda de estos conceptos, teniendo en cuenta la poca existencia
de textos que hablen cerca de estos temas y la no existencia de hablantes de la lengua original.
Bibliografía
Acosta, J. (1971) Historia de la Nueva Granada. Bedout, Medellín, versión original (1848).
Aguado, J (1956) Recopilación Historial (4 vols.) Biblioteca de la presidencia de Colombia, Bogotá,
versión original (1581).
Arcila, G. (1974) Posible influencia maya en el Darién de Colombia, en Boletín de antropología 4
(13): 15-20 Universidad de Antioquia.
Bishop, A. (1999). Enculturación matemática, la educación matemática desde una perspectiva
cultural. Barcelona: Paidós.
Broadbent, S. (1964) Los Chibchas organización socio-política. Serie Latinoamericana. Universidad
Nacional de Colombia, Bogotá.
Cauty, A. (1990) Vigilancia Etnocultural, el caso de la numeración tradicional nasa-yuwe en: Boletín
de lingüística aborigen No. 2, Centro Colombiano de Estudios en Lenguas Aborígenes, Bogotá.
Duque, L. (1945) Apuntes sobre el comercio entre indios precolombinos en: Boletín de Arqueología,
1: 31-35. Bogotá.
Falchetti, A. & Plazas, C. (1973) El territorio de los Muisca a la llegada de los españoles. Cuadernos
de antropología 1. Universidad de los Andes, Bogotá.
Fedriani, M. & Tenorio, A. (2004) Los sistemas de numeración maya, azteca e inca. Lecturas
Matemáticas Volumen 25, 159-190. Extraído 15 Octubre de 2009 en
http://www.scm.org.co/Articulos/756.pdf
Gary, U. (1981). At the crossroads of the earth and the sky: an Andean cosmology University of Texas
Press.
Greenberg, J. (1987) Language in the Americas. Stanford, Stanford University Press
Humboldt, A. (1878). Sitios de las cordilleras monumentos de los pueblos indígenas de América.
Extraído el 10 Marzo de 2010 en http://www.lablaa.org/blaavirtual/arqueologia/sitios/indice.htm
Izquierdo, M. (2008) The Muisca Calendar: An approximation to the timekeeping system of the
ancient native people of the northeastern Andes of Colombia, Tesis de postgrado de la Universidad
de Monteal, Canadá, extraído 15 Octubre de 2009 en http://arxiv.org/pdf/0812.0574
Langebaek, C. (1987) Mercados, poblamiento e integración étnica entre los muiscas¸ Banco de la
República, Bogotá.
Londoño, E. (1988) La conquista del cacicazgo de Bogotá, Boletín Cultural y Bibliográfico, Número
16, Volumen XXV. Extraído el 1 de Abril de 2010 en
http://www.lablaa.org/blaavirtual/publicacionesbanrep/boletin/boleti5/bol16/conquis.htm
Lugo, F. (1619) Gramática en la Lengua General del Nuevo Reyno, llamada Mosca, Biblioteca
Nacional de Colombia, Madrid.
Martínez, D. & Botiva, A. (2004). Introducción al arte rupestre. Extraído el 1 de Abril de 2010 en
http://www.monografias.com/trabajos-pdf900/introduccion-arte-rupestre/introduccion-arte-
rupestre.pdf
Menninger, K. (1969), Number Words and Number Symbols. Cambridge, Mass.: The M.I.T. Press.
Molina, E. & Díaz, L. (1988). Algunos aspectos de los numerales en la familia lingüística
macrochibcha. Tesis pregrado de Universidad Nacional de Colombia.
Pilares, G. (2005). Los sistemas numéricos del Quechua y el Aimara. Ministerio de Educación,
Dirección Nacional de Educación Bilingüe. Lima. Extraído 15 Octubre de 2009 en
http://portal.perueduca.edu.pe/boletin/boletin57/vinculos/link%20investigadores.pdf
Perez, J. (1951). Los muiscas antes de la conquista. Consejo superior de investigaciones científicas (2
vols.). Instituto Bernardino de Sahagún, Madrid.
Restrepo, V. (1972). Los chibchas antes de la conquista española, Fondo de promoción de la cultura
del Banco Popular, 26, Bogotá.

C. C. Fuentes Leal
Restrepo, V. (1982). Crítica de los trabajos Arqueológicos del Dr. José Domingo Duquesne. Imprenta
de la Nación, Bogotá.
Rozo, J. (1977). Cultura material de los muiscas. Ideas, Bogotá.
Rozo, J. (1978). Los muiscas organización social y régimen político. Fondo Editorial Suramericana;
Colección Historia.
Silva, E. (1981) Investigaciones arqueológicas en Villa de Leiva. Boletín Museo del Oro, año 4,
Enero-Abril, pp. 1-8, Bogotá.
Seidenberg, A. (1962). The ritual origin of counting. Archive for History of Exact Sciences 16, 1-16.
Triana, M. (1970). El Jeroglífico Chibcha, Fondo de promoción de la cultura del Banco Popular,
Bogotá.
Triana, M. (1984). La Civilización Chibcha Fondo de promoción de la cultura del Banco Popular Vol.
4, Bogotá.
Christian Camilo Fuentes Leal, Licenciado en educación básica con énfasis en matemáticas
(Universidad Distrital Francisco José de Caldas, Bogotá, Colombia), Estudiante Maestría en Educación,
miembro de la Red Latinoamericana de Etnomatemática, miembro del comité científico de la XIV
Conferencia Internacional de Educación Matemática. cristianfuentes558@hotmail.com

ISSN: 1887-1984
Matemáticas en los estudios de Maestro de Educación Infantil en la

Universidad de Castilla-La Mancha: de la diplomatura al grado
María Sotos Serrano (Universidad de Castilla-La Mancha. España)
José M. Aguilar Idáñez (Ayuntamiento de Albacete. España)

Fecha de aceptación: 14 de febrero de 2013
Resumen El paso de la diplomatura al grado podría suponer una cierta ampliación de la

capacitación profesional de los estudios de Maestro. En este sentido, se realiza un análisis
comparativo entre los estudios de Diplomatura y de Grado de Maestro de Educación
Infantil en la Universidad de Castilla-La Mancha, especialmente en lo referente a las
asignaturas de Didáctica de las matemáticas. En primer lugar se trata el tema del número
de créditos y el plan de estudios, para poder descubrir qué lógica se ha utilizado en ese
paso de la diplomatura al grado, y posteriormente el de los contenidos de las asignaturas
de Didáctica de las matemáticas y la metodología que se aplica, para ver qué es lo que ha
cambiado y lo que sigue igual.
Palabras clave Currículum, grado, didáctica de las matemáticas, educación infantil.
Abstract It is generally assumed that the step from the Diploma in Education Studies to the
equivalent Degree is an extension of professional capacity of the studies leading to the
Degree in Education. In this sense, a comparative analysis is carried out between the
studies of Diploma and the Degree in Education at the University of Castilla-La Mancha,
especially in reference to the subjects related to the teaching of Mathematics. First of all,
the number of credits and curriculum must be considered in order to discover what logic
has been used in this step of Diploma to Degree. Then the contents of the subjects related
to the teaching of Mathematics, and the methodology, must also be evaluated to check
what has been changed and what remains the same.
Keywords Curriculum, degree, mathematics education, early childhood education.
1. Introducción
En España, los cambios legislativos en materia educativa son bastante habituales. Parece que no
tenemos la tradición de realizar un consenso político que permita la estabilidad de la legislación
educativa. En el ámbito universitario, los últimos cambios que afectan a los diseños curriculares han
tenido la particularidad de que se han realizado por el imperativo del Espacio Europeo de Educación
Superior1.
1
Sobre el Espacio Europeo de Educación Superior se puede consultar la página http://www.eees.es/

Matemáticas en los estudios de Maestro de Educación Infantil en la Universidad de Castilla-La
Mancha: de la diplomatura al grado
Así, hemos asistido recientemente a un nuevo diseño de los estudios universitarios, adaptándose
a dicho Espacio Europeo de Educación Superior, que se ha traducido, entre otras cosas, en la
eliminación de los antiguos estudios de diplomaturas y licenciaturas para dar paso a los nuevos
estudios de grado. Esto no supone una gran novedad para las antiguas licenciaturas, pero sí para lo que
antes denominábamos diplomaturas.
En este sentido, los estudios de Magisterio han pasado a desarrollarse en cuatro cursos
académicos, frente a los tres de las diplomaturas, lo que se traduce en pasar de 206 créditos a 240
créditos2. En principio, un aumento de la carga lectiva que previsiblemente supondrá una mejora en la
capacitación profesional de los futuros docentes.
Sin duda se trata de una adaptación obligada, ¿pero a qué tipo de orientaciones pedagógicas
responde? Para intentar responder a esta cuestión, que no es menor, vamos a presentar los cambios
cuantitativos que ha experimentado el Plan de estudios de la formación para Maestro/a de Educación
Infantil (antes como diplomatura y ahora como grado), en el caso de la Universidad de Castilla-La
Mancha, así como los programas y la metodología de las asignaturas de didáctica de las matemáticas.
Con esto intentaremos cubrir los siguientes objetivos:
• Describir los cambios realizados en las materias que componen dicho Plan de Estudios.
• Descubrir qué orientación es la que ha determinado dichos cambios.
• Presentar en qué nivel institucional reside la responsabilidad de dichos cambios.
• Averiguar si dichos cambios del diseño curricular afectan o no a la metodología de la
enseñanza universitaria.
2. El Plan de Estudios
Las asignaturas de los planes de estudio universitarios se encuentran adscritas a lo que se

denomina Áreas de conocimiento3. Pero para el análisis que aquí se presenta no utilizaremos esa
tipología, sino que agruparemos las distintas asignaturas en relación con las materias tal y como se
denominan en educación infantil y primaria: Inglés/Francés, Conocimiento del medio, Lengua,
Matemáticas, Música, Educación Física y Plástica, añadiendo otros cuatro grupos de aquellas áreas
que no tienen una correspondencia directa con dichas materias. Estos cuatro grupos son: Psicología,
Pedagogía, Sociología y Prácticas. El motivo es sencillo, se trata de ver qué peso relativo representan
estas materias en el Plan de Estudios del Grado de Maestro de Educación Infantil.
2
Todos los datos que se ofrecen se refieren a la Facultad de Educación de la Universidad de Castilla-La Mancha
en Albacete.
3
La relación de las áreas de conocimiento de las universidades españolas está disponible en la página web
http://www.mecd.gob.es/dctm/mepsyd/educacion/universidades/profesorado/habilitacion/areas-
conocimiento.pdf?documentId=0901e72b80050626.

La siguiente tabla presenta las cifras globales, por las materias señaladas, de la distribución de
los créditos (ECTS4) y su peso proporcional en la Diplomatura y en el Grado5, así como las diferencias
existentes. Para esto, se han suprimido los créditos optativos y de libre configuración, ya que esos
créditos no están asignados a ningún área de conocimiento determinada y, por tanto, pueden variar
notablemente entre unos cursos y otros.
Materias Diplomatura Grado Diferencia

ECTS % ECTS % ECTS %
Psicología 19.5 11.9 39 19,1 19,5 7,2
Pedagogía 27 16.5 33 16,2 6 -0,3
Prácticas 32 19.5 42 20,6 10 1,1
Sociología 4.5 2.7 9 4,4 4,5 1,7
Inglés/Francés 0 0 15 7,4 15 7,4
Conoc. del medio 18 11 12 5,9 -6 -5,1
Lengua 21 12.8 18 8,8 -3 -4
Matemáticas 12 7.3 12 5,9 0 -1,4
Música 12 7.3 6 2,9 -6 -4,4
Educación Física 6 3.7 6 2,9 0 -0,7
Plástica 12 7.3 12 5,9 0 -1,4
TOTAL 164 100 204 100 40 0
Tabla 1. Distribución, por materias, de los créditos de los planes de estudio de los estudios de Maestro de
Educación Infantil (Diplomatura y Grado)
4
La denominación de los créditos como ECTS (European Credit Transfer System) es una de las novedades del
Espacio Europeo de Educación Superior. Una visión general sobre dicho sistema de créditos, que ya era utilizado
en los últimos planes de estudio de las diplomaturas de Magisterio, puede consultarse en
http://www.eees.es/es/ects. No obstante, conviene señalar que se trata de un sistema algo confuso, en la medida
en que cada crédito supone entre 25 y 30 horas de trabajo del alumnado (incluyendo las clases presenciales). Por
un lado es bastante ilusorio pretender homogeneizar el trabajo de un alumnado heterogéneo, y al mismo tiempo
no se termina de especificar claramente las horas de clases que suponen cada crédito. En la práctica, esto se ha
solucionado estableciendo que una asignatura anual con 3 horas de clase semanales equivale a 9 créditos ECTS,
y que con 2 horas semanales equivale a 6 créditos ECTS. En este texto, siempre que hablemos de créditos
estaremos haciendo referencia a los créditos del ECTS.
5
El Plan de estudios completo puede consultarse en la siguiente página web:
http://www.uclm.es/Ab/educacion/guia_docente_infantil.asp. En la tabla figuran 204 créditos en lugar de 240
porque se han eliminado los créditos optativos y el Trabajo Fin de Grado.

22
20
18
16
14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11
Diplomatura Grado
1 Psicología 5 Inglés/Francés 9 Música
2 Pedagogía 6 Conocimiento del medio 10 Educación Física
3 Prácticas 7 Lengua 11 Plástica
4 Sociología 8 Matemáticas
Figura 1. Diferencia entre los ECTS de Diplomatura y de Grado (% sobre cada titulación)
Lo primero que hay que señalar es algo obvio: los cambios producidos por el paso de la
Diplomatura al Grado no se han producido en la misma proporción en cada una de las materias que
intervienen en estos estudios. Mientras en unas materias aumenta el número de ECTS asignados, en
otras disminuye.
Si se parte del criterio de que los anteriores planes de estudio, relativamente recientes en su
formulación, estaban medianamente bien elaborados, lo lógico sería suponer que el aumento de 40
créditos ECTS que supone el paso de la diplomatura al grado supondría un aumento proporcional
respecto al plan de estudios anterior. De lo contrario es que se parte de que los planes de estudios
anteriores presentaban algunas deficiencias que se han debido intentar solucionar con los nuevos
grados.
De hecho, se observa un notable incremento de las materias de Psicología y Lengua Extranjera

(en el caso de la Lengua Extranjera se debe a que, debido a la existencia de las anteriores
especialidades, en Educación Infantil no se impartían asignaturas de esta materia), mientras que todas
las materias de carácter didáctico y disciplinar reducen su peso con el cambio de planes de estudio. En
definitiva, el interés fundamental en la elaboración del Grado se centra en la psicología (con el
añadido del idioma extranjero para intentar paliar la desaparición de la especialidad correspondiente),
mientras que en las materias de didácticas específicas y disciplinares se llega a reducir el número de
créditos asignados, pudiendo considerar el caso de la Didáctica de las Matemáticas como uno de los
más afortunados, ya que mantiene los 12 créditos que ya tenía en la Diplomatura.
La distribución proporcional del incremento de créditos que supone el paso al Grado es la que
figura en la siguiente tabla.

Materias Créditos Dipl. Créditos Grado Diferencia % diferencia ECTS*

Psicología 19.5 39 19,5 48,75
Pedagogía 27 33 6 15
Prácticas 32 42 10 25
Sociología 4.5 9 4,5 11,25
Inglés/Francés 0 15 15 37,5
Conoc. del medio 18 12 -6 -15
Lengua 21 18 -3 -7,5
Matemáticas 12 12 0 0
Música 12 6 -6 -15
Educación Física 6 6 0 0
Plástica 12 12 0 0
TOTAL 164 204 40 100
* Porcentaje de la diferencia en ECTS respecto al total de la misma (40).
Tabla 2. Distribución porcentual del aumento de créditos en el paso de la Diplomatura al Grado (Maestro de
Educación Infantil. Universidad de Castilla-La Mancha)
Además, como no todas las materias tenían el mismo peso en la Diplomatura, el incremento que
presenta cada una de ellas en el Grado es, en términos relativos, también diferente. Así, en la siguiente
tabla se observa que tanto Psicología como Sociología han duplicado el número de créditos.
Materias Créditos Dipl. Créditos Grado Diferencia % diferencia ECTS Dip.-Grado

Psicología 19.5 39 19,5 100
Pedagogía 27 33 6 22,2
Prácticas 32 42 10 31,3
Sociología 4.5 9 4,5 100
Inglés/Francés 0 15 15 -
Conoc. del medio 18 12 -6 -33,3
Lengua 21 18 -3 -14,3
Matemáticas 12 12 0 0
Música 12 6 -6 -50
Educación Física 6 6 0 0
Plástica 12 12 0 0
TOTAL 164 204 40 24,4
Tabla 3. Incremento proporcional de créditos en el paso de la Diplomatura al Grado, con respecto a la

Diplomatura
Esta diferencia es la que se representa en la figura 2, en el que Didáctica de las Matemáticas,

junto a Educación Física y Plástica, no ha sufrido ninguna variación.

110
90
70
50
30
10
-10 1 2 3 4 5 6 7 8 9 10 11
-30
-50
-70
1 Psicología 5 Inglés/Francés 9 Música

2 Pedagogía 6 Conocimiento del medio 10 Educación Física
3 Prácticas 7 Lengua 11 Plástica
4 Sociología 8 Matemáticas
Figura 2. Diferencia proporcional entre los créditos ECTS de Diplomatura y Grado en relación a los asignados
en la Diplomatura
Resulta evidente que el número de ECTS sólo ha aumentado en las Prácticas y en las áreas de
Psicología, Pedagogía y Sociología6, mientras que en el resto de áreas se producen disminuciones o se
mantiene la misma carga lectiva que había en la Diplomatura. En este último caso se encuentra el área
de Matemáticas.
No vamos a entrar en el detalle de comparar estos datos con los que ofrece la titulación de
Educación Primaria, pero sí conviene señalar que, en ese caso, áreas como Matemáticas y Lengua sí
han aumentado la carga lectiva con el paso de la titulación al Grado (de 15 a 18 ECTS en Matemáticas
y de 18 a 21 ECTS en Lengua, mientras que Psicología pasa de 13,5 a 21 ECTS).
A partir de estos datos, parece clara la intención de la nueva política educativa en este tema. Si
en la Diplomatura de Educación Infantil las áreas principales eran Pedagogía y Psicología, con el paso
al Grado esta situación se intensifica, especialmente en el caso de la Psicología. Esta psicologización
de la educación infantil, que aquí no se valorará ni en un sentido ni en otro, se produce en detrimento
de las áreas del currículum de dicha educación infantil, sobreentendiendo así que las didácticas de los
conocimientos curriculares (incluidos los de matemáticas) no son tan importantes como en otros
periodos de escolarización.
En este tema, la responsabilidad de dicho cambio descansa casi exclusivamente en el ámbito

político estatal, ya que la Orden que establece los requisitos para la verificación de los títulos
universitarios oficiales que habiliten para el ejercicio de la profesión de Maestro en Educación
Infantil7, decreta que lo que denomina Módulo de formación básica (en el que se incluyen las materias
de Psicología, Pedagogía y Sociología) tenga 100 créditos, mientras que al Módulo didáctico y
6
El caso especial de las materias de Inglés/Francés ya se ha comentado antes.
7
Dicha Orden puede consultarse en http://www.boe.es/boe/dias/2007/12/29/pdfs/A53735-53738.pdf.

disciplinar sólo le asigna 60 créditos. Así, en el caso de la Universidad de Castilla-La Mancha esos 60
créditos se amplían hasta 81 créditos, pero no queda mucho más margen de maniobra.
A este primer tipo de condicionante, relacionado con el diseño del currículum, hay que añadir
otro relacionado con la situación del alumnado: la escasa capacitación matemática con la que
ingresan en estos estudios.
Hay suficientes estudios que señalan los déficits educativos de la enseñanza secundaria en
España, y en nuestra propia experiencia docente se constata que gran parte de los estudiantes de la
Facultad de Educación carecen de conocimientos matemáticos, así como de la capacidad para
expresarse y argumentar sobre conceptos matemáticos básicos. La propia Sociedad Española de
Investigación en Educación Matemática (SEIEM) así lo reconoce cuando señala
“algunos problemas surgidos del debate del análisis de la realidad sobre el

recién implantado Grado de Infantil: Formación matemática insuficiente;
Actitud negativa hacia la materia” (Palarea, 2011, p. 228).
3. La Didáctica de las Matemáticas
Según el anterior análisis del diseño curricular, la situación de Didáctica de las Matemáticas no
ha cambiado (aunque haya perdido presencia relativa), por lo que no debe ser algo preocupante. Pero
el problema reside en que resulta complicado aprender didáctica de las matemáticas cuando no se
conocen los contenidos matemáticos a enseñar. La solución, en el caso de la Diplomatura, era la de
dedicar la primera asignatura a contenidos matemáticos y la segunda a contenidos de didáctica de las
matemáticas.
ASIGNATURAS DE LA DIPLOMATURA:
DESARROLLO DEL PENSAMIENTO MATEMÁTICO Y SU DIDÁCTICA
Primera parte: Geometría
Tema 1. Sobre la enseñanza de la geometría espacial.

Tema 2. El mundo de los sólidos. Algunas familias.
Tema 3. Análisis en el mundo de los poliedros. Descripción, definición y clasificación.
Tema 4. Del espacio al plano y del plano al espacio. Representaciones y desarrollos.
Tema 5. Polígonos.
Tema 6. Geometría de las transformaciones.
Tema 7. Introducción general a la medida.
Segunda parte: Números
Tema 8. Números naturales.

Tema 9. Sistemas de representación de números.
Tema 10. Operaciones aritméticas. Sentido y algoritmo de las operaciones.
Tema 11. Cálculo mental.
Tema 12. Divisibilidad.
Tema 13. Números enteros.
Tema 14. Números racionales.

DIDÁCTICA DE LAS MATEMÁTICAS EN EDUCACIÓN INFANTIL
Tema 1. Desarrollo del pensamiento lógico-matemático.

Tema 2. Números y cálculo.
Tema 3. Exploración del espacio. Geometría.
Tema 4. Medida.
En el caso del Grado el diseño inicial es diferente, ya que las dos asignaturas se plantean como
asignaturas de didáctica de las matemáticas, repartiendo los contenidos en dos bloques: la primera se
dedica al pensamiento lógico y numérico y la segunda al pensamiento espacial, geométrico y de
medida.
ASIGNATURAS DEL GRADO:
DESARROLLO DEL PENSAMIENTO LOGICO Y NUMERICO EN LA ED. INFANTIL
Tema 1. El currículo de las matemáticas en la Educación Infantil.

Tema 2. Lógica elemental; relaciones lógicas: clasificar, seriar y ordenar; razonamiento;
demostraciones; conjeturas; patrones.
Tema 3. El número natural; período prenumérico; primeros conceptos numéricos; usos del
número; emparejar; ordenar; estrategias para cuantificar; representaciones; estructuras
conceptuales aditiva y multiplicativa.
Tema 4. Estrategias de cálculo y de resolución de problemas; problema didáctico que plantean
las operaciones; investigaciones.
Tema 5. Didáctica de la estadística y la probabilidad en educación infantil.
DESARROLLO DEL PENSAMIENTO ESPACIAL, GEOMETRICO Y DE MEDIDA EN LA

ED. INFANTIL
Tema 1. El currículo de las matemáticas en la Educación Infantil: conexiones y relaciones entre

los diversos contenidos.
Tema 2. Desarrollo del pensamiento geométrico: topológico, proyectivo y euclídeo.
Tema 3. Las formas en el espacio y en el plano: la geometría a través de las transformaciones.
Tema 4. El concepto de magnitud y su medida.
Tema 5. Materiales y recursos para la enseñanza de la geometría en Educación Infantil.
Pero la realidad obliga a intentar compaginar los contenidos diseñados con otros más
estrictamente matemáticos. En la práctica no hay grandes diferencias entre lo que se hacía en la
Diplomatura y lo que se hace en el Grado, y creemos que habrá que seguir manteniendo este criterio
para intentar mejorar el conocimiento matemático del alumnado.
Aunque no es algo específico del Grado, con la llegada de los ECTS se comenzó a plantear la
necesidad de cambiar las formas de enseñanza universitaria más tradicionales por otras que
permitieran un tipo de aprendizaje algo más constructivista y cooperativo. Se tendría que potenciar el
trabajo autónomo del alumnado, con una cierta diversidad de actividades académicas, así como
aumentar el trabajo de seminarios en detrimento de las clases magistrales.
Esto puede ser una auténtica novedad en unos casos, aunque en otros no lo sea tanto. En este
caso, desde mucho antes del nacimiento de los ECTS se ha trabajado con metodologías de enseñanza
de este tipo, aunque también hay que reconocer que no siempre se han podido desarrollar

convenientemente, especialmente en los cursos académicos en los que había que atender a más de 200
estudiantes. La llegada del Grado parecía que mejoraría esta situación. Así, en todos los cursos y
talleres organizados por la propia Universidad de Castilla-La Mancha para divulgar esta metodología
asociada a los ECTS, se insistía en la necesidad de reducir notablemente los grupos de alumnas/os
para poder desarrollarla conveniente, ya que un aspecto importante de esta lo constituye el
seguimiento individualizado del trabajo de alumnado, mediante sesiones de seminario semanales. En
la misma línea se manifiesta la SEIEM cuando señala que “parece conveniente reiterar la dificultad de
aplicación de las nuevas propuestas con grupos que en la mayoría de los casos superan los 80
estudiantes” (Palarea, 2011: 233).
De nuevo la realidad ofrece un panorama diferente. En el curso académico 2011-2012 hay 2

grupos de cada una de las 2 asignaturas, con 65 alumnas/os en cada uno de ellos. Esto hace un total de
260 estudiantes para ser atendidos por una sola profesora.
De todos modos, el trabajo que se realiza en ambas asignaturas incluye una suficiente variedad
de actividades:
• Trabajo en grupo sobre el currículum matemático de Educación Infantil.

• Comentarios de artículos (individual y en clase).
• Trabajo de investigación (sobre algún concepto matemático, cómo proponen trabajarlo
algunos autores, cómo lo plantearían ellos, elaboración de materiales y cuentos y de
situaciones didácticas para trabajar en el aula).
• Elaboración de material didáctico (ej.: bloques lógicos distintos a Dienes y plantear
actividades lógicas con ellos).
• Plantear posibles situaciones de aula de educación infantil para que intenten resolverlas.
• Elaborar proyectos.
• Charla con alguna maestra para que les hable de su experiencia y metodología.
Posiblemente, la gran novedad consista en que ahora este tipo de trabajo docente está más
extendido que antes, ya que en la Facultad se establecen protocolos de coordinación en cada curso
para intentar repartir la carga de trabajo del alumnado de la manera más homogénea posible. Aún así,
el pasar de un sistema en el que este tipo de metodología era una excepción a otro en el que esté más
generalizado, supone un aumento en la carga de trabajo (del alumnado y del profesorado) que afecta al
rendimiento esperado.
4. Conclusiones
A la vista de los datos presentados, del caso de la Universidad de Castilla-La Mancha se pueden
extraer algunas conclusiones:
1. Asistimos a un proceso de psicologización de la etapa de educación infantil. Las directrices

políticas son evidentes. Mientras las materias del Módulo didáctico y disciplinar pierden
presencia relativa en el nuevo Plan de estudios del Grado de Maestro de Educación Infantil,
la psicología duplica el número de créditos que tenía en la Diplomatura.
2. Las dificultades que existiesen para la formación en Didáctica de las Matemáticas de los
futuros docentes de Educación Infantil se mantendrán en el caso de los estudios de Grado,
ya que su situación en el currículum universitario no ha cambiado.
3. Los cambios producidos por el paso de la Diplomatura al Grado se reducen, básicamente, al
reparto de la carga curricular entre las diferentes materias que componen el Plan de

Estudios. Pero en el terreno estrictamente metodológico, mientras se mantengan las mismas

condiciones de trabajo no se producirán avances significativos en este terreno. Esto no es
achacable al propio Espacio Europeo de Educación Superior, ya que este Plan se limita a
establecer un sistema de convergencia europea en materia de titulaciones, sin que la
metodología de enseñanza sea una de sus prioridades.
Evidentemente, todo sistema puede ser mejorado, por eso se justifica el cambio. Pero para poder
mejorarlo hay que definir cuáles son sus puntos más débiles. Aquí hemos presentado los que
consideramos más importantes: la psicologización del currículum, la escasa capacitación matemática
del alumnado y la necesidad de reducir los grupos de alumnas/os, reduciendo así también el número de
alumnas/os que hemos de atender cada docente. Creemos que estos aspectos son mucho más
importantes que el simple paso de las diplomaturas a los grados, y mientras estos no cambien muy
poco habrá cambiado.
Bibliografía
Palarea, M. (2011). Informe del Seminario: La formación inicial del profesorado de matemáticas ante
la implantación de los nuevos grados en infantil, primaria y máster de secundaria. Educatio Siglo
XXI, 29 (2), 225-234.
María Sotos Serrano es profesora de Didáctica de las Matemáticas en la Universidad de Castilla-La

Mancha (España). Facultad de Educación de Albacete. Líneas de investigación: didáctica de las
matemáticas en educación infantil e investigación etnográfica del profesorado. Ha sido profesora visitante
en la Universidad Pedagógica Nacional de Zacatecas (México) y en la Universidad de Uncuyo de
Mendoza (Argentina). maria.sotos@uclm.es
José María Aguilar Idáñez es sociólogo, especializado en sociología de la educación. Ha sido profesor
en la Universidad de Valencia, en la Universidad Nacional de Educación a Distancia y en la Universidad
de Castilla-La Mancha, y profesor visitante en la Universidad Pedagógica Nacional de Zacatecas
(México). Actualmente trabaja en el Servicio de Acción Social del Ayuntamiento de Albacete.
jmaguilar@amialbacete.com

ISSN: 1887-1984
Identificación de figuras geométricas en fotografías de objetos reales. Un

estudio con maestros en formación
José María Muñoz Escolano (Universidad de Zaragoza. España)
Antonio M. Oller Marcén (C. Universitario de la Defensa, Academia General Militar. España)
Fecha de recepción: 13 de Diciembre de 2012

Fecha de aceptación: 8 de abril de 2013
Resumen En este trabajo se analizan (cuantitativa y cualitativamente) las respuestas de 173

estudiantes de Magisterio ante una tarea en la que debían identificar figuras geométricas
presentes en 4 fotografías de objetos reales.
Palabras clave Geometría, Maestros en formación, Identificación de figuras, Terminología geométrica,

Visión espacial.
Abstract In this paper we analyze (both quantitatively and qualitatively) the answers of 173
prospective Primary school teachers in an activity in which they were asked to identify
geometric shapes appearing in 4 photographs of real objects.
Keywords Geometry, Prospective teachers, Identification of figures, Geometric terminology, Spatial

vision.
1. Introducción y objetivos
En el currículo de Matemáticas de Educación Primaria se encuentra un bloque íntegramente

dedicado a la Geometría. En los epígrafes correspondientes a los contenidos, tanto en el primer ciclo
como en el segundo, se leen los siguientes puntos:
• “Figuras planas: reconocimiento en objetos familiares de triángulo, cuadrado, rectángulo y

círculo…”
• “Cuerpos geométricos: reconocimiento en objetos familiares – como muebles, logotipos,
señales de tráfico, etc. – de pirámide, prisma, cono, cilindro y esfera…”
Además, uno de los criterios de evaluación correspondientes dice: “Reconocer en el entorno inmediato
formas y cuerpos geométricos”.
Nos parece importante, y así lo hacemos notar, el énfasis que se hace al hablar de “objetos
familiares” y de “entorno inmediato”. La geometría debe servir al alumnado para describir y organizar
su entorno y para ello un primer paso debe ser reconocer en dicho entorno aquellos objetos
geométricos que ya conocen y que, a su vez, han surgido a partir de un proceso de abstracción de la
propia realidad. Prueba de esto son los concursos de fotografía matemática que son convocados
asiduamente por un gran número de institutos de enseñanza secundaria u otras instituciones educativas
(ver, por ejemplo, (Nomdedeu, 2009)).

Identificación de figuras geométricas en fotografías de objetos reales. Un estudio con maestros
en formación
En consecuencia, pensamos que la capacidad de detectar figuras y cuerpos geométricos que se

encuentran en diferentes entornos cotidianos, así como de describir correctamente y de manera precisa
(es decir, empleando terminología geométrica) dichos objetos debe ser una competencia importante
para el docente.
Sin embargo, trabajos como el de Barrantes y Blanco (2005) muestran algunas concepciones de
futuros docentes que chocan frontalmente con la idea de una geometría que describe el entorno (mayor
importancia de la geometría plana y de los aspectos numéricos, separación entre la geometría y otras
materias, etc…). Estas concepciones pueden ser debidas al tipo de enseñanza tradicional recibida por
dicho alumnado, que presta escasa atención a la geometría espacial, pese a que nuestro entorno y los
objetos que nos rodean son tridimensionales. De hecho, recientes estudios (González et al., 2006;
Guillén, 1997; Guillén, 2010) muestran los múltiples aspectos positivos de un modelo de enseñanza de
la geometría basado en los sólidos.
Por otra parte, tanto los estudios centrados en la evaluación de las competencias matemáticas de
los maestros en formación (Tatto et al., 2008; Escolano et al., 2011, 2012), como los más centrados en
evaluar el grado de adquisición de contenidos matemáticos propios de la Educación Secundaria
(Hernández et al., 2001; Nortes et al., 2009) muestran que los futuros maestros poseen un
conocimiento geométrico inferior al que sería deseable de cara a su futura labor docente.
En este sentido, no hemos encontrado estudios que observen y analicen la capacidad de detectar
figuras y cuerpos geométricos en objetos cotidianos por parte de maestros (en ejercicio o en
formación). Los trabajos antes citados no inciden en este aspecto y, en ellos, las tareas relacionadas
con la geometría implican un grado de abstracción relativamente alto y no involucran en ningún caso
objetos reales.
En consecuencia, el principal objetivo que se persigue con este trabajo es diseñar un breve test
que permita analizar la identificación formas geométricas en imágenes de objetos reales por parte de
estudiantes de magisterio. En concreto, se solicitó al alumnado participante que indicara todas las
figuras y cuerpos geométricos que fueran capaces de encontrar en cuatro fotografías. El análisis de las
respuestas de los estudiantes se centra principalmente en los siguientes objetivos:
• Analizar los términos utilizados por los estudiantes, observando qué términos aparecen y
cuántos términos distintos indica cada estudiante.
• Estudiar el uso de términos de geometría plana frente a términos de geometría espacial,
analizando si predominan unos sobre otros y dónde aparecen más errores.
• Clasificar los términos incorrectos utilizados por los estudiantes.
De los objetivos anteriores, el tercero tiene especial interés por cuanto permite comprender
mejor las causas que provocan los errores detectados y, así, diseñar actividades que contribuyan a que
los futuros maestros puedan abordar competentemente actividades similares con sus futuros
estudiantes.
El trabajo se organiza del siguiente modo. En la segunda sección se presenta el método que se
ha seguido a la hora de abordar la investigación. En la tercera sección se aborda el análisis,
cuantitativo y cualitativo, de los datos obtenidos. Finalmente, se concluye con una sección dedicada a
presentar algunas conclusiones importantes.

en formación
2. Método
2.1. Contexto
Este estudio se enmarca dentro de un proyecto más amplio llevado a cabo por los autores en la
Universidad de Zaragoza al respecto de las competencias y conocimientos matemáticos de maestros y
maestras en formación (Muñoz y Oller, 2011). El trabajo realizado se centra en estudiantes de segundo
curso de la Diplomatura de Maestro (especialidad en Educación Primaria). Más concretamente en
estudiantes matriculados durante el curso 2010-2011 en la asignatura “El currículum de matemáticas
en Educación Primaria”; asignatura anual del plan de estudios citado anteriormente.
La elección de este grupo concreto de alumnado viene motivada por el hecho de que, en este
punto de su formación, dichos estudiantes ya han cursado (aunque no necesariamente superado) la
asignatura Matemáticas y su didáctica II. Se trata de una asignatura cuatrimestral de 6 créditos que
comprende aspectos de geometría euclídea básica (tanto plana como espacial). Consideramos que en el
momento de realizar el test los estudiantes han recibido una formación geométrica relativamente
importante que se une, además, a su formación preuniversitaria. Los centros donde se realiza la
experimentación son los siguientes:
• Facultad de Educación, en Zaragoza.

• Facultad de Ciencias Humanas y de la Educación, en Huesca.
• Facultad de Ciencias Sociales y Humanas, en Teruel.
Esto nos permite ampliar la muestra con estudiantes de una formación similar y de distintos
centros. Además, en el momento de la realización del estudio el primer autor se encuentra impartiendo
clases en la Facultad de Ciencias Humanas y de la Educación (Huesca), mientras que el segundo lo
hace en la Facultad de Ciencias Sociales y Humanas (Teruel).
2.2. Diseño de la actividad
Existen diversos trabajos en los que se presentan pruebas diseñadas para estudiar, entre otros
aspectos, la capacidad de estudiantes de diversos niveles educativos de reconocer e identificar diversos
objetos geométricos y sus componentes (Usiskin, 1982; Fouz, 2006). Del mismo modo abundan
trabajos analizando el modo en que los estudiantes manejan representaciones planas de objetos
tridimensionales (Gutiérrez, 1991; 1998).
En la práctica totalidad de los trabajos consultados se presentan actividades en un contexto

puramente geométrico y con un alto grado de abstracción. Puesto que nuestro interés se centra en el
estudio de la geometría en relación con el entorno, se decide que la prueba consistiera en la
identificación libre de figuras y cuerpos geométricos en fotografías de objetos reales. En consecuencia,
dada la ausencia de ejemplos en la literatura, el primer paso a seguir es diseñar el test que se plantea a
los estudiantes.
La elección del tipo de tarea propuesta al alumnado (indicar el mayor número de objetos
geométricos que sean capaces de identificar en una serie imágenes sin darles ningún tipo de guía o
indicación) hace que cobre una gran importancia la selección de las imágenes que se presentan a los
estudiantes de cara a obtener unas respuestas que proporcionen la mayor cantidad de información
posible. Así pues se procede a realizar una búsqueda exhaustiva de imágenes de objetos reales de

en formación
carácter geométrico a través de internet. Los criterios seguidos a la hora de seleccionar las imágenes
son:
• Que los objetos representados posean la mayor riqueza posible en cuanto a figuras
geométricas a identificar a partir de sus fotografías.
• Que aparezcan algunas figuras geométricas “ambiguas” y no habituales.
• Que se aprecien en las imágenes figuras geométricas tanto planas como espaciales.
• Que las fotografías muestren perspectiva.
Tras el proceso de búsqueda las imágenes seleccionadas son las siguientes:
Figura 1. Imágenes elegidas y sus denominaciones.
Finalmente señalar que, en los test entregados a los estudiantes, cada una de las imágenes tiene
una altura real de 5 cm. y una anchura que varía entre los 4,75 cm. y los 7,5 cm. dependiendo de la
imagen. Todas ellas son impresas en una impresora láser a color de alta definición.
2.3. Análisis previo
Una vez elegidas las fotografías, se procede a realizar un análisis previo de términos esperados
por parte de los estudiantes, tanto de geometría plana como de geometría espacial. En este punto no se
entra a valorar si las respuestas son (o se consideran) correctas o incorrectas; tan sólo nos
preocupamos por imaginar qué respuestas pueden dar los estudiantes ante las fotografías.
Los términos que, a priori, pensamos que podrían aparecer con una frecuencia alta están
recogidos en la tabla siguiente:

en formación
2D 3D
Pentágono, Trapecio,
Poliedro, Dodecaedro,
Casa Hexágono, Rectángulo,
Semiesfera.
Triángulo, Paralelogramo.
Rectángulo, Heptágono,
Semiesfera, Esfera,
Fuente Círculo, Circunferencia,
Prisma.
Elipse, Corona circular.
Trapecio, Cuadrado, Rombo, Tronco de pirámide,
Papelera
Paralelogramo. Pirámide, Prisma.
Cuadrado, Triángulo, Esfera, Cubo, Pirámide,
Bruselas
Trapecio, Círculo, Rombo. Cilindro.
Tabla 1. Términos esperados para cada una de las imágenes.
Como se verá más adelante, la variedad de respuestas dadas por los estudiantes fue mucho
mayor de lo previsto; lo que obligó a descartar las respuestas emitidas por un porcentaje de los
estudiantes menor que el 3% por ser consideradas esporádicas. No obstante, cabe señalar que todos los
términos previstos aparecieron entre las producciones del alumnado.
2.4. Desarrollo del test
Dada la naturaleza de la prueba, la participación por parte de los estudiantes es totalmente

voluntaria, aunque se trató de que el número de participantes fuera lo mayor posible. De hecho el test
es realizado prácticamente por todos los estudiantes que asisten regularmente a clase. El número total
de estudiantes participantes es de 173, repartidos entre los tres centros del siguiente modo:
Huesca Teruel Zaragoza

Nº de estudiantes 62 54 57
Porcentaje 35.8% 31.2% 32.9%
Tabla 2. Reparto de los estudiantes por centros.
Los estudiantes participantes en el estudio llevan a cabo el test en una de sus sesiones habituales
de clase, para lo cual se cuenta con la colaboración de los profesores de cada uno de los grupos.
Como ya se ha comentado, la compleción y entrega del test es voluntaria y los formularios

anónimos. Además, se indica a los estudiantes que en ningún momento los resultados serán utilizados
para la evaluación (aunque algunos estudiantes insistieron en conocer sus resultados).
2.5. Unidades de análisis
A la hora de abordar el análisis de las respuestas dadas por el alumnado adoptamos dos
enfoques claramente diferenciados. El primero de tipo cuantitativo y el segundo de tipo cualitativo.
En cuanto al estudio cuantitativo, nos centramos en los siguientes aspectos:

en formación
• Estudio de los términos más utilizados: Nos interesa estudiar cuáles son los términos más
utilizados por los estudiantes. Es decir, queremos analizar qué ven los estudiantes en las
imágenes propuestas. Para ello, se indica cuáles han sido los términos empleados por al
menos un 3% del alumnado participante.
• Análisis de los términos encontrados: Una vez observados los términos que utilizan los
estudiantes, parece interesante abordar un análisis más detallado de los mismos. En concreto
nos centramos en dos aspectos:
Uso de términos 2D y 3D: Un aspecto interesante a analizar es si los estudiantes tienen
una mayor predisposición para identificar figuras planas que figuras tridimensionales.
Para ello se observa la cantidad de cada uno de los tipos de términos en las respuestas
de los estudiantes.
Número de términos correctos: Otro aspecto importante a tener en cuenta es la
cantidad de términos correctos utilizados por los estudiantes y su distribución entre
términos de geometría plana y espacial. De la lista prevista de términos presentada en
2.3 se consideran correctos los siguientes:
En la imagen “Casa”: pentágono, trapecio, hexágono, rectángulo, triángulo y
poliedro.
En la imagen “Fuente”: rectángulo, circunferencia, elipse, corona circular,
heptágono, semiesfera y prisma.
En la imagen “Papelera”: trapecio, cuadrado y tronco de pirámide.
En la imagen “Bruselas”: cuadrado, triángulo, trapecio, esfera, cubo, pirámide
y cilindro.
• Número de respuestas por estudiante: Además de observar qué ven los estudiantes, estamos
interesados en analizar cuánto ven. Para ello se estudia el número de términos distintos que
indica cada uno de los estudiantes.
Por otra parte, el análisis cualitativo se centrará en los siguientes aspectos:
• Análisis de las respuestas correctas no esperadas: Se estudia aquellos términos dados por los
estudiantes que, siendo correctos, no se consideraron probables y se trata de analizar los
motivos por los que han aparecido con un porcentaje significativo.
• Análisis de las respuestas incorrectas y clasificación de errores: Se presenta algunos de los
errores cometido por los estudiantes, tratando de abordar una clasificación de los mismos. En
concreto hemos detectado los siguientes tipos de errores relevantes:
Errores en el uso de la terminología.
Errores causados por trabajar con una representación plana del objeto (Guillén, 2010).
3. Análisis cuantitativo de los resultados
3.1. Términos más utilizados
En esta sección pretendemos iniciar el análisis de las respuestas del alumnado. Por un lado
presentaremos los listados con los términos más utilizados por los estudiantes en cada una de las
fotografías. En definitiva se estudia aquí qué dicen; sin entrar en el estudio y clasificación detallados
de las respuestas, que se abordan en secciones subsiguientes. Para ello se registran las diferentes
respuestas dadas por los estudiantes, recogiendo literalmente todos los términos empleados en los
diferentes test; así, por ejemplo, se consideran como diferentes respuestas si un estudiante identifica un
“trapecio” o un “trapecio rectángulo”.

en formación
Como ya avanzamos y se observa en las tablas del Apéndice, se ha encontrado una gran
variedad de términos diferentes. En esta sección nos restringimos únicamente a aquellos cuyo
porcentaje de aparición supera el 3%; es decir, aquellos utilizados por más de 5 estudiantes de los 173
que realizaron el test.
Casa. En esta imagen se registran hasta un total de 38 términos distintos empleados por todos
los estudiantes, sin embargo solo 10 de ellos aparecen con una frecuencia mayor al 3%. Éstos aparecen
recogidos en la tabla siguiente:
Términos Frecuencia total Porcentaje de estudiantes

Rectángulo 161 93.1%
Pentágono 147 85%
Hexágono 124 71.7%
Triángulo 85 49.1%
Trapecio 64 37%
Cuadrado 14 8.1%
Cilindro 9 5.2%
Dodecaedro 9 5.2%
Semiesfera 8 4.6%
Paralelogramo 6 3.5%
Tabla 3. Términos más usados de la imagen “Casa”.
Fuente. En este caso, se registran 31 términos distintos empleados por el total de los estudiantes
donde los que aparecen con una frecuencia mayor al 3% son los 15 siguientes:
Términos Frecuencia total Porcentaje

Heptágono 71 41%
Círculo 64 37%
Hexágono 53 30.6%
Semiesfera / media esfera 51 29.5%
Circunferencia 50 28.9%
Octógono 47 27.2%
Cuadrado 26 15%
Prisma 15 8.7%
Semicírculo 14 8.1%
Semicircunferencia 12 6.9%
Octaedro 12 6.9%
Corona circular 10 5.8%
Esfera 6 3.5%
Heptaedro 6 3.5%
Tabla 4. Términos más usados de la imagen “Fuente”.

en formación
Papelera. De acuerdo con el análisis previo, esta imagen es la que registra menos términos
distintos, si bien hay que destacar que aparecen muchos más de los esperados, un total de 28. En la
siguiente tabla se encuentran los 9 más representativos al aparecer con una frecuencia mayor al 3%:

Cuadrado 125 72.3%
Trapecio 78 45.1%
Paralelogramo 14 8.1%
Prisma 13 7.5%
Cuadrilátero 10 5.8%
Rombo 9 5.2%
Romboide 7 4.1%
Cubo 6 3.5%
Tabla 5. Términos más usados de la imagen “Papelera”.
Bruselas. Finalmente en esta imagen se emplean 29 términos distintos. Los que aparecen con
una frecuencia mayor al 3% son los 13 siguientes:

Esfera 122 70.5%
Cilindro 66 38.2%
Triángulo 57 33%
Cubo 40 23.1%
Cuadrado 35 20.2%
Trapecio 35 20.2%
Círculo 30 17.3%
Circunferencia 17 9.8%
Pirámide 7 4.1%
Pentágono 6 3.5%
Rombo 6 3.5%
Prisma 6 3.5%
Tabla 6. Términos más usados de la imagen “Bruselas”.
En general, aparte de la reflexión acerca de la gran variedad de términos utilizados y la

dispersión de los mismos, cabe destacar que el término rectángulo es el término más empleado en las
dos primeras imágenes y se encuentra también entre los más citados en las otras dos imágenes, incluso
cuando no es el más evidente (como en la imagen “Fuente”) o no sea pertinente (como en la imagen
“Papelera”). Aunque es objeto de estudio del apartado 3.3, también señalar el predominio de los
términos provenientes de la geometría plana frente a los de la geometría espacial. En este sentido, es
sorprendente que más de un 75% de los estudiantes no mencionan el término “cubo” en la imagen
Bruselas.

en formación
3.2. Análisis de los términos encontrados
En la tabla siguiente se indica el número de términos encontrados relativos a geometría plana y

a geometría espacial. Además del número total de términos, señalamos el número de términos
correctos (ver punto 2.5).
Número total de Número de términos Porcentaje de términos

términos (distintos) correctos (distintos) correctos distintos
2D 644 (27) 590 (8) 29.6%
Casa
3D 43 (11) 4 (1) 9.1%
2D 448 (18) 296 (8) 44.4%
Fuente
3D 105 (13) 67 (3) 23.1%
2D 283 (16) 207 (3) 18.7%
Papelera
3D 35 (12) 4 (3) 25%
2D 275 (20) 199 (5) 25%
Bruselas
3D 246 (9) 241 (5) 55.6%
Tabla 7. Términos 2D y 3D, totales y correctos, en las distintas imágenes.
A la vista de la tabla anterior observamos varios fenómenos interesantes:
• En todas las imágenes el número total de términos distintos provenientes de la

geometría plana es muy superior a los de la geometría espacial.
• Respecto al número de términos correctos distintos, este desequilibrio también se da en
las imágenes “Casa” y “Fuente”, pero no en las imágenes “Papelera” y “Bruselas”
donde se igualan. Sin embargo, en el caso de la imagen “Papelera”, también cabe
señalar que el número de términos correctos de geometría plana es 50 veces mayor que
el correspondiente número de términos correctos de geometría espacial.
• El número de términos correctos distintos es muy pequeño en comparación con el
número total de términos distintos. Tan sólo en un caso supera el 50% y sólo en dos
casos supera el 40%. Esto nos indica que aparece una gran variedad de términos
incorrectos (tanto relativos a geometría plana, como a espacial) en todas las imágenes.
• En las imágenes “Casa” y “Fuente” el porcentaje de términos correctos distintos
relativos a geometría espacial es muy inferior al correspondiente porcentaje en el caso
de la geometría plana. Es decir, aparentemente el número de errores es mayor al utilizar
términos de geometría espacial.
3.3. Número de términos empleados por estudiante
En este apartado se muestran los resultados de analizar el número de respuestas (totales y

correctas) dadas por cada estudiante. Aquí nos centramos pues en estudiar cuánto dicen los estudiantes
para cada una de las imágenes propuestas.
Casa. El número de términos diferentes utilizados por cada estudiante varía entre 0 y 8. La
media de respuestas por estudiante es 4 y su desviación típica es 1.5. En la figura siguiente se
muestran las frecuencias absolutas de los posibles números de respuestas:

en formación
Figura 2. Número de estudiantes dependiendo del número de respuestas en la imagen “Casa”.
Por otro lado, el número de términos correctos utilizados por cada estudiante varía entre 0 y 7,
con una media de 3.45 y una desviación típica de 1.35. En la figura siguiente se muestra las
frecuencias de cada número de aciertos.
Figura 3. Número de estudiantes dependiendo del número de aciertos en la imagen “Casa”.
La mayor riqueza de esta fotografía respecto a las posteriores, hace que, en promedio, el número
de respuestas (tanto totales, como correctas) por estudiante sea mayor en esta imagen que en
cualquiera de las otras.
Fuente. De nuevo encontramos que el número de términos diferentes utilizados por los
estudiantes varía entre 0 y 8. Aquí se observa que la mayor parte de los estudiantes utilizan entre dos y
cuatro términos distintos ya que la media es de 3.2 términos y la desviación típica es 1.2. En la figura
siguiente se muestran las frecuencias absolutas de los posibles números de respuestas:

en formación
Figura 4. Número de estudiantes dependiendo del número de respuestas en la imagen “Fuente”.
En este caso, el número de términos correctos utilizados por cada estudiante varía entre 0 y 6,
con una media de 2.1 y una desviación típica de 1.19. En la figura siguiente se muestra las frecuencias
de cada número de aciertos.
Figura 5. Número de estudiantes dependiendo del número de aciertos en la imagen “Fuente”.
Papelera. Esta es la figura menos rica de las escogidas a la hora de plantear la actividad. Esto
que ya se reflejó en el menor número de términos empleados por los estudiantes se refleja también en
el número de términos diferentes que utiliza cada estudiante donde el número de términos empleado
por cada estudiante varía entre 0 y 5. La media se reduce a 1.9 y su desviación típica a 0.9. Se observa
un valor medio claramente inferior y un mayor agrupamiento de los datos; no en vano el 55% de los
estudiantes dio dos respuestas. Las frecuencias absolutas aparecen en la figura que sigue:

en formación
Figura 6. Número de estudiantes dependiendo del número de respuestas en la imagen “Papelera”.
Un fenómeno similar se observa al analizar el número de aciertos por estudiante. En este caso,
esta variable varía entre 0 y 3, con una media de tan sólo 1.25 y una desviación típica de 0.75 (ver
figura siguiente).
Figura 7. Número de estudiantes dependiendo del número de aciertos en la imagen “Papelera”.
Bruselas. Curiosamente aquí el número de términos diferentes utilizados por cada estudiante
vuelve a variar entre 0 y 8. Como en el caso de la imagen “Fuente”, se observa claramente que la
mayor parte de los estudiantes utilizan entre 2 y 4 términos distintos ya que la media es 3 y la
desviación típica es de 1.4. En la figura siguiente se muestran las frecuencias absolutas de los posibles
números de respuestas:

en formación
Figura 8. Número de estudiantes dependiendo del número de respuestas en la imagen “Bruselas”.
Resulta sorprendente que, en esta imagen, la distribución del número de aciertos por estudiante
se mantiene casi invariante con respecto a la distribución del número de respuestas. El número de
aciertos varía entre 0 y 7 con una media de 3 y una desviación típica de 1.4. En la figura siguiente se
muestran las frecuencias correspondientes.
Figura 9. Número de estudiantes dependiendo del número de aciertos en la imagen “Bruselas”.
Como comentario general, resaltar el bajo número medio de respuestas por estudiante, que en
ninguna de las imágenes llega a 4. El número de aciertos por estudiante es aún menor, con el caso
extremo de la imagen “Papelera” en la que, en promedio, los estudiantes no llegan a señalar ni dos
términos correctos.
4. Análisis cualitativo de los resultados
4.1. Términos correctos no esperados
En el apartado 2.3 se presentaron los términos que, tras un análisis previo de las imágenes,
resultaban esperados por parte de los investigadores. Además, en el apartado 2.5 se indicó cuáles de
ellos se considerarían como correctos al ser utilizados por los estudiantes.

en formación
Sin embargo, tras el estudio cuantitativo de las respuestas de los estudiantes que se abordan en
la sección anterior, aparecen términos que deben ser considerados correctos pero que no eran
esperados por los investigadores. En concreto aparecen los siguientes.
Términos correctos esperados Términos correctos inesperados

Pentágono, trapecio, hexágono, Trapecio isósceles, triángulo isósceles
Casa
rectángulo, triángulo y poliedro. y triángulo rectángulo.
Rectángulo, circunferencia, elipse,
Cuadrado, heptágono, octógono, óvalo
Fuente corona circular, heptágono, semiesfera
y superficie de revolución.
y prisma.
Trapecio, cuadrado y tronco de Trapecio isósceles, pirámide truncada
Papelera
pirámide. y pirámide sin punta.
Cuadrado, triángulo, trapecio, esfera,
Bruselas Rectángulo, pentágono y prisma.
cubo, pirámide y cilindro.
Tabla 8. Términos correctos, esperados e inesperados, en las distintas imágenes.
Estos aciertos inesperados tienen, a nuestro juicio, un cuádruple origen:
• Existen términos que provienen de un “exceso” de precisión inesperado por parte de los
estudiantes. Tal es el caso, por ejemplo, de los estudiantes que señalan el término trapecio
isósceles para referirse a las caras laterales en la figura “Papelera”.
• Aparecen términos que deben ser tomados como correctos debido a que la imagen no
proporciona todos los elementos necesarios para determinar unívocamente el objeto
señalado. Este es el caso de la imagen “Fuente”, dónde no puede saberse con total certeza si
la forma de la misma es de heptágono o de octógono.
• Algunos estudiantes utilizan términos que no son usuales en la enseñanza de la Geometría al
nivel de primaria y que, por ello, no se esperaban. Es el caso, por ejemplo de los términos
óvalo y superficie de revolución.
• Por último, algunos estudiantes se fijan en partes de la imagen que los investigadores
pensaban que iban a ser pasadas por alto. Así, por ejemplo, encontramos estudiantes que
indican el término prisma en la imagen “Bruselas” refiriéndose a la caseta de la zona inferior
derecha de la imagen.
4.2. Análisis de los errores
En este apartado nos vamos a centrar en presentar, clasificar y comentar los errores más
importantes que se han constatado. Como ya se indicó en la sección 2.5, hemos detectado
esencialmente dos tipos de errores diferentes.
4.2.1. Errores en el uso de la terminología
En este apartado se presentan algunos de los errores cometidos por los maestros en formación al
identificar figuras y cuerpos geométricos que se relacionan con el mal empleo o desconocimiento de
las definiciones de las figuras y cuerpos geométricos y no con el hecho de trabajar con una
representación plana de cuerpos de tres dimensiones. Distinguimos entre esta clase de errores dos

en formación
tipos, aquellos que tiene que ver con el desconocimiento de la correcta definición de los términos y los
asociados a la errónea formación de la palabra:
Tipo 1: Ciertos estudiantes desconocen la correcta definición de algunos objetos geométricos e

identifican erróneamente algunos objetos reales por su semejanza con otros objetos geométricos.
Ya indicamos anteriormente que todos los estudiantes habían cursado una asignatura de
contenidos geométricos entre cuyos contenidos están las definiciones de distintas figuras y cuerpos
geométricos. Sin embargo, algunos estudiantes parecen desconocer o no atender a estas definiciones e
identifican incorrectamente en las fotografías algunos objetos por su semejanza física con otros
modelos geométricos que ya han estudiado previamente. En este sentido, en la imagen ‘Casa’, 17
estudiantes (9.8% del total) señalan que la casa tiene forma de dodecaedro o de semiesfera y en la
imagen ‘Papelera’, 13 estudiantes (un 7.5% del total) indican que ésta es un prisma.
Dentro de esta categoría de errores también es destacable señalar la común confusión entre
nuestros estudiantes entre los términos ‘círculo’ y ‘circunferencia’. Así, en la imagen ‘Fuente’, 64
estudiantes escriben ‘círculo’ (un 37% del total) al señalar el borde de la poza de la fuente, donde otros
estudiantes señalan más adecuadamente ‘circunferencia’ o ‘corona circular’. Advertimos, sin embargo,
que este fenómeno no puede ser debido únicamente a la confusión entre la correcta definición estos
dos términos ya que también entre estos 64 estudiantes, existen algunos que señalan ‘círculo’ en lugar
de ‘esfera’ o ‘semiesfera’, identificando de esta forma la representación plana del objeto con el propio
objeto real. Este tipo de errores serán estudiados en el apartado 4.2.2.
Tipo 2: Ciertos estudiantes emplean términos o vocablos geométricos mal construidos o inventados.
En este caso, algunos estudiantes cometen errores en la nomenclatura de los términos

geométricos, esto es, se equivocan aplicando las reglas de construcción para formar las palabras o
simplemente inventan términos inexistentes.
Así, 18 estudiantes (10.4% del total) indican erróneamente que la base de la imagen ‘Fuente’ es
un heptaedro o un octaedro, en vez de un heptágono o un octógono, al emplear el sufijo “edro” en vez
del sufijo “gono” para nombrar a los polígonos planos de más de cuatro lados. Aunque de manera
mucho más esporádica, también aparecen términos inventados como ‘sexaedro’ o ‘septaedro’, por
hexágono y heptágono, y otros de más difícil clasificación como ‘casquete geodésico’ en la imagen
‘Casa’, ‘cubo piramidal’ en la imagen ‘Papelera’ o ‘esfera circular’ y ‘prisma cilíndrico’ en la imagen
‘Bruselas’.
4.2.2. Errores causados por trabajar con una representación plana del objeto
Uno de los aspectos más interesantes de la actividad propuesta a los estudiantes era justamente
el trabajo con fotografías de objetos reales, y no con objetos que pudieran manipular. Esto implicaba
que los estudiantes tenían que distinguir claramente el objeto de su representación plana en el papel y,
eventualmente, necesitaban manipularlo mentalmente a la hora de señalar los términos geométricos
que identificaban.
Esta dualidad objeto-representación ha sido, en nuestra opinión, el origen de interesantes errores

puesto que “cualquier representación bidimensional de objetos tridimensionales implica la distorsión
de alguna de las propiedades del objeto, en el paso del espacio al plano, la comprensión de las
representaciones requiere visión espacial y el conocimiento de convenciones que hay que utilizar”
(Guillén, 2010, p. 54). Así pues, hemos identificado dos tipos de errores esencialmente diferentes:

en formación
Tipo 1: Ciertos estudiantes no diferencian el objeto real de su representación plana en el papel.
Los estudiantes que cometen este tipo de error señalan los objetos geométricos tal cual los ven
en la fotografía sin reparar en que lo que tienen ante ellos era en realidad la proyección plana de un
objeto tridimensional.
Un ejemplo de este tipo de error lo constituyen los 9 estudiantes (un 5.2% del total) que indican
que la parte superior de la figura ‘Papelera’ es un rombo. Efectivamente dicha figura aparece como un
rombo en la fotografía. Sin embargo, se trata en realidad de un cuadrado.
Otro ejemplo interesante lo proporcionan los 47 estudiantes (un 27.1%) que observan círculos o
circunferencias en la imagen ‘Bruselas’. Los objetos reales serían esferas, pero los estudiantes señalan
la proyección de dichas esferas sobre el plano del papel.
Tipo 2: Ciertos estudiantes presentan problemas de visión espacial.
Los estudiantes que comenten este tipo de error sí observan que se encuentran ante una
representación plana de un objeto tridimensional y que, por tanto, deben distinguir entre las figuras
geométricas que perciben y las que realmente constituyen el objeto. Sin embargo, cuando deben
manipular dicho objeto mentalmente (rotándolo, por ejemplo) para poder identificar su forma (o la de
alguna de sus partes), una falta de visión espacial les hace identificar incorrectamente algunas figuras.
Así, en la imagen ‘Papelera’ por ejemplo, 25 estudiantes (un 14.5%) señalan erróneamente que
los laterales son rectángulos y 14 (un 8.1%) que son paralelogramos. Estos estudiantes, al rotar
mentalmente la figura, no han sido capaces de observar que los laterales son, en realidad, trapecios.
Por otra parte, en la imagen ‘Fuente’ 53 estudiantes (un 30.6% del total) indican que la base de
la fuente tiene forma hexagonal. Parte de dicha base queda oculta, por lo que los estudiantes deben
imaginar cómo se cierra el polígono correspondiente. Una observación detenida de la imagen permite
concluir que, para que la información visual de la que se dispone sea coherente, el polígono debe tener
al menos siete lados (podrían ser ocho y de ahí que se admitiera como posible respuesta correcta tanto
heptágono, como octógono).
5. Conclusiones
En el presente trabajo hemos realizado un análisis detallado de las respuestas dadas por 173
maestros en formación ante una tarea sencilla, aunque poco habitual para ellos: el reconocimiento de
figuras y formas geométricas en fotografías de objetos reales. A partir del estudio realizado, podemos
extraer las siguientes conclusiones:
• El número de términos señalados por el total de los estudiantes es bastante alto, especialmente
en lo referente a la geometría plana. Sin embargo un buen porcentaje de estos términos (en
ocasiones superior al 60%) se corresponde con términos incorrectos.
• El número de términos utilizados por cada estudiante es menor que lo esperado. Por ejemplo,
en una imagen bastante rica en posibles respuestas como ‘Bruselas’ el número medio de
términos por estudiante es 3, en ninguna de las imágenes se llega a 4 y en el caso de la
imagen ‘Papelera’ es de tan sólo 1.9.
• Si sólo nos centramos en términos correctos, los datos empeoran. Salvo en la imagen
‘Bruselas’, el número medio de aciertos por estudiante es claramente inferior al número

en formación
medio de términos señalados. El caso más claro se da en la imagen ‘Fuente’, donde tenemos
3.2 términos distintos por estudiante y 2.1 términos correctos por estudiante; 1 error por
estudiante en promedio.
• Dada la gran variedad de términos señalados por los estudiantes han aparecido, por diversos
motivos, otros términos correctos no esperados durante el diseño del test.
• En cuanto a los errores cometidos por los estudiantes, aparecen dos tipos de errores: uno, con
menor presencia, vinculado al desconocimiento de las definiciones de los términos
geométricos o al mal uso del vocabulario y otro, con una mayor presencia en las respuestas
de los estudiantes, causado por el manejo de representaciones bidimensionales de objetos
tridimensionales.
Todos estos resultados ahondan en la necesidad de incidir en el trabajo geométrico con objetos
reales y muy especialmente con objetos de tres dimensiones y sus correspondientes representaciones
planas en la formación de maestros.
Bibliografía
Barrantes, M. y Blanco, L.J. (2005). Análisis de las concepciones de los profesores en formación sobre
la enseñanza y aprendizaje de la geometría. Números, 62, 33-44.
Escolano, R., Gairín, J.M., Jiménez, C., Murillo, J. y Roncal, M.L. (2011). Competencias matemáticas
del futuro maestro y perfil emocional. En Román, Carbonero y Valdivieso (compiladores),
Educación, aprendizaje y desarrollo en la sociedad multicultural, 3661-3677. Ediciones de la
Asociación de Psicología y Educación y el Colegio Oficial de Psicólogos de Castilla y León:
Madrid.
Escolano, R., Gairín, J.M., Jiménez, C., Murillo, J. y Roncal, M.L. (2012). Perfil emocional y
competencias matemáticas de los estudiantes del Grado de Educación Primaria. Contextos
educativos, 15, 107-134.
Fouz, F. (2006). Test geométrico aplicando el modelo de Van Hiele. Sigma, 28, 33-57.
González, E., Guillén, G., Figueras, O. (2006). Estudio exploratorio sobre la puesta en práctica de un
modelo de enseñanza para la geometría de los sólidos en Magisterio. En Bolea, P., González, M.J.
y Moreno, M. (Eds.), Investigación en Educación Matemática. Actas del X Simposio de la
Sociedad Española de Investigación en Educación Matemática (SEIEM), 195-204. SEIEM:Huesca.
Guillén, G. (1997). El modelo de Van Hiele aplicado a la geometría de los sólidos. Observación de
procesos de aprendizaje. Tesis doctoral, (Publicada en 1999 en la Collecció: Tesis doctorales en
Microfitxes). Universitat de Valencia: Valencia.
Guillén, G. (2010). ¿Por qué usar los sólidos como contexto en la enseñanza/aprendizaje de la
geometría? ¿Y en la investigación? En M.M. Moreno, A. Estrada, J. Carrillo y T.A. Sierra (Eds.),
Investigación en Educación Matemática XIV, 21-68. SEIEM:Lleida.
Gutiérrez, A. (1991). Procesos y habilidades en visualización espacial. Memorias del Tercer Congreso
Internacional sobre investigación en educación Matemática. Valencia.
Gutiérrez, A. (1998). Las representaciones planas de cuerpos 3-dimensionales en la enseñanza de la
geometría espacial. Revista EMA, 3(3), 193-220.
Hernández, J., Noda, M.A., Palarea, M. y Socas, M. (2001). Estudio sobre habilidades en matemáticas
de alumnos de magisterio. Tenerife: Universidad de La Laguna.
Muñoz, J.M. y Oller, A.M. (2011). Evaluando competencias y conocimientos matemáticos de
maestros en formación. En Paricio J., Allueva, A.I. y Cruz, F. (coord.), Actas de las V Jornadas de
Innovación e Investigación Educativa en la Universidad de Zaragoza, En prensa.
Nomdedeu, X. (2009). Exposiciones de fotografía y matemáticas. Uno, 52, 19-25.
Nortes, A., López, J.A. y Martínez, R. (2009). Pruebas de conocimientos y destrezas en matemática.
Suma, 60, 43-54.

en formación
Tatto, M. T., Schwille, J., Senk, S., Ingvarson, L., Peck, R., y Rowley, G. (2008). Teacher Education
and Development Study in Mathematics (TEDS-M): Policy, practice, and readiness to teach
primary and secondary mathematics. Michigan: Teacher Education and Development International
Study Center.
Usiskin, Z. (1982). Van Hiele levels and achievement in secondary school Geometry. Chicago:
Department of Education, University of Chicago.
José María Muñoz Escolano. Licenciado en ciencias Matemáticas (2003) y Doctor (2007) por la
Universidad de Zaragoza. Ha publicado diversos trabajos sobre Educación Matemática y Álgebra.
Actualmente es profesor Ayudante Doctor de la Facultad de Educación de la Universidad de Zaragoza.
Email: jmescola@unizar.es.
Antonio M. Oller Marcén. Licenciado en ciencias Matemáticas (2004) por la Universidad de Zaragoza y
Doctor por la Universidad de Valladolid (2012) con una tesis sobre la enseñanza de la Proporcionalidad
aritmética en Secundaria. Ha publicado diversos trabajos sobre Educación Matemática, Álgebra y Teoría
de Números. Actualmente es profesor del Centro Universitario de la Defensa de Zaragoza.
Email: oller@unizar.es.

ISSN: 1887-1984

Juan Carlos Ponce Campuzano (Universidad de Colima. México)

Fecha de aceptación: 17 de mayo de 2013
Resumen El Teorema Fundamental del Cálculo tal y como lo conocemos actualmente es el

resultado de una larga evolución de ideas. Su origen se remonta al siglo XVII con la
observación de la relación que existe entre los problemas de cuadraturas y tangentes.
Entre los personajes que se percataron de dicha relación destaca el matemático inglés
Isaac Barrow. En el presente artículo se discute uno de los resultados de Barrow que
puede considerarse como una versión preliminar del Teorema Fundamental en un
contexto geométrico.
Palabras clave Cálculo, tangentes, cuadraturas, historia, teorema fundamental del cálculo.
Abstract The Fundamental Theorem of Calculus, as we know it today, is the result of a long
evolution of ideas. It dates back to the seventeenth century with the observation of the
relationship between problems of quadratures and tangents. Among the characters who
noticed this relationship highlights the English mathematician Isaac Barrow. In this
article we discuss one of the results of Barrow which can be considered as a preliminary
version of the Fundamental Theorem in a geometric context.
Keywords Calculus, tangents, quadratures, history, fundamental theorem of calculus.
1. Introducción
El Cálculo es considerado, junto con la Geometría, una de las creaciones más importantes
dentro de las matemáticas (Kline, 1972, p.342). Fue creado, básicamente, para tratar los cuatro
principales problemas planteados durante los siglos XV al XVII, algunos de los cuales ya habían sido
abordados por los griegos en la antigüedad. El primero de estos problemas era, dada la fórmula para la
distancia recorrida por un cuerpo como función del tiempo, encontrar la velocidad y aceleración
instantánea; inversamente, dada la fórmula para la aceleración como una función del tiempo, encontrar
la velocidad y la distancia recorrida. En el segundo problema se buscaba la tangente a una curva dada
en un punto dado (problema de las tangentes) y en el tercero los valores máximos y mínimos de una
función. Por último, el cuarto problema era encontrar el área y el volumen acotados por curvas y
superficies, respectivamente (problema de las cuadraturas).
Los problemas antes mencionados fueron abordados, generalmente, como casos aislados por
muchos científicos y matemáticos entre los siglos XV y XVII. Todas sus contribuciones fueron la base
para el trabajo que posteriormente desarrollarían, de manera independiente, dos grandes personajes: el
físico, astrónomo y matemático inglés Sir Isaac Newton (1642-1727) y el abogado, filósofo y
matemático alemán Gottfried Wilhelm Leibniz (1646-1716).

Newton y Leibniz abordaron los cuatro principales problemas pero basados en dos conceptos
generales, conocidos actualmente como Derivada e Integral (Grabiner, 1983, p. 199). Su mayor
contribución dentro del Cálculo fue el hecho de haber reconocido con claridad la relación que existe
entre los problemas de cuadraturas y tangentes, pues por ejemplo un problema de cuadraturas se podía
reducir a un problema de encontrar una curva que tenía una cierta regla de tangencia y también el trazo
de una tangente a curva en un punto se podía reducir al problema de una cuadratura. Posteriormente,
lo anterior se tradujo en lo que conocemos actualmente como relaciones de reciprocidad entre los
procesos de Integración y Diferenciación, lo cual establece el Teorema Fundamental del Cálculo
(TFC). Es por esta razón que este teorema suele atribuirse a estos dos grandes matemáticos. Sin
embargo, ellos no fueron los primeros ni los únicos en percatarse de la relación entre los problemas de
cuadraturas y tangentes, tampoco enunciaron ni establecieron el TFC tal y como lo conocemos
actualmente.
Entre los científicos que se percataron de la relación entre los problemas de cuadraturas y
tangentes, previo a Newton y Leibniz, podemos destacar al matemático inglés Isaac Barrow (1630-
1677). En este artículo, se presenta un resultado de Barrow el cual puede interpretarse como una
versión preliminar del TFC en un contexto geométrico.
2. Versión geométrica del TFC de Isaac Barrow
Isaac Barrow fue un teólogo y matemático inglés quien destaca por sus contribuciones para el
desarrollo del Cálculo moderno. Además, Barrow es bien conocido por ser uno de los primeros en
reconocer la relación que existe entre los problemas de cuadraturas y tangentes (que en términos
modernos se refiere a la integración y diferenciación como procesos inversos), pero sobre todo por ser
de los primeros en dar una demostración rigurosa (Child, 1916, p. 124).
En 1669 Barrow publicó sus Lectiones Geometricae (Lecciones Geométricas) en donde

estableció, entre otras cosas, métodos para trazar tangentes a curvas. En la Lección X, se puede
encontrar la siguiente proposición:
11. Sea ZGE una curva cuyo eje es VD y consideremos las ordenadas (VZ,
PG y DE) perpendiculares a este eje y continuamente creciendo desde la
ordenada inicial VZ (Figura 1); también sea VIF una curva tal que si una
línea recta EDF es trazada perpendicular al eje VD, cortando a las curvas en
los puntos E, F y VD en D, el rectángulo determinado por DF y una longitud
dada R es igual al espacio V DEZ; también sea DE : DF = R : DT, y unimos
[T y F]. Entonces TF cortará a la curva VIF.
Tomemos un punto I en la curva VIF (primero del lado F hacia V) y, a través

de él, tracemos IG paralelo a VZ y IL paralelo a V D, cortando a las líneas
dadas como se muestra en la figura; entonces, LF : LK = DF : DT = DE : R,
es decir R × LF = LK × DE. Pero de la naturaleza de las líneas DF y LK se
tiene R × LF = área(P DEG) por tanto se tiene que LK × DE = área(PDEG)
< DP × DE, por lo tanto se tiene LK < DP < LI. De forma análoga, si el punto
I se toma del otro lado de F, se haría la misma construcción de antes y se
puede fácilmente demostrar LK > DP > LI. De donde es completamente claro
que toda línea TKF permanece en o debajo de la curva VIF. Resultados
análogos se obtienen si las ordenadas VZ, PG y DE decrecen en forma
continua, la misma conclusión se obtiene mediante un argumento similar;
sólo una particularidad ocurre, a saber; en este caso, al contrario que en el
otro, la curva VIF es cóncava respecto al eje VD (Barrow, 1735, p. 167).

Figura 1. Diagrama de Barrow
La proposición anterior establece que para trazar una recta tangente a una curva, ésta última
debe estar relacionada con la cuadratura de otra curva. Este resultado ha sido reconocido por diversos
historiadores de las matemáticas como una versión preliminar del Teorema Fundamental del Cálculo.
Más adelante se hablará con más detalle al respecto. Por el momento, continuemos analizando la
proposición de Barrow y su demostración considerando el contexto matemático del siglo XVII. Por tal
motivo, a continuación se presenta una construcción geométrica para trazar una recta tangente a una
curva con ayuda del software Geogebra.
Construcción geométrica: Trazo de una tangente a una curva según Barrow
Sea el eje horizontal la recta que pasa por los puntos A y B (Figura 2). Sea m una curva continua
y creciente1 definida sobre el segmento AB. Sea C un punto en el segmento AB y tracemos las rectas
perpendiculares que pasan por los puntos A y C, las cuales cortan a la curva m en los puntos E y D,
respectivamente.
Ahora, sea F el punto sobre la recta CD que cumple lo siguiente: El área ACDE es igual al
rectángulo determinado por el segmento CF y una longitud constante h2. Es decir,
Área(ACDE) = CF × h
1
Barrow considera una curva continua y creciente como se muestra en la Figura 2, debido a que en el siglo XVII
no se consideraban aún magnitudes negativas bajo el eje.
2
Barrow utiliza la longitud constante h para poder igualar el área ACDE a la del rectángulo determinado por CF
y h. En el siglo XVII, se buscaba igualar el área de una figura geométrica al área de una figura más fácil de
calcular como un cuadrado. En este caso Barrow utiliza un rectángulo.

Figura 2. Curva continua y creciente m definida en el segmento AB.
Si movemos el punto C, podemos observar que el lugar geométrico del punto F determina una
nueva curva n, definida en el segmento AB (Figuras 3).
Ahora, sea G un punto entre A y C tal que: DC/CF = h/GC3 (Figura 3).
Figura 3. Curva n definida por el punto C / Punto G definido entre los puntos A y C.
Entonces, la recta que pasa por los puntos F y G es tangente a la curva n en F (Figura 4).
3
En este punto Barrow utiliza la longitud constante h para poder establecer la igualdad entre las razones DC/CF
y h/GC, ya que en su época una razón a/b debía ser igualada a otra razón.

Figura 4. Punto G definido entre los puntos A y C
La construcción anterior se realizó con el programa de geometría dinámica Geogebra, basada en

la proposición 11 de Barrow. Con base en esta construcción, se puede inferir que Barrow consideró
movimiento del punto C, aunque nunca lo menciona de manera explícita pues, como vimos al inicio de
la sección, él presenta dicha proposición en términos de una construcción estática.
Por otra parte, la proposición de Barrow destaca debido a que se relaciona la cuadratura de una
curva con el problema de trazar de una tangente a otra curva que cumple con ciertas características. En
este caso, la recta tangente se considera en el sentido griego, como una recta que toca a la curva en un
solo punto. Barrow demostró esto último en un contexto geométrico.
Demostración geométrica de Barrow
Como se muestra en la Figura 5, sea I un punto en la curva n (entre A y F); sean IJ y IL

segmentos perpendiculares a CF y AB, respectivamente; y sea C’ el punto de intersección de los
segmentos IL y AB. Entonces
FJ/KJ = CF/GC = DC/h
porque DC/CF = h/GC (establecido previamente). De la expresión anterior, se obtiene
h × FJ = KJ × DC.
Ahora, considerando que CF × h = Área(ACDE) y IC’ × h = Área(AC’LE), se puede establecer lo

siguiente
FJ × h = (CF-IC’) × h = CF × h- IC’ × h = Área(ACDE) - Área(AC’LE).

Figura 5. Trazos auxiliares para la demostración geométrica de Barrow.
Por lo tanto, se tiene que FJ × h = Área(C’CDL). De esta manera, dado que
h × FJ = KJ × DC y FJ × h = Área(C’CDL),
entonces
KJ × DC = Área(C’CDL) < C’C×DC.
Es decir, KJ < C’C = IJ. De forma análoga, si el punto I se toma del otro lado de F, se puede
hacer la misma construcción de antes para demostrar que KJ > C’C = IJ. En cualquier caso, la recta
que pasa por los puntos G y F permanece debajo de la curva n. Es decir, la recta que pasa por los
puntos G y F es tangente a la curva n en el punto F.
3. Relación entre el resultado de Barrow y el Teorema Fundamental del Cálculo
El resultado de Barrow, presentado en la sección anterior, resulta de gran relevancia debido al

hecho de que relaciona el problema de tangentes con el de cuadraturas. Esto podría interpretarse como
una versión geométrica del Teorema Fundamental del Cálculo actual.
Para precisar lo anterior, sea f una función continua y creciente definida en un intervalo
[ a, b] . Definamos la curva continua que describe el área acumulada con la expresión
F ( x ) = ∫ f ( t ) dt .
x

(
Consideremos los puntos D = x, F ( x ) ) (
y E = x, f ( x ) ) y sea F = ( 0, x − XF ) el punto en el
intervalo [ a, x ] tal que:
XD
= XF (2)
XE
donde XD y XE son iguales a F ( x ) y f ( x ) , respectivamente (ver Figura 6). Entonces, la recta que
pasa por los puntos D y F es tangente a la curva F .
Figura 6. Versión moderna del resultado de Barrow.
De esta forma, la relación con el Teorema Fundamental del Cálculo es clara ya que se ve fácilmente
que la pendiente de la recta tangente construida es m = XD XF , esto es, m = f ( x ) por la expresión
(2). Escribiendo entonces que
F ( x ) = ∫ f ( t ) dt
x
y teniendo en cuenta que m = F ' ( x ) , la proposición de Barrow nos dice que F ' ( x ) = f ( x ) , esto es

d
dx (∫
a
x
)
f ( t ) dt = f ( x ) ,
lo cual sitúa el resultado original de Barrow como un precedente del Teorema Fundamental del
Cálculo.
Es importante resaltar el hecho de que Barrow realizó una demostración geométrica y no

analítica, sin embargo esto no es un demérito en absoluto de su trabajo, la demostración que presenta
es válida y rigurosa en el sentido de la geometría Euclidiana. Es aquí donde destaca su contribución al
respecto del Teorema Fundamental, por la claridad y extensión de su pensamiento.
4. Comentarios finales
El Teorema Fundamental del Cálculo tal y como lo conocemos actualmente es el resultado de

una larga evolución de ideas. Ha sido refinado y pulido de tal manera que se puede considerar en el
contexto de funciones generales. Asimismo, prácticamente se ha divorciado de contexto original, es
decir, como una relación entre problemas de cuadraturas y tangentes (Bressoud, 2011, p. 109). Desde
un punto de vista didáctico, no es necesario presentar el Teorema Fundamental en los cursos de
Cálculo tal y como se dio originalmente, pero una discusión acerca de su origen y desarrollo puede ser
provechosa para comprender las relaciones que establece dicho teorema.
Bibliografía
Barrow, I. (1735). Geometrical Lectures. (Translated from the Latin Edition by Edmund Stone).
London: Cambridge University.
Bressoud, D. M (2011). Historical reflections on teaching the Fundamental Theorem of Calculus.
American Mathematical Monthly. 118, (2), 99-115.
Child, J. M. (1916). The Geometrical Lectures of Isaac Barrow. London: The Open Court Publishing
Company.
Grabiner, J. V. (1983). The changing concept of change: The derivative from Fermat to Weierstrass.
Mathematics Magazine. 56, (4), 195-206.
Kline, M. (1972). Mathematical Thought from Ancient to Modern Times. New York: Oxford
University Press.
Juan Carlos Ponce Campuzano. Estudiante de Doctorado en la especialidad de Matemática Educativa

en el Centro de investigación y de estudios avanzados del IPN (Cinvestav-IPN), México. Profesor
Investigador de Tiempo Completo, Facultad de Ciencias de la Educación, Universidad de Colima,
México. jcponce@cinvestav.mx

ISSN: 1887-1984

Pilar Fernández Palop (Universidad de Alcalá de Henares. España)
Presentación Caballero García (Universidad Camilo José Cela. España)
José Antonio Fernández Bravo (Universidad Camilo José Cela y Universidad Complutense de Madrid. España)
Fecha de recepción: 19 de noviembre de 2012

Fecha de aceptación: 8 de abril de 2013
Resumen Analizando los libros de texto de Matemáticas más utilizados en la Comunidad de

Madrid, nos dimos cuenta de que contenían errores matemáticos. A partir de aquí,
quisimos someter a revisión este material didáctico. En vista de los resultados obtenidos,
concluimos que se hace necesario realizar una investigación más seria y objetiva que nos
lleve a identificar errores matemáticos en libros de texto, describirlos, clasificarlos y
descubrir las relaciones que pudieran existir entre las distintas clasificaciones que se
establezcan, así como su incidencia en el rendimiento académico de los alumnos que los
utilizan.
Palabras clave Matemática, aprendizaje, materiales y recursos, errores matemáticos, libros de texto.
Abstract When we analyzed the most used mathematics textbooks in Madrid, we noticed that they
contained mathematical errors. After that, we revised this didactic material. Considering
the results, we see that it is necessary to conduct a serious and objective investigation that
leads us to identify mathematical errors in textbooks, describe them, classify them and
discover relationships that may exist between the different classifications we could
establish.
Keywords Mathematics, learning, materials and resources, mathematic error, textbook.
“La causa de mis enormes enfados al examinar los libros estribaba en lo

infames que eran éstos. Eran falsos. Estaban escritos con prisas. Pretendían
ser rigurosos; pero luego usaban ejemplos que casi estaban bien pero nunca
bien del todo; siempre tenían alguna pega. A las definiciones les faltaba
precisión. Todo era un poco ambiguo; los autores no eran lo bastante listos
como para comprender lo que significa «rigor»; sólo lo fingían. Pretendían
enseñar algo que ellos no comprendían, y lo que es más, algo que, de hecho,
al alumno le era totalmente inútil en ese momento”.
Richard Feynman1
1
Richard Feynman (1987, pp. 339-340). Premio Nobel de Física en 1965, compartido con Schwinger y
Tomonaga.

1. El libro de texto como recurso didáctico
A pesar de la gran variedad de productos existentes en el mercado, la práctica de la enseñanza se

sigue apoyando en el libro de texto (Cabero, Duarte y Barroso, 1989; García Mateos y Caballero,
2005). Los libros de texto se utilizan por profesores y alumnos como un instrumento en el proceso de
enseñanza-aprendizaje. ¿Se recogen en ellos los contenidos que supuestamente deben aprender los
alumnos? ¿Lo hacen de forma ordenada en cada uno de los cursos, según indica la legislación?
¿Proponen actividades que ayuden a profundizar en los contenidos estudiados? ¿Sirven de guía
didáctica para el docente, y son un referente para el estudio de las distintas materias?
Su uso está sumamente extendido. Según los datos de la Federación de Gremios de Editores de
España (2010, 2011, 2012), el libro de texto no universitario supone entre un 27% y un 30% de la
venta global de libros vendidos en España en el período 2009-2011. Y fijándonos en la etapa de
Educación Primaria, casi la totalidad de los alumnos los utilizan. Así lo señalan los últimos datos
disponibles del Instituto de Evaluación del Ministerio de Educación (2009, pp. 92-93), que indican que
el libro de texto es utilizado por un 99,1% de los alumnos de Educación Primaria.
En un estudio sobre el uso del libro de texto de Matemáticas en los centros de Primaria de la
Comunidad de Madrid, obtuvimos datos semejantes a los del Instituto de Evaluación. Considerando
como población los 1311 centros de Educación Primaria que había en 2011 en la Comunidad de
Madrid (Consejería de Educación y Empleo de la Comunidad de Madrid, 2011), se tomó una muestra
aleatoria estratificada que nos permitiera trabajar con un nivel de confianza del 95% y asumiendo un
error de cálculo del 5%.
En las encuestas a los centros de nuestra muestra, se preguntó si se utilizaba libro de texto de
Matemáticas en cada uno de los cursos de Primaria y, en caso afirmativo, qué libro de texto se
utilizaba.
Los resultados sobre el uso del libro de texto de Matemáticas en cada uno de los cursos de
Educación Primaria fueron los siguientes (Tabla 1):
Libro de texto 1.º EP 2.º EP 3.º EP 4.º EP 5.º EP 6.º EP
Sí usan libro 94,29% 95,71% 95,71% 95,71% 97,14% 97,14%

No usan libro 5,71% 4,29% 4,29% 4,29% 2,86% 2,86%
Total 100,00% 100,00% 100,00% 100,00% 100,00% 100,00%
Tabla 1. Porcentajes de uso de libros de texto, por curso
En cuanto a los libros de texto de Matemáticas que se utilizaban2, se obtuvieron los siguientes
resultados3:
2
Por respeto a los autores, se omiten los títulos y editoriales de los libros analizados. Ponemos a disposición de
quien lo requiera los datos utilizados en este estudio.
3
Por errores de redondeo, no coincide el total de los libros de texto utilizados con la suma de los porcentajes que
aquí aparecen, ya que para calcular el total se han tomado los porcentajes sin redondear.

Editoriales 1.º EP 2.º EP 3.º EP 4.º EP 5.º EP 6.º EP

Editorial 1 35,71% 37,14% 38,57% 40% 38,57% 38,57%
Editorial 2 24,28% 22,85% 21,42% 20% 22,85% 22,85%
Editorial 3 22,85% 24,28% 21,42% 21,42% 21,42% 21,42%
Editorial 4 4,28% 4,28% 7,14% 5,71% 7,14% 7,14%
Editorial 5 2,85% 2,85% 2,85% 2,85% 2,85% 2,85%
Editorial 6 1,42% 1,42% 2,85% 2,85% 1,42% 1,42%
Editorial 7 2,85% 2,85% 1,42% 1,42% 2,85% 2,85%
Editorial 8 0% 0% 0% 1,42% 0% 0%
Total 94,29% 95,71% 95,71% 95,71% 97,14% 97,14%
Tabla 2. Porcentajes de uso de libros de texto, por curso y editorial
Como puede observarse en la Tabla 2, el libro de texto de Matemáticas es utilizado, según

nuestros datos, en un 97,14% de los centros de Primaria de la Comunidad de Madrid.
2. Errores en libros de texto de Matemáticas
Analizando libros de texto de Matemáticas de 6.º de Educación Primaria de las cuatro

editoriales más utilizadas en la Comunidad de Madrid, encontramos lo siguiente. En la exposición de
contenidos, vemos errores de concepto, descripciones ambiguas de algoritmos, contenidos en los que
se han omitido condiciones de restricción y aparecen como generales… En los ejercicios resueltos,
encontramos respuestas en las que el razonamiento que se lleva a cabo es contrario al razonamiento
lógico, o bien que se pretende aplicar un concepto erróneo… Por último, en los ejercicios propuestos,
vemos problemas mal definidos (Noda Herrera, 2000; Simon, 1973), que pueden ser interpretados de
varios modos con distintas soluciones y en la guía didáctica aparece una única solución; o que carecen
de los datos necesarios para ser resueltos y en la guía didáctica se utilizan dichos datos; o bien en los
que aparecen símbolos matemáticos utilizados con un significado distinto del que la matemática dicta,
o cuyo enunciado es absurdo o sin solución y en la guía didáctica aparece una solución…
A continuación, exponemos ejemplos de ellos, justificando en cada caso por qué se trata de un
error, y ordenándolos según una serie de características, cuyo listado no pretende ser ni excluyente ni
exhaustivo. Las características que han servido para la ordenación son las siguientes:
• Error de concepto
• Ambigüedad
• Problemas con enunciados absurdos
• Problemas en los que faltan datos o que contienen órdenes incompletas
• Enunciados de problemas con error en los datos o que contienen órdenes contradictorias
• Error en la respuesta a un problema
Error de concepto
El primero de los errores de concepto que presentamos es el siguiente:
“La mediana de un conjunto ordenado de un número de elementos impar es

aquel que ocupa el lugar central”. “La mediana de un conjunto ordenado de

un número par es la media aritmética de los dos valores que ocupan el lugar
central”.
Justificación: los datos deben ser cuantitativos; esto es, numéricos, y no un conjunto ordenado4.
Una consecuencia de ese error de concepto la encontramos en el mismo libro, donde aparece el
siguiente ejercicio propuesto:
“En un párrafo se han contado las vocales y se han obtenido los siguientes
datos. Vocal a: 45; vocal e: 11; vocal i: 15; vocal o: 24; vocal u: 8. ¿Qué letra
representa la mediana?”
La guía didáctica afirma que la letra i representa la mediana, algo absurdo (además de que la
letra que ocuparía el lugar central de ese conjunto ordenado es la letra e). Y para demostrar el absurdo,
basta encontrar un contraejemplo. Las vocales pueden ser consideradas como un conjunto ordenado,
pero no son datos numéricos. En este caso, el número de datos de la muestra era impar, pero, ¿qué
hubiese sucedido si el número de datos hubiese sido par y los dos datos centrales hubiesen tenido
valores distintos, por ejemplo, e, i? Según lo descrito en el libro, ¿cómo se calcularía la mediana?
¿Haciendo la media aritmética de ambas vocales? ¿ ? ¿Qué vocal es esa?
Otro ejemplo de error de concepto, en el que se confunde la parte con el todo, es el siguiente:
“Una fracción representa parte de una unidad. Los términos de una fracción
son el numerador y el denominador. El denominador indica el número de
partes iguales en que se divide la unidad, y el numerador el número de partes
que se toman. Para representar una fracción elegimos una unidad, la
dividimos en tantas partes iguales como indica el denominador y marcamos
las partes que nos señala el numerador”.
Justificación: Según lo descrito, 5/2, por ejemplo, no es una fracción, ya que no representa parte
de una unidad. Está confundiendo el término matemático de fracción con el de fracción propia.
El error de concepto puede también ser consecuencia de una omisión en las premisas, como
vemos en el siguiente ejemplo:
"Probabilidad de un suceso. Determinamos la probabilidad mediante una

fracción. Para expresar la probabilidad de un suceso, escribimos una fracción:
en el numerador ponemos el número de casos favorables, y en el
denominador, el número de casos posibles".
4
Diccionario Oxford-Complutense. Matemáticas: Mediana (en estadística). Supongamos que se ordenan los
resultados de las observaciones de un parámetro numérico en orden ascendente. La mediana de esa muestra es la
observación que ocupa el lugar medio cuando hay un número impar, y la media aritmética de las dos centrales
cuando el número de observaciones es par (Clapham, 1998, pág. 230).
Diccionario Akal de Matemáticas: Mediana estadística de un carácter cuantitativo X que toma los valores a1,
a2,…, an sobre una muestra de n individuos. Número real m tal que el número de valores de X inferiores a m sea
igual al número de valores superiores a m. Si n es impar, la mediana m es uno de los valores a1, a2,…, an. Si n es
par, m es un número escogido entre dos valores bien determinados por X (Bouvier y George, 2005, pág. 525).

Justificación: Lo descrito es cierto sólo para sucesos equiprobables, no para sucesos en general.
Además, habría que añadir que la probabilidad de un suceso, equiprobable o no, está comprendida
entre 0 y 1.
Ambigüedad
La ambigüedad puede aparecer en distintos contextos, ya sea en la exposición de contenidos

teóricos, ya sea en un enunciado de un problema o ejercicio. Como ejemplo de ambigüedad en la
descripción de un algoritmo, proponemos el siguiente:
"Para aproximar un número a un determinado orden de unidades: 1.º Se

suprimen las cifras que quedan a la derecha; 2.º Si la primera cifra suprimida
es mayor o igual que 5, se suma uno a la primera cifra no suprimida".
Justificación: Se dice que “se suprimen las cifras que quedan a la derecha”, pero no se indica a
la derecha de qué. Tampoco se dice qué se considera “la primera cifra suprimida”, ni qué sucede si la
primera cifra suprimida no es mayor o igual que 5.
Y como enunciado de un problema ambiguo:
[Aparece un escaparate con un cartel que pone "Rebajas: 50% de

descuento". En el escaparate hay una serie de artículos con un precio
marcado (chándal, 26 euros; zapatillas de deporte, 18 euros; bicicleta, 95
euros), y de un altavoz sale una voz que dice:] "¡Última oportunidad! Hoy
todo a mitad de precio". Abajo pregunta: "¿Cuánto cuesta hoy el chándal? ¿Y
los deportivos? ¿Y la bicicleta?".
Justificación: Este problema tiene dos soluciones. Según si los precios marcados están ya
rebajados o no, la solución será: “El chándal cuesta hoy 26 euros, las zapatillas de deporte 28 euros, la
bicicleta 95 euros”, o bien, “El chándal cuesta hoy 13 euros, las zapatillas de deporte 9 euros, la
bicicleta 47,5 euros”. La guía didáctica da como solución: “El chándal cuesta hoy 13 euros, las
zapatillas de deporte 9 euros, la bicicleta 47,5 euros”.
Problemas con enunciados absurdos
Hay problemas con enunciados absurdos, a los que no es posible responder de forma lógica, y
que, sin embargo, aparecen resueltos de forma unívoca, bien en el propio libro de texto del alumno,
bien en la guía del profesor. El hecho de que no se pueda responder de forma lógica puede deberse a
diversas causas. Por ejemplo, que no exista relación entre la situación que se plantea y la pregunta a la
que se debe responder:
“Hoy, a las seis de la tarde, el termómetro marcaba 10 grados. Dos horas

después bajó tres grados, y siete horas más tarde bajó cinco grados más. ¿Qué
temperatura marca ahora?”.
Justificación: La primera pregunta que tendríamos que hacernos es: ¿Cuándo es “ahora”?
¿Ahora es el instante en el que estamos leyendo el problema? ¿Ahora es al finalizar esas últimas siete
horas que se describen? ¿Cómo vamos a poder responder de forma lógica a una pregunta que no
guarda relación con lo descrito en el problema? Para hallar la respuesta, podríamos ir a mirar el

termómetro de la clase (o de casa, según dónde y cuándo se esté resolviendo) e indicar la temperatura
que marca ahora, algo que no tiene nada que ver con el enunciado del problema5.
Otra causa puede ser que la orden que se dé sea, sencillamente, absurda:
"Expresa estas situaciones utilizando números positivos o números negativos:

Tengo doce euros; he adelgazado 15 kilos; he gastado 20 euros; pues yo he
engordado 8 kilos".
Justificación: Dependiendo del contexto, todas esas expresiones que ahí aparecen pueden ser
traducidas al lenguaje matemático con un signo positivo o negativo. Por ejemplo: “Hace cinco meses
me puse a régimen. El primer mes perdí 4 kilos, el segundo 3 kilos, el tercer mes 4 kilos, el cuarto 2
kilos, y el quinto he adelgazado 2 kilos. ¿Cuánto he adelgazado en total en los últimos cinco meses?”
En los últimos cinco meses he adelgazado +15 kilos, o bien, sencillamente, 15 kilos. En el ejercicio, la
guía didáctica da como respuesta: +12 euros, -15 kilos, -20 euros, +8 kilos.
En ocasiones, en los libros de texto se puede plantear un problema con vistas a que se utilice un
determinado método matemático que lleve a una determinada solución. Sin embargo, puede suceder
que se plantee una situación en la que la utilización de dicho método resulte absurda:
"Amaya ha comido un pastel y un cuarto de otro, y Pablo, dos pasteles y

medio de otro. ¿Qué cantidad de pasteles comieron entre los dos? Si había
cinco pasteles, ¿qué cantidad dejaron?".
Justificación: Este problema aparece después de otro semejante que está resuelto en el que se
sumaban y restaban las fracciones, y en el que sí que tenía sentido realizar esas operaciones con
fracciones. La guía didáctica da como solución que se comieron 15/4 de pastel, y que se dejaron 5/4 de
pastel. Y, aunque la solución es válida, en este caso, no tiene sentido sumar o restar las fracciones que
aparecen (aunque matemáticamente pueda hacerse), ya que se trata de distintos pasteles. Entre los dos
se comieron tres pasteles, un cuarto de uno y medio de otro. Si había cinco pasteles, dejaron tres
cuartos de un pastel (o quizá la mitad y un cuarto, dependiendo de cómo se hayan hecho los cortes) y
medio de otro.
En esta misma línea, puede suceder que se plantee un problema en el que el modo de describir
la situación resulte absurdo:
"Un ciclista ha recorrido en tres etapas 345 km 30 hm. En la primera recorrió

123 km 5 hm, y en la segunda, 87 km 36 hm. ¿Cuánto recorrió en la
tercera?".
Justificación: Es absurdo decir que recorre 345 km 30 hm, ya que eso son 348 km, y en este
caso no tiene sentido la descomposición que se hace. Y tampoco decir que en la segunda recorre 87
km 36 hm, ya que son 90 km 6 hm.
5
Es necesario añadir que si intentamos situarnos en el tiempo que describe el problema, nos encontramos con lo
siguiente. Hoy a las 18:00 marcaba 10 grados. A las 20:00 (dos horas más tarde) marcaba 7 grados (bajó tres
grados). Y siete horas más tarde (3:00 del día siguiente, a no ser que ese día tenga más de 24 horas) marcaba 2
grados (bajó cinco grados). Como se observa, la primera palabra que aparece en el problema es “hoy”, por lo que
se supone que el problema está redactado antes de las doce de la noche de “hoy”. Sin embargo, acaba
describiendo lo que “pasó” a las tres de la mañana “de mañana”. La guía didáctica da como resultado 2 grados.

Otro caso en el que no es posible responder de forma lógica es cuando en el enunciado aparecen
símbolos matemáticos utilizados con un significado distinto al que la matemática dicta.
“¿Cuál es el volumen del contenedor expresado en litros?” [Y aparece una

imagen del signo = que tiene pintado, a su izquierda, una botella con una
etiqueta que dice “1,5 litros”, y a su derecha un cubo. Del cubo sale una
flecha hacia un contendor que contiene 12 cubos semejantes al primero.]
Figura 1. Ejemplo para uso de símbolos matemáticos con distinto significado
Justificación: En el enunciado se afirma que una botella de litro y medio es igual a un cubo, y
eso es falso. La respuesta a esa pregunta debería ser algo del tipo: “La imagen es absurda, y no se
proporcionan datos para responder a la pregunta”. La guía didáctica da como solución 18 litros.
Por último, el origen de que el enunciado resulte absurdo puede ser consecuencia de un error de
concepto:
"Observa el gráfico y responde a las preguntas. a) ¿Qué datos recoge? b) Con

los datos del gráfico construye la tabla de frecuencias. ¿Cuál es la frecuencia
relativa del quinto partido? ¿Qué datos tienen cero de frecuencia absoluta? c)
¿Cuál es la media de goles que ha conseguido el equipo? ¿Cómo lo has
calculado? ¿Cuál es la moda?". [Y aparece un gráfico de barras que indica
los goles metidos por un equipo en quince partidos, ordenados del 1.º al 15.º.
]
Figura 2. Ejemplo para error de concepto en la solución

Justificación: Aunque el gráfico que aparece tiene el aspecto de un gráfico de barras con las
frecuencias de una variable, no lo es. Es la representación de una serie de datos, a saber, goles en cada
partido. En la solución, el libro considera que el gráfico representa frecuencias, no datos6.
Problemas en los que faltan datos o que contienen órdenes incompletas
Un caso de falta de datos es cuando en el enunciado del problema no aparecen determinados

datos de cultura general, dándolos por sabidos, y que son necesarios para su resolución:
“Cuando Tutankamon tenía 17 años fue nombrado faraón de Egipto. Esto

ocurrió en el año 1339 antes de Cristo. Su reinado duró 8 años. ¿En qué año
nació Tutankamon? ¿En qué año murió?”.
Justificación: Las premisas que nos dan son la edad y año en el que accedió al trono, y la
duración de su reinado. A partir de esos datos podríamos responder a la primera pregunta, pero no a la
segunda. Nada se dice acerca de la muerte de Tutankamon, y tampoco sabemos si se trata de un
personaje histórico o ficticio (y hay que tener en cuenta que, en los problemas de los libros de texto,
los personajes que aparecen son ficticios la mayoría de las veces), por tanto no tendría sentido intentar
averiguar los datos que faltan por otros medios. Se indica la duración de su reinado, pero ese dato es
irrelevante, ya que no se indica qué hizo después de ser faraón ni por qué dejó de serlo (pudo haber
abdicado, haber sido invadido, haberse vuelto loco y que le hubieran encerrado, o simplemente
desaparecer un día sin más y huir a otro país…). Por tanto, la respuesta a esta pregunta es: “con los
datos que nos dan no es posible responder de forma única”. La guía didáctica da como solución:
Tutankamon nació en el año 1356 antes de Cristo y murió en el 1331 antes de Cristo.
6
Para comprender que lo que aparecen son datos y no frecuencias, bastaría pensar qué haríamos para calcular la
media: sumaríamos todos los goles y dividiríamos el resultado entre el número de partidos. Es decir, que el
número de partidos es el número total de datos, lo que significa que el gráfico está representando datos de la
variable goles por partido, no frecuencias.
Para responder a la primera orden del apartado b), habría que hacer la tabla: (n.º de goles, número de partidos):
(0, 2), (1, 2), (2, 2), (3, 4), (4, 2), (5, 2), (6, 1). Total de datos: 15. Sin embargo, la solución que aparece en la
guía didáctica es: (Partido, Goles, Frecuencia relativa): (1, 0, 0), (2, 3, 3/42), (3, 5, 5/42), (4, 4, 4/42), (5, 6,
6/42), (6, 2, 2/42), (7, 1, 1/42), (8, 5, 5/42), (9, 3, 3/42), (10, 2, 2/42), (11, 4, 4/42), (12, 3, 3/42), (13, 0, 0), (14,
1, 1/42), (15, 3, 3/42). Total de datos: 42 (que es la suma de goles).
Por otro lado, la primera pregunta que aparece en el apartado b) es absurda. No existe la frecuencia relativa de un
dato concreto, sino de un valor de una variable. Sin embargo, la guía didáctica afirma que “la frecuencia relativa
del quinto partido es 6/42”.
La segunda pregunta del apartado b) dice: “¿Qué datos tienen cero de frecuencia absoluta?”. Podríamos decir
que para cualquier valor mayor o igual que siete, la frecuencia absoluta es cero, ya que el máximo de goles
marcados es 6, y hay partidos en los que se han obtenido cada uno de los valores de 0 a 6. Sin embargo, la guía
docente afirma que “el primero y el tercer partido tienen cero de frecuencia absoluta”.
En el apartado c), la guía didáctica afirma que la media es 2,8 goles, aunque no explica cómo se ha de calcular.
Esa media es de la variable goles por partido, y se calcula sumando el total de goles y dividiéndolo entre el
número total de datos, es decir, 15. Como puede verse, el número total de datos es 15, no 42 (como afirmaba en
la tabla del apartado b)).

Otro caso es cuando en un problema no existe relación entre los datos que se dan y lo que se
pide, debido a que se ha omitido una premisa:
"Jorge cambia con Pepa cromos por canicas. Un cromo cuesta 0,20 euros, y
una canica, 0,30 euros. ¿Cuántas canicas recibirá Jorge a cambio de 15
cromos?"
Justificación: El problema nos dice cuánto cuestan, tanto las canicas como los cromos, pero no
cómo se va a establecer el trueque, algo que normalmente no se rige por el valor por el que se ha
comprado cada producto, por tanto no se puede resolver, a no ser que se añadan hipótesis para el
trueque y se den soluciones para cada una de las hipótesis. La guía didáctica da como solución 10
canicas.
O que la omisión de una premisa en el enunciado, que se da por supuesta, lleve a que el
problema tenga más de una solución:
"Escribe ordenados los enunciados de estos problemas y, después,

resuélvelos". [Y aparecen dos recuadros, uno que indica “Problema 1”, y el
otro “Problema 2”. Dentro de cada uno de esos recuadros aparecen varios
párrafos, cada uno de ellos enmarcados en un recuadro, y un par de
imágenes ilustrativas. En el problema 2, los textos son los siguientes:] 1.º)
“¿Cuántas filas puede hacer? ¿Cuántos muñecos le sobran?”. 2.º) “Para jugar,
los sitúa en filas de 8 muñecos”. 3.º) “Su tío Enrique le regala 15 muñecos
más”. 4.º) “David colecciona muñecos articulados, y ya tiene 77 modelos
distintos".
Justificación: En ningún momento se dice que se tienen que utilizar todos los textos, o que no
pueden repetirse. Por tanto, se podrían hacer varias combinaciones, todas ellas válidas, obteniendo
distintos problemas con distintas soluciones: 4.º, 2.º, 1.º, 3.º, 1.º, o bien, 4.º, 3.º, 2.º, 1.º, o bien 4.º, 2.º,
1.º. La guía didáctica da como solución: 4.º, 3.º, 2.º, 1.º. Para que la solución fuera única y 4.º, 3.º, 2.º,
1.º, se tendría que haber añadido una premisa del tipo: “Debes utilizar todos los enunciados, y debes
utilizar cada uno de ellos solo una vez”.
También puede suceder que la omisión de una premisa lleva a que el problema tenga infinitas
soluciones:
"Para embalar un paquete, se necesitan 0,75 metros de cinta. ¿Cuántos

paquetes se pueden embalar con seis rollos de cinta de 30 metros cada uno?".
Justificación: No nos dicen que los paquetes tengan que ser iguales, por tanto, el problema tiene
infinitas soluciones. La guía didáctica da como solución 240 paquetes.
Incluso, el hecho de que se omita una premisa puede llevar a que la solución que se plantee en
la guía didáctica sea errónea.
“Indica qué números están representados en la recta”. Y aparece una recta

numérica en la que vienen representados los siguientes números: –2, 0 y +2.
También aparece una letra “A” sobre el que sería el punto –5, y una letra “B”
sobre el que sería el punto +6”.
Justificación: La respuesta a esa pregunta es –2, 0 y +2, y no –5 y +6, tal y como aparece en la
guía didáctica. “A” y “B” no son números, y en ningún momento se ha indicado que representen

número alguno. Sólo en el caso de que en el enunciado apareciese la premisa “si suponemos que A y B
representan números de la recta numérica” podríamos decir que A es –5 y B es +6.
Por último, presentamos un caso en el que la falta de un dato en el enunciado puede inducir a un
error de concepto en el sujeto que responde:
"Averigua, sin hacer la división, cuáles de los siguientes números son

divisibles por 9", y aparecen los siguientes números: 45, 126, 234, 351, 236,
468, 738, 2340. A continuación, dice: "¿Cuáles son también divisibles por 3?
¿Qué observas?".
Justificación: Todos los números que aparecen en el enunciado, a excepción del 236, son
divisibles por tres y por nueve, y el 236 no es divisible ni por tres ni por nueve. Por tanto, como los
números que aparecen, si son divisibles por tres también lo son por nueve, podríamos extraer la
conclusión de que es lo mismo ser divisible por tres que divisible por nueve. La guía didáctica da
como solución: “Si un número es divisible por nueve, entonces es divisible por tres”. Pero esa
conclusión no se obtiene de forma lógica del enunciado. Habría sido necesaria la inclusión de un
número que fuera divisible por tres, pero no por nueve.
Enunciados de problemas con error en los datos o que contienen órdenes contradictorias
Hay ocasiones en las que los datos que han sido utilizados para llegar a la solución en la guía
didáctica no coinciden con los que aparecen en el enunciado del problema:
"Aprende a resolver problemas. Escribe tú los enunciados. Inventa, para cada

problema, el enunciado, de forma que se resuelva con las operaciones que
aparecen en ellos". Y aparece un escaparate con dos partes. En la parte de la
izquierda hay un cartel que dice: "Rebajas del 30% sobre el precio marcado",
y aparece una camisa que marca 36 euros, una chaqueta que marca 68 euros y
un pantalón que marca 59 euros. En la parte de la derecha hay otro cartel que
dice: "Sin rebajar", y aparece una cazadora que marca 180 euros, un gorro
que marca 12 euros, unos guantes que marcan 18 euros y unas botas que
marcan 75 euros. A continuación, aparecen cuatro apartados con distintas
operaciones, para que, a partir de ellas, se inventen los distintos problemas.
Las operaciones del cuarto apartado son las siguientes: 180+75=255 euros;
36:100=0,36 euros; 0,36x30=10,8 euros; 255+10,8=265,8 euros; 300-
265,8=34,2 euros. "Solución: A David le sobraron 34,2 euros".
Justificación: Según las operaciones que aparecen, David paga el 30% de un producto de 36
euros, pero eso significa que el producto está rebajado un 70%, y el cartel lo que dice es que las
rebajas son del 30% sobre el precio marcado. Por tanto, no existe ningún enunciado posible cuyas
operaciones sean las que se proporcionan. En la guía didáctica se da como solución un problema en el
que David compra una camisa, una cazadora y unas botas, y pregunta que si tenía 300 euros, cuánto
dinero le sobró.
Otras veces, puede suceder que los datos que se extraen del gráfico que acompaña al enunciado
del problema no se corresponden con los que han sido utilizados para hallar la solución de la guía
didáctica.
"Calcula la superficie de esta fuente". [Y viene dibujada una fuente con forma
hexagonal no regular, ya que los lados superior e inferior son claramente
más cortos que los otros cuatro. En el gráfico se indica que el lado inferior

mide 10 metros, y la distancia del centro del hexágono a la mitad de ese lado
es 8,66 metros.]
Figura 3. Ejemplo para error de gráfico carente de información
Justificación: El hexágono no es regular.7
Por último, en ocasiones podemos encontrar un problema en el que aparecen órdenes

contradictorias:
"Averigua, sin hacer la división, si podemos repartir 234 tuercas en cajas de 3

sin que sobre ninguna. ¿Y en cajas de 9 tuercas? ¿Cuántas cajas son
necesarias en cada caso?".
Justificación: Es posible responder a las dos primeras cuestiones sin hacer la división, aplicando
las propiedades de la divisibilidad. Sin embargo, no es posible responder a la última cuestión, a no ser
que se fueran probando productos por tanteo hasta que se diera con la solución. La guía didáctica da
por respuesta: “Sí se pueden repartir en cajas de 3 y 9 tuercas. Necesitaríamos 78 cajas de 3 tuercas o
26 cajas de 9 tuercas”.
Error en la respuesta a un problema
El error en la respuesta a un problema se puede deber a múltiples causas. Por ejemplo, que se
haya cometido un error en la inferencia:
7
Al no tratarse de un hexágono regular, la única forma de resolverlo sería medir con una regla las distancias que
nos dan, comprobar que ambas distancias, las que nos dan numéricamente y las que aparecen en el dibujo,
guardan la misma proporción (en caso de que no guarden la misma proporción, el problema no tendría solución)
y calcular la escala en la que se ha pintado; medir el resto de lados y las diagonales, y así calcular el área, algo
que excede los contenidos de Educación Primaria. La guía didáctica da como solución 259,8 m2, que sería la
solución en el caso de que se tratara de un hexágono regular, algo que es falso.

“Daniela adorna las mesas del restaurante con 37 claveles. ¿De cuántas
formas las puede repartir para que todas tengan el mismo número de flores?”
“Divisores 37=1 y 37. De una, pues 37 es primo”.
Justificación: En el problema nos dicen que repartamos mesas en función de una cantidad de
claveles, algo que inicialmente puede resultar absurdo (¿de dónde salen las mesas?, ¿con cuántas
contamos para poder repartirlas?). Tomándolo por válido, y contando con que podemos poner el
número de mesas que necesitemos, el problema tendría dos soluciones: precisamente por ser primo, 37
tiene dos divisores, el 1 y el 37, y, por tanto, podremos poner una mesa con 37 claveles, o bien, 37
mesas con un clavel cada una. La respuesta que da el problema es absurda pues, al contar 37 con dos
divisores, las posibles soluciones son dos, no una. Está obviando una de las soluciones (y no se sabe
cuál de las dos, ya que no se especifica).
Otra causa de error de la respuesta puede ser que, para hallar la respuesta, se haya partido de
unas premisas distintas a las que se daban:
"Utiliza tu ingenio: Divide el tablero en cuatro partes iguales de forma que en

cada parte haya una pera y una manzana". [Y aparece un tablero formado por
cuatro filas y cinco columnas de casillas. En cada una de las casillas que
forman las esquinas del tablero hay una pera (cuatro en total), y en cada una
de las casillas de la columna central hay una manzana (cuatro en total). El
resto de las casillas están en blanco.]
Justificación: En este problema se podrían hacer cuatro partes con la misma cantidad de peras,
manzanas y casillas en blanco, pero esas partes no son iguales, ni siquiera semejantes. Por tanto,
cualquier solución distinta a “El problema no tiene solución” es un error. La guía didáctica da como
solución dividirlo en cuatro partes que contienen cada una de ellas una manzana, una pera y tres
casillas en blanco.
También se puede cometer error en la respuesta debido a que se ha utilizado como premisa un
concepto erróneo:
En un ejercicio resuelto, se pide hallar el cociente de la división 1,8:1,3 hasta las centésimas, y
lo hace del siguiente modo:
Figura 4. Ejemplo para error de omisión de premisas en aplicación

Justificación: Las divisiones 1,8:1,3 y 18:13 son divisiones equivalentes, el cociente de ambas
divisiones es el mismo, pero el resto no.8
Por último, presentamos el caso de un problema que, partiendo de un enunciado con datos
contradictorios, los toma como válidos, llegando a un resultado absurdo que también da por válido:
"De los alumnos que viajan en un autobús escolar 2/5 son niños y 4/7 niñas
¿Cuántos niños y niñas viajan en total?". "Para resolver el problema
sumamos 2/5 y 4/7. Como las fracciones tienen distinto denominador, antes
de operar las reducimos a común denominador (…). Ahora sumamos las
nuevas fracciones. 14/35+20/35=34/35. Luego en total viajan en el autobús
escolar 34/35 niños y niñas".
Justificación: Antes de empezar a resolver el problema se debería haber dicho algo del tipo: “Si
de los alumnos que viajan en el autobús escolar 2/5 son niños, entonces las niñas tienen que ser 3/5.
Como nos dicen que son 4/7, existe contradicción entre los datos, por lo que el problema es absurdo:
no tiene solución”. Además, pregunta cuántos niños y niñas, y no conocemos el total. La pregunta que
surge viendo la solución que propone el libro es: ¿qué es ese 1/35 de alumnos que no son ni niños ni
niñas?
Un ejemplo de Feynman
Concluimos estos ejemplos de errores con el problema de un libro de texto descrito por
Feynman (1987), que se encuadraría dentro de los enunciados absurdos.
En el libro que describe el Premio Nobel, se detallaban las temperaturas de una serie de estrellas
que, según su color, tenían una temperatura u otra. A continuación, se enunciaba el problema:
«Juan y su padre salen a observar las estrellas. Juan ve dos estrellas azules y
una roja. Su padre ve una estrella verde, una estrella violeta y dos estrellas
amarillas. ¿Cuál es la temperatura total de las estrellas observadas por Juan y
su padre?» Y yo reviento horrorizado. (…) Lo que he expuesto no era sólo un
ejemplo: era constantemente así. ¡El absurdo perpetuo! Hallar la temperatura
total de dos estrellas es algo falto por completo de sentido. ¡Nadie suma la
temperatura de las estrellas, salvo tal vez para calcular la temperatura media
de un grupo de estrellas, pero jamás para hallar la temperatura total! ¡Era
horrible! Todo era una historieta para hacer sumar al niño; los autores no
tenían ni idea de lo que hablaban. Era como ir leyendo frases con unos
cuantos errores tipográficos, y entonces, de pronto, aparece una frase entera
escrita al revés, de fin a principio. Así eran las matemáticas. ¡No había
remedio!» (Feynman, 1987, p. 341).
8
Para dividir 1,8:1,3 multiplicamos dividendo y divisor por diez, obteniendo así la división equivalente a la
original 18:13. Si dividimos 18:13 hasta hallar un cociente con dos cifras decimales, obtenemos 1,38 de cociente
y 0,06 de resto. Como 1,8:1,3 y 18:13 son divisiones equivalentes, el cociente de ambas divisiones es el mismo,
pero el resto no. Para probarlo, basta hacer la comprobación de la división: dividendo es igual a divisor por
cociente más resto (D=d*c+r). Según el libro, en la división original, el dividendo es 1,8 (D=1,8), el divisor es
1,3 (d=1,3), el cociente es 1,38 (c=1,38) y el resto es 0,06 (r=0,06). Por tanto, d*c+r=1,3*1,38+0,06=1,854. Pero
el dividendo era 1,8, y 1,854≠1,8. El resto de la división original es 0,006. Y la razón es que, al haber
multiplicado por diez el dividendo para convertir la división original en una equivalente, como el resto es parte
del dividendo, para hallar el resto de la división original tenemos que deshacer el cambio realizado, esto es,
dividir el resto que hayamos obtenido en la división equivalente por diez.

3. Posible incidencia en el aprendizaje
Emile Borel, intentando aproximarse a una definición de la matemática, afirma lo siguiente:
La matemática aparece, de manera cada vez más clara, como la ciencia que
estudia las relaciones entre ciertos entes abstractos definidos de manera
arbitraria, con la única condición de que estas definiciones no conduzcan a
una contradicción (Borel, 1962, p. 25).
Partiendo de esta definición, tendremos un error matemático en un libro de texto, cuando

encontremos en la exposición de contenidos un enunciado que esté en contradicción con lo que afirma
o niega la matemática, o bien conduzca a contradicción con lo que afirma o niega la matemática.
Ahora bien, ¿qué sucede si lo que tenemos es un enunciado de un ejercicio propuesto?,

¿Podemos hablar de error matemático?
Arce Carrasco aborda el tema del error del siguiente modo:
Localizado el campo donde puede surgir el error en todo el campo del

conocimiento, hay que referirlo (…) entre dos enfoques angulares que se
complementan. Uno es el de la panorámica presentada en relación con la
falsedad; otro, quizá el definitorio, es el de la conciencia que acepta esa
falsedad, presentada como verdadera (Arce Carrasco, 1971, p. 90).
En otras palabras: hay un error si se afirma o niega como verdadero algo que es falso. En
nuestro caso, en el del análisis de un enunciado de un ejercicio propuesto en el libro del alumno, será
la guía didáctica la que nos indique qué se esperaba por respuesta al enunciado. Es decir, que si se
formula una pregunta u orden con la intención de que la respuesta sea una respuesta determinada (y es
la guía didáctica quien nos da la respuesta), en el caso de que la respuesta a la pregunta u orden sea
distinta a la que aparece en la guía didáctica, diremos que el enunciado es erróneo.
De este modo, podemos considerar que los ejemplos que hemos incluido en el apartado anterior
son errores matemáticos. Pero, ¿qué incidencia puede tener esto en el aprendizaje del niño?
Estudiando el error en el sujeto que aprende, Fernández Bravo (2011: 185) afirma que
“cometemos error científico ante una pregunta, cuando hay discrepancia entre: lo que la ciencia
espera por respuesta y, la respuesta que nosotros damos”. Así, podríamos afirmar que un sujeto
comete un error matemático cuando, ante una pregunta, existe discrepancia entre la respuesta que da el
sujeto y lo que la matemática espera por respuesta.
En cuanto al error de razonamiento, o error lógico, “se dirá que el sujeto comete error lógico,
cuando el razonamiento que utilice sea incorrecto. Es decir, cuando haya desigualdad entre lo que la
lógica espera por respuesta o conclusión y, lo que el sujeto expresa por respuesta o conclusión” (p.
190).
Según si la respuesta es un acierto o un error matemático, y si se ha llegado a ella a través de un

razonamiento correcto o incorrecto, podremos tener cuatro situaciones distintas (Fernández Bravo,
2011: 194-197):
Caso 1: Situación que se da cuando el sujeto comete error científico y error

lógico.

La respuesta del sujeto no coincide ni con lo que la ciencia espera, ni con el

razonamiento de la lógica. Son situaciones en las que se puede explicar el
error científico, principalmente por el error lógico. Las causas de estos
errores suelen ser internas al sujeto.
Caso 2: Situación que se da cuando el sujeto no comete error científico y sí

comete error lógico.
La respuesta del sujeto coincide con lo que la ciencia espera, pero el
razonamiento inferido a partir de la condicional utilizada es incorrecto y no
coincide con el razonamiento de la lógica. Son situaciones en las que se
puede explicar el acierto científico, por diversas razones, entre las que
principalmente se pueden citar: el azar y la casualidad, el sujeto ha copiado
sin enterarse del por qué de la respuesta, otras personas distintas al sujeto le
han dicho la respuesta. Las causas de estos errores suelen ser internas al
sujeto.
Caso 3: Situación que se da cuando se consigue un acierto científico y se razona

correctamente; no se comete error científico y no se comete error lógico.
La respuesta del sujeto coincide con lo que la ciencia espera, y el
razonamiento del sujeto coincide con el razonamiento de la lógica. Son
situaciones en las que se puede explicar el acierto científico, principalmente
por el acierto lógico.
Caso 4: Situación que se da cuando se comete error científico y no se comete

error lógico.
La respuesta del sujeto no coincide con lo que la ciencia espera, pero el
razonamiento inferido a partir de la condicional utilizada es correcto y
coincide con el razonamiento de la lógica. Son situaciones en las que se
puede explicar el error científico porque es falso el contenido de las
condicionales que se utilizan para el razonamiento lógico. Las causas de estos
errores suelen ser internas y externas al sujeto. En la mayoría de los casos son
externas y se deben a la enseñanza de: contenidos científicamente inciertos,
hábitos incorrectos y falsas inducciones.
Estudiando estos cuatro casos, el mismo autor afirma que “son muchos los alumnos que pueden
responder incorrectamente a una pregunta, razonando perfectamente” (p. 182). Ahora bien, en vista
de los errores encontrados en los libros de texto, ¿es posible que estos errores incidan en el bajo
rendimiento en Matemáticas de muchos de nuestros alumnos?
4. Conclusión
No siempre los conocimientos que transmiten los libros de texto se corresponden con lo que la
ciencia afirma. Centrándonos en el campo de la matemática, vemos que hay autores que han
demostrado la existencia de un error matemático en algún libro de texto (Ball, 1984; Gastwirth, 1975;
González-Gascón, 1979; Hochberg y Tamhane, 1983; Kolmogorov, 1946; McCallum, 1973;
Neumann, 1950; Routley, 1979; Sedov, 1975), los hay que han establecido una clasificación de errores
encontrados en libros de texto (Brewer, 1986; Muntean, 2011); otros han manifestado el hecho de
haberse encontrado con errores en el transcurso de su investigación (Gairín Sallán y Escolano
Vizcarra, 2009; Oliver et al., 2003; Ortiz de Haro, 2002); y, por último, hay quien se ha detenido a
analizar un tipo de error en concreto (Beyer y Walter, 2010).

Esta circunstancia ha llevado a algunos gobiernos e instituciones a comprender la necesidad de

velar para que los alumnos reciban una enseñanza conforme a lo que la ciencia dicta. Es el caso del
Estado de Texas (EE.UU.), donde su Agencia de Educación (2008) cuenta con un amplio programa de
revisión de libros y de detección de errores en libros de texto. Asimismo, la Asociación Americana
para el Avance de la Ciencia (2012), editora de la revista Science, desarrolla un proyecto de
supervisión de libros de texto publicados en EE.UU. sobre materias científicas, entre ellas las
Matemáticas.
En España, hasta 1998 estuvo vigente la disposición quinta de la Ley 14/1970, de 4 de agosto,
General de Educación y de Financiamiento de la Reforma Educativa, que obligaba a una supervisión
de los libros de texto por parte del Estado previa a su edición. Sin embargo, dicha disposición quinta
quedó derogada por el Real Decreto 1744/1998, de 31 de julio, sobre uso y supervisión de libros de
texto y demás material curricular correspondientes a las enseñanzas de Régimen General, lo que
significa que, actualmente, los libros de texto llegan a los alumnos sin que ningún órgano competente
verifique previamente que cumplen unos requisitos mínimos.
Según los informes de las pruebas internacionales de matemáticas a las que se han presentado
los alumnos españoles (López Varona y Moreno Martínez, 1997; Ministerio de Educación, 2010;
Ministerio de Educación y Ciencia, 2004, 2007; Ministerio de Educación y Política Social y Deporte,
2005), el rendimiento de nuestros estudiantes está en todos los casos por debajo de la media de los
países participantes. Esto pone de manifiesto el bajo rendimiento de nuestros alumnos en esta materia.
Como indica el Informe Cockcroft (1985: 114), los libros de texto “constituyen una ayuda
inestimable para el profesor en el trabajo diario del aula”. Además, tal y como hemos visto, su uso
está sumamente extendido en las aulas de Educación Primaria. Sin embargo, después de analizar libros
de texto de las cuatro editoriales que, según nuestros datos, son utilizadas en 6.º de Educación
Primaria, en un 90% de centros de la Comunidad de Madrid, vemos que contienen errores. Y nos
preguntamos si ésta puede ser una causa de ese bajo rendimiento de nuestros alumnos en Matemáticas.
Son muchas las investigaciones realizadas sobre cómo enseñar matemáticas, pero quizá una de
las tareas más urgentes sea investigar qué se está enseñando.
La pregunta fundamental no es ¿cuánto de bien estudia el niño el libro que tiene?, sino ¿cuánto
de bien le hace al niño el libro que estudia?
En vista de los resultados, se hace necesario realizar un estudio serio de lo que se les está
transmitiendo a nuestros alumnos a través de los libros de texto. Una investigación que nos lleve a
identificar errores matemáticos en los libros de texto, describir dichos errores, clasificarlos, ver qué
relación existe entre los distintos tipos de error encontrados, comprobar qué bloques de contenido
están más afectados por cada uno de los tipos de error, estudiar en qué medida dichos errores
repercuten en el aprendizaje de los alumnos.
Bibliografía
American Association for the Advancement of Science. (2012). Project 2061: Tools: Middle Grades
Mathematics Textbooks: A Benchmarks-Based Evaluation.
Arce Carrascoso, J.L. (1971). Acercamiento a la problemática del error. Logos: Anales del Seminario
de Metafísica, 6, 85-110.
Ball, B.J. (1984). Arcwise connectedness and the persistence of errors. Amer.Math. Monthly, 91(7),
431–433.

Beyer, K., y Walter, O. (2010). El conocimiento matemático, la transposición didáctica y los

"problemas vestidos". Comunicación presentada en XII Jornadas de Investigación Educativa y III
Congreso Internacional.
Borel, E. (1962). La definición en matemáticas. En F.L. Lionnais (Ed.), Las grandes corrientes del
pensamiento matemático (pp. 25-35). Buenos Aires: EUDBA.
Bouvier, A., y George, M. (2005). Diccionario Akal de Matemáticas. Madrid: Akal.
Brewer, J.K. (1986). Behavioral statistics textbooks: Source of myths and misconceptions? En R.
Davidson y J. Swift (Eds.), Proceedings of the Second International Conference on Teaching
Statistics (pp. 127-131): University of Victoria.
Cabero, Duarte y Barroso (1989). La formación del profesorado en nuevas tecnologías: retos hacia el
futuro. En J. Ferrés y P. Marqués (Coords.): Comunicación educativa y nuevas tecnologías.
Barcelona: Praxis
Clapham, C. (1998). Diccionario Oxford de Matemáticas. Madrid: Editorial Complutense.
Cockcroft, W.H. (1985). Las matemáticas sí cuentan. Informe Cockcroft. Madrid: Ministerio de
Educación y Ciencia.
Consejería de Educación y Empleo de la Comunidad de Madrid. (2011). Consulta de Centros y
Servicios Educativos de Curso Actual. Consultado el 25 de marzo de 2011, en
http://gestiona.madrid.org/catcent/servlet/Servidor.
Federación de Gremios de Editores de España. (2010). Comercio Interior del Libro en España 2009.
Madrid: Federación de Gremios de Editores de España.
Madrid: Federación de Gremios de Editores de España.
Avance de resultados. Madrid: Federación de Gremios de Editores de España.
Fernández Bravo, J.A. (2011). La inestabilidad de la normalidad del error en la actividad escolar.
¿Cuánto de error tienen los errores que cometen los alumnos? Educación y Futuro, 181-203.
Feynman, R.P. (1987). ¿Está Ud. de broma, Sr. Feynman? Madrid: Alianza Editorial S. A.
Gairín Sallán, J.M., y Escolano Vizcarra, R. (2009). Proporcionalidad aritmética: buscando
alternativas a la enseñanza tradicional. Suma, 62, 35-48.
García Mateos, A. y Caballero, P.A. (2005). La tecnología digital en el aula: un instrumento al servicio
de los procesos de enseñanza-aprendizaje. Diploma de Estudios Avanzados. Madrid: Universidad
Camilo José Cela.
Gastwirth, J.L. (1975). The estimation of a family of measures of economic inequality. J.
Econometrics, 3(1), 61–70.
González-Gascón, F. (1979). Note on the ignorable coordinates of the analytical dynamics. Istit.
Lombardo Accad. Sci. Lett. Rend. A, 113, 130–137.
Hochberg, Y., y Tamhane, A.C. (1983). Multiple comparisons in a mixed model. Amer. Statist., 37(4),
305–307.
Instituto de Evaluación del Ministerio de Educación. (2009). Sistema estatal de indicadores de la
educación. Madrid: Catálogo de Publicaciones del Ministerio: educación.es.
Kolmogorov, A.N. (1946). On the proof of the method of least squares. Uspehi Matem. Nauk (N. S.),
57–70.
Ley 14/1970, de 4 de agosto, General de Educación y de Financiamiento de la Reforma Educativa.
BOE, n.º 187, de 6 de agosto, pp. 12525-12546.
López Varona, J.A., y Moreno Martínez, M.L. (1997). Ministerio de Educación y Cultura. Consultado
el 3 de enero de 2012, en http://www.educacion.gob.es/dctm/ievaluacion/internacional/
timssmat.pdf?documentId=0901e72b80110725
McCallum, B.T. (1973). A note concerning asymptotic covariance expressions. Econometrica, 41,
581–583.
Ministerio de Educación (2010). PISA 2009. Informe Español. Consultado el 3 de enero de 2012, en
http://www.educacion.gob.es/dctm/ministerio/horizontales/prensa/notas/2010/20101207-pisa2009-
informe-espanol.pdf?documentId=0901e72b806ea35a

Ministerio de Educación y Ciencia (2004). Evaluación PISA 2003. Consultado el 3 de enero de 2012,
en
http://www.educacion.gob.es/dctm/ievaluacion/internacional/pisa2003resumenespana.pdf?docume
ntId=0901e72b80110700
Ministerio de Educación y Ciencia (2007). PISA 2006. Informe Español. Consultado el 3 de enero de
2012, en http://www.mec.es/multimedia/00005713.pdf
Ministerio de Educación y Política Social y Deporte (2005). Resultados en España del estudio PISA
2000. Consultado el 3 de enero de 2012, en
http://www.educacion.gob.es/dctm/ievaluacion/internacional/pisa2000infnacional.pdf?documentId
=0901e72b8011069b
Muntean, A. (2011). Sobre algunos errores en libros de texto de Matemáticas de Secundaria y
Bachillerato. Boletín (Sociedad Puig Adam de Profesores de Matemáticas), 87, 30-53.
Neumann, C. (1950). Ein Kapitel aus der Vorlesung von Franz Neumann übermechanische
Wärmetheorie. Königsberg 1854–55. Abh. Bayer. Akad. Wiss.Math.-Nat. Kl. (N.F.)(59), 27.
Noda Herrera, M.A. (2000). Aspectos epistemológicos y cognitivos de la resolución de problemas de
matemáticas, bien y mal definidos. Un estudio con alumnos del primer ciclo de la ESO y maestros
en formación. Tesis doctoral no publicada, La Laguna: Universidad de La Laguna.
Oliver, M.I., Rocerau, M.C., Valdez, G., Vilanova, S., Medina, P., Astiz, M., et al. (2003). Análisis del
tratamiento de algunos temas de geometría en textos escolares para el tercer ciclo de Educación
General Básica. Revista Iberoamericana de Educación, 31(abril), 1-8.
Ortiz de Haro, J.J. (2002). La probabilidad en los libros de texto. Granada: Universidad de Granada.
Real Decreto 1744/1998, de 31 de julio, sobre uso y supervisión de libros de texto y demás material
curricular correspondientes a las enseñanzas de Régimen General. BOE n.º 212, pp. 30005-30007.
Routley, R. (1979). Repairing proofs of Arrow’s general impossibility theorem and enlarging the
scope of the theorem. Notre Dame J. Formal Logic, 20(4), 879–890.
Sedov, L.I. (1975). Theoretical constructions of selection of actual events from the virtual ones.
Comunicación presentada en Joint Sympos., IUTAM/IMU, Marseille.
Simon, H.A. (1973). The structure of ill structured problems. Artificial Intelligence, 4(3-4), 181-201.
Texas Education Agency. (2008). Inventory of Known Textbook Errors. Consultado el 16 de junio de
2011, en http://ritter.tea.state.tx.us/textbooks/errorreportingchart.pdf
Pilar Fernández Palop. Profesora de la Escuela Universitaria Cardenal Cisneros (UAH). Licenciada en
Matemáticas (especialidad Estadística) por la Universidad de Sevilla. Ha desarrollado su labor docente
tanto en el ámbito de la formación profesional, como en centros de Educación Secundaria. En la
actualidad está realizando la tesis doctoral en la UCJC sobre errores matemáticos en libros de texto.
Presentación A. Caballero García. Directora del Instituto de Enseñanza y Aprendizaje y Directora de

posgrados y profesora de la Facultad de Ciencias Sociales y de la Educación de la Universidad Camilo
José Cela de Madrid. Doctora en Filosofía y Ciencias de la Educación (Pedagogía) (1996) y Premio
Extraordinario de doctorado (1997) por la Universidad de Murcia. Veinticinco años de experiencia
docente y labor investigadora. Métodos de estudio, prensa como recurso didáctico, ansiedad evaluativa y
rendimiento, nuevas tecnologías en el aula, personalidad antisocial como sujeto de alto riesgo,
convergencia europea en las Titulaciones de Educación (metodologías alternativas), trabajo colaborativo
y aprendizaje social y emocional.
José Antonio Fernández Bravo. Director de la Cátedra Conchita Sánchez de Investigación para la
Educación Matemática, de la Universidad Camilo José Cela (UCJC). Profesor del Centro de Enseñanza
Superior "Don Bosco", Universidad Complutense de Madrid (UCM). Autor de 76 obras de Educación y
dirigidas al aprendizaje de la Matemática: cuentos, teatro, juegos, artículos y libros. Premio de
“Metodología Creativa” Instituto Europeo de las Creatividades (Reggio Emilia. Italia, 2009), por el libro:
“La resolución de problemas matemáticos. Razonamiento y creatividad en la mente de los niños” (2010).

ISSN: 1887-1984

Álvaro Martín González
Resumen Se trata de un trabajo, cuya finalidad es explicar, de forma gráfica y sencilla, suponiendo
fija la Tierra, el movimiento del Sol alrededor de ella, analizando cómo influye ese
movimiento en la sucesión de las estaciones y también en la variación de la duración del
día y la noche, a lo largo del año y en las diferentes latitudes de la Tierra. En este artículo
A
no se tiene en cuenta la oblicuidad de la eclíptica que implica cambios en la velocidad de
traslación de la Tierra y, por lo tanto, pequeñas diferencias a lo largo del año, entre cada
dos pasos sucesivos del sol por el meridiano de un lugar, es decir, en la duración del día.
Se considera, en consecuencia, en todo momento, el tiempo solar medio.
S
La finalidad es disponer de un recurso cómodo con el que se pueda ayudar a comprender
a cualquier observador, las variaciones indicadas, a lo largo del año.
T
Coordinador: Luis Balbuena Castellano
Palabras clave Polos Celestes, Ecuador Celeste, Meridiano del lugar, horizonte, cénit, sol de
medianoche, orto, ocaso, latitud.
R
Abstract The purpose of this study is to explain in a simple and graphic manner the movement of
O
the sun around the Earth, supposing the latter to be static, analyzing how this movement
influences the succession of the seasons and the variation in duration of day and night,
throughout the year and in the different latitudes of the Earth. In this article it is not taken
N
into account the obliquity of the ecliptic which implies changes in the translational
velocity of the Earth and, therefore, small differences over the year between every two
successive passes of the sun over the meridian of a place, that is, the duration of the day.
O
Therefore, in consequence, the mean solar time is always taken into consideration.
The objective is to provide observers with a useful resource with which to help
understand the indicated variations throughout the year.
M
Keywords Celestial Poles, Celestial Equator, meridian of a place, horizon, zenith, midnight sun,
sunrise, sunset, latitude.
Í
1. ¿Qué es el Disco Solar Didáctico?
A
El “disco solar didáctico” consiste en un dispositivo formado por dos discos concéntricos
giratorios, que nos permite, entre otras cosas, determinar la duración del día y de la noche en
diferentes épocas del año, en cualquier latitud, y también del desplazamiento que va sufriendo el lugar
de salida o puesta del sol a lo largo del año.
Además nos facilita la comprensión de cuándo y por qué tienen lugar los equinoccios y los
solsticios, en qué lugares y cuándo pasa el sol por el cénit, cuándo cae verticalmente sobre la Tierra, la
sucesión de las estaciones - viendo la diferente inclinación de los rayos solares a lo largo del año - el
por qué del “sol de medianoche”, la larga noche polar, etc.

A. Martín González
Considero que El disco Solar Didáctico puede ser de utilidad para los alumnos de segundo
curso de bachillerato, para alumnos de primer curso de algunas carreras universitarias y, en general,
para cualquier persona que esté interesada en estas cuestiones.
En él se representan las proyecciones de la trayectoria solar en diferentes días del año. Se ha

representado sólo una proyección por mes, para simplificar los dibujos y que haya una mayor facilidad
de interpretación, aunque nada impide que se puedan representar más trayectorias, por ejemplo una
por semana.
Se han elegido las fechas correspondientes al día 21 de cada mes. Para otras fechas puede
hacerse una interpolación aproximada.
No se trata de obtener una gran precisión en las lecturas, aunque sí se persigue facilitar la
A
comprensión, aunque manteniendo el rigor.

Í
2. Introducción
M
Si nos encontramos en una extensa llanura, o bien en altamar, percibimos el horizonte como una
circunferencia, en cuyo centro nos encontramos. Levantando la vista percibimos el cielo como una
bóveda semiesférica limitada por el horizonte.
O
La esfera correspondiente cuyo centro es el observador, recibe el nombre de esfera celeste y su

radio, indeterminado, se considera lo suficientemente grande para que, frente a él, sea despreciable el
N
radio de la Tierra. Para describir el movimiento aparente de los astros alrededor de la Tierra, los
supondremos proyectados sobre al superficie de esta esfera, de la que percibimos la mitad que está por
encima de nuestro horizonte.
O
La prolongación del eje de la Tierra corta a la esfera celeste en dos puntos, P y P´, a los que se
R
denomina Polos Celestes. El plano que contiene al ecuador terrestre corta a la esfera celeste según una
circunferencia máxima que constituye el Ecuador Celeste. La vertical en un punto de la Tierra corta a la
esfera celeste en dos puntos: el cénit (Z) en el hemisferio norte y el nadir (Z´) en el hemisferio sur, figura 1.
T
En cualquier lugar de la Tierra el plano horizontal -perpendicular a la vertical- determina en la

esfera celeste una circunferencia que constituye el horizonte del lugar.
S
El plano que contiene al eje PP´ y al cénit determina el meridiano del lugar. La intersección del
A
meridiano con el horizonte fija los puntos cardinales norte (N) y sur (S). En forma análoga, la
intersección del horizonte y el ecuador determina en la esfera celeste los puntos este (E) y oeste (W).
Figura 1

El ángulo que forma el horizonte con el

ecuador es el mismo que el que forma la vertical del
lugar (perpendicular al horizonte) con el eje polar
(perpendicular al ecuador). Este ángulo varía con la
latitud.
La latitud de un lugar, λ, es precisamente el

complementario de ese ángulo e indica, por lo tanto,
la altura del polo sobre el horizonte, como se
observa en la figura 2.
A
S
Figura 2
T
3. Movimiento aparente del Sol
R
El Sol, en su movimiento aparente alrededor de la Tierra, recorre una circunferencia diferente
O
cada día. El 21 de marzo se mueve sobre el ecuador celeste - trayectoria a en la figura 3 - Los días
sucesivos recorre trayectorias paralelas con declinación
creciente hasta el 21 de junio en que recorre la trayectoria b
N
correspondiente a una declinación de 23º 27´. Es el día del
solsticio de verano en el hemisferio norte.
O
A partir de esa fecha su recorrido comienza a
desplazarse hacia el sur, proyectándose de nuevo sobre el
ecuador el 22 (ó 23) de septiembre para seguir hacia el sur
M
hasta el 22 de diciembre - solsticio de invierno -, fecha en
la que recorre la trayectoria c con declinación – 23º 27´.
El sentido de giro en el movimiento aparente que Í

estamos considerando, es el de las agujas del reloj - sentido
A
retrógrado - para un observador situado en P.
Figura 3
En la figura 4 se representa la trayectoria del sol un
día cualquiera del año, y el horizonte de un lugar dado de la Tierra, en el hemisferio norte.
Observando la figura vemos que el hemisferio superior es el visible para el observador situado
en T. Por tanto el sol sale por A, alcanza su máxima altura de ese día en B, sobre el meridiano del
lugar – a las 12 horas – y se pone en C. El arco CDA corresponde a la noche.
En primavera y verano el punto A se encuentra desplazado hacia el norte, y en otoño e invierno

hacia el sur. El 21 de marzo y el 23 de septiembre coincide justamente con el este.

A
Figura 4
Í
En las figuras 5 a 16 se indica la trayectoria que vería un observador situado en diferentes

latitudes particulares: las correspondientes al ecuador (5,6,7), al trópico (8,9,10), al círculo polar
M
(11,12,13) y al polo norte 14,15,16).
En todas ellas se representa el horizonte y se indica la trayectoria del sol un día del año, en
O
junio, en marzo o septiembre y en diciembre.
Las tres primeras corresponden a la trayectoria solar que vería un observador situado en el
N
ecuador, (latitud 0º).

O
Las tres siguientes a la que vería un observador situado en el Trópico de Cáncer, (latitud
23º27Ń).
R
A continuación se representa la situación correspondiente a un observador situado en el Círculo

Polar Ártico (latitud 66º 33´ N) y, finalmente las tres últimas corresponden a las trayectorias que vería
un observador situado en el Polo Norte (latitud 90º), para el que el horizonte coincide con el ecuador.
T
Las figuras 17 a 28 representan la proyección de las anteriores sobre el plano del meridiano del
lugar. Mediante ellas se simplifica la representación de los casos considerados, proporcionando
S
información inmediata sobre cómo varía la duración del día y de la noche a lo largo del año en
cualquier latitud.
A
Todas las figuras son válidas también para el hemisferio sur, teniendo en cuenta que desde él es
visible la semiesfera que contiene P´ en lugar de la que contiene P.

A
Figura 5 Figura 6 Figura 7
S
T
R
O
Figura 11 Figura 12 Figura 13 N

O
M
Í
A

A

Í
M
O
N

O
R
T
S

A

4. Descripción y aplicaciones del Disco Solar Didáctico
El dispositivo consiste en dos discos concéntricos, que pueden girar uno sobre otro. El plano de
los discos corresponde al del meridiano del lugar. En el disco inferior (Disco A) señalamos los polos
celestes P y P´, las líneas que representan las proyecciones de las trayectorias solares en diferentes días
del año, así como una escala periférica en grados que varía desde 0 hasta 90º, desde cada uno de los
polos hacia el ecuador.
Sobre cada una de las líneas aludidas se indica el mes en el que el sol se proyecta sobre ella. Se
señala también la hora solar de hora en hora.
A
S
T
R
O
N
Figura 29
O
En el disco superior, de menor radio, se ha hecho un recorte, cuya parte recta representa la
M
intersección del meridiano con el horizonte, es decir la línea norte-sur. En ella se han señalado los
puntos N y S.
Al situar N o S sobre cualquier valor de la escala,

queda visible la parte de la esfera que vería un observador Í
en la latitud correspondiente a ese valor, puesto que, como
A
hemos visto, la altura del polo sobre el horizonte, coincide
con la latitud del lugar.
Para puntos con latitud norte situamos N sobre la

escala que parte de P. Para puntos con latitud sur llevamos
S sobre la escala que parte de P´. En este últimos caso es
visible Z´ en lugar de Z. Por ello la parte de las trayectorias
solares visibles a través del disco corresponde al día,
permaneciendo oculta la correspondiente a la noche.
En la figura 29 se representan ambos discos por

separado y, en la 30, ya acoplados. Figura 30 a

A continuación se representa una fotografía de un disco materializado en cartón (figura 30 b), y

otra de uno metálico (figura 30 c).
A
Í
M
Figura 30 b Figura 30 c
O
Con este dispositivo podemos determinar fácilmente, en forma aproximada:

N
1º.- La duración del día y de la noche cualquier día del año y en cualquier latitud. La duración
del día la indican los segmentos AiBi de la figura 30. Leemos también la hora en que sale y se pone el
Sol.
O
2º.- La relación entre la duración del día más largo y el más corto del año en cualquier latitud; es
la relación A1B1/A7B7.
R
3º.- La declinación del sol cualquier día del año, midiendo el ángulo B4A4Bi.
T
4º.- La magnitud del desplazamiento del sol hacia el norte en primavera y verano y hacia el sur
en otoño e invierno.
S
También podemos observar que:

A
5º.- En cualquier punto de la Tierra, el 21 de marzo y el 22 (ó 23) de septiembre la duración del

día es igual a la de la noche. Son los equinoccios de primavera y otoño respectivamente. Basta
observar en el disco que el horizonte de cualquier lugar corta a la trayectoria solar de esas fechas en el
punto medio de la proyección correspondiente.
6º.- En el ecuador - latitud 0º - la duración del día es igual a la de la noche, cualquier día del
año. En la figura 31 se observa que, en este caso, el horizonte corta a las trayectorias por la mitad.
7º.- En el ecuador los rayos del sol caen verticalmente el 21 de marzo y el 22 de septiembre. En
esas fechas, a mediodía, el sol se encuentra en el cénit.
8º.- Los días son más largos que las noches en primavera y verano en el hemisferio norte. En la
figura 30 se observa que la parte visible de las líneas a la izquierda de A4B4 es mayor que la oculta.

9º.- La duración del día aumenta al aumentar la latitud en primavera y verano y disminuye en
otoño e invierno. Al situar la indicación “N” en la posición correspondiente a una latitud mayor que la
de la figura 30, aumentarían los segmentos AiBi, al norte de A4B4 y disminuirían los que están al sur.
10º.- La duración del día aumenta entre el 22 de

diciembre y el 21 de junio en el hemisferio norte, siendo
aquel el día más corto y éste el más largo del año.
11º.- El 21 de junio alcanza el sol sobre la eclíptica

el punto más alejado del ecuador, por encima de él. El 22
de diciembre sucede lo mismo por debajo del ecuador.
Son los solsticios de verano e invierno en el hemisferio
norte, produciéndose en ellos la máxima diferencia entre
A
el día y la noche.
12º.- Podemos determinar el desplazamiento
S
angular hacia el norte o hacia el sur del punto del
horizonte por el que sale el sol (orto) o se pone (ocaso),
T
con respecto al Este, o al Oeste, respectivamente,
leyendo en la escala en grados, a lo largo de la línea NS, Figura 31
del disco giratorio B.
R
13º.- En los puntos con latitud 23º 27´ N, es decir, en el Trópico de Cáncer, el sol cae
verticalmente sobre la Tierra el 21 de junio. Basta observar que el punto B se encuentre sobre la
O
vertical. Figura 32.
N
O
M
Í
A
Figura 32
14º.- En los lugares de latitud 66º 33´ N, puntos situados sobre el círculo polar ártico, el día 21
de junio, el sol se mantiene todo el tiempo por encima del horizonte, y por tanto no se pone. El día
dura pues, 24 horas. Es el sol de medianoche: el sol pasa rasante al horizonte, en el Norte, a
medianoche.

A
Figura 33
Í
El 22 de diciembre toca el horizonte en el Sur pero no llega a salir. Está las 24 horas debajo del
M
horizonte. Figura 33.
15º.- En el Polo Norte - latitud 90º - el sol se mantiene por encima del horizonte desde el 21 de
O
marzo hasta el 23 de septiembre, por lo que la duración del día es de seis meses en el hemisferio
correspondiente. Figura 34.
N
O
R
T
S
A
Figura 34 Figura 35
Análogamente, para puntos del hemisferio sur se observa fundamentalmente lo siguiente :
16º.- Entre el 23 de septiembre y el 22 de diciembre aumenta la duración del día y disminuye la

de la noche, correspondiendo a esta última fecha el día más largo del año. Ver figura 35.
17º.- En la latitud 23º 27´ S, correspondiente al Trópico de Capricornio, el sol cae verticalmente
sobre la Tierra el 22 de diciembre. Es el comienzo del verano en ese hemisferio. Ver figura 36

A
S
Figura 36
18º.- En el Círculo polar Antártico, con latitud 66º33´ S, el sol no se pone el 22 de diciembre.
T
Pasa rasante al hizonte en el Sur. Es el solsticio (de verano en el hemisferio Sur) y el día dura 24
horas. El 21 de junio toca el horizonte en el Norte pero sin llegar a salir. Permanece bajo el horizonte
durante las 24 horas. Ver figura 37.
R
O
N
O
M
Í
A
Figura 37
19.- En el Polo Sur - latitud 90º S - el sol se mantiene sobre el horizonte desde el 22 (ó 23) de
septiembre hasta el 21 de marzo. El día dura seis meses en ese hemisferio. Ver figura 38.

A
Figura 38
Í
Vemos pues, que con este sencillo dispositivo, logramos, no sólo ver la diferente duración de
M
los días a lo largo del año, sino que, además, observamos la variación de la declinación solar, en qué
lugares y cuándo pasa el Sol por el cénit, cuándo cae verticalmente sobre la Tierra, etc.
O
También nos ayuda a comprender mejor fenómenos como la sucesión de las diferentes
estaciones -viendo la distinta inclinación de los rayos solares a lo largo del año- el por qué del sol de
medianoche, o la larga noche polar.
N
5. Resumen
O
El “disco solar didáctico” consiste en un dispositivo formado por dos discos concéntricos
R
giratorios, que nos permite determinar la duración del día y de la noche en diferentes épocas del año,
en cualquier latitud; nos facilita la comprensión de cuándo y por qué tienen lugar los equinoccios y los
solsticios; en qué lugares y cuándo pasa el sol por el cénit; cuándo cae verticalmente sobre la Tierra; la
T
sucesión de las estaciones - viendo la diferente inclinación de los rayos solares a lo largo del año - el
por qué del “sol de medianoche”, la larga noche polar, etc.
S
El disco mayor del dispositivo lleva unas líneas que representan las proyecciones sobre el plano
meridiano de las trayectorias solares. Aparecen representadas de mes en mes, aunque se podrían
A
representar más próximas, por ejemplo una proyección correspondiente a cada semana. También se
señalan los polos celestes P y P´.
En la periferia, aparece una escala de 0º a 90º válida para latitudes norte a partir de P y otra
también de 0º a 90º a partir de P´, en sentido inverso, válida para latitudes sur.
El disco superior, de menor radio, lleva un recorte cuya parte recta representa el horizonte del
observador proyectado sobre el plano del meridiano. Lleva señalados los puntos cardinales norte (N) y
sur (S).
Al llevar N sobre un valor de la escala que parte del polo P, queda situado el horizonte
correspondiente a esa latitud – como vimos anteriormente, la altura del polo sobre el horizonte
coincide con la latitud de un lugar - por lo que la parte de las trayectorias visibles a través del disco

corresponden a lo que vería observador en esa latitud del hemisferio norte. La parte que no deja ver el
disco corresponde a la noche.
En forma análoga, al llevar S sobre la escala que parte de P´, obtendríamos el horizonte de un
observador situado en el hemisferio sur en la latitud señalada. En el primer caso queda Z en el
hemisferio visible y en el segundo Z´.
6. Algunos cálculos teóricos que confirman la información suministrada por el disco
6.1. Determinación del desplazamiento del orto y del ocaso solar
El triángulo esférico determinado por el Polo Celeste,
A
el cénit y un astro se denomina triángulo astronómico.
S
En la figura 39 está representado tal triángulo para el
caso del Sol en el momento en que asoma por el horizonte.
T
Resolviendo este triángulo podemos calcular la
posición del orto y el ocaso del Sol cualquier día del año. En
R
la figura vemos que el lado PR es el complemento de la
declinación del Sol el día considerado, y el lado ZP es
complementario de la latitud del lugar.
O
Por ser en este caso, rectilátero el triángulo, ya que el
lado ZR mide 90º, será:
N
Figura 39
cos(90 − δ ) = cos RZP sen (90 - λ ) ,
O
cos(90 − δ )
cos RZP = con lo que determinamos el ángulo RZP que nos da la posición del orto del
sen (90 - λ )
M
Sol en el día considerado.
6.2. Desplazamiento del orto y ocaso en algunas latitudes particulares

Í
6.2.1. Cálculos para la latitud de ciudad de La Laguna (28º 30Ń, 16º 20´W), en determinadas
A
fechas. Ver figura 40.
cos(90 − δ ) cos(90 − δ )
cos RZP = llamando Φ al ángulo RZP queda cos Φ =
sen (90 - λ ) sen (90 - λ )

A
Í
M
Figura 40
El 21 de abril:
O
cos(90 − δ ) cos(90 −110 40') cos 78º 20'

cosΦ = = = = 0, 2300
sen (90 - λ ) sen (90 - 28 0 30') sen 61o30'
N
Φ = arc cos 0, 2300 = 76 o42' contado desde el punto cardinal Norte. Por lo tanto el orto tiene lugar
O
o
a 13 18' del punto cardinal Este.
R
El 21 de mayo:
cos(90 − δ ) cos(90 − 20 011') cos 69º 49'

T
cosΦ = = = = 0, 3919
sen (90 - λ ) sen (90 - 28 0 30') sen 61o30'
S
Φ = arc cos 0, 3919 = 66 o55'

A
contado desde el punto cardinal Norte. Por lo tanto el orto tiene lugar a 23o05' del punto cardinal
Este.
El 22 de junio:
cos(90 − δ ) cos(90 − 230 27') cos 66º 33'

cos Φ = = = = 0, 4527
sen (90 - λ ) sen (90 - 28 0 30') sen 61o30'
Φ = arc cos 0, 4527 = 63o04'
contado desde el punto cardinal Norte. Por lo tanto el orto tiene lugar a 26 o55' del punto cardinal
Este.

6.2.2. En el ecuador (λ=0). Ver figura 41.
cosΦ = cos(90 − δ )
A
El 21 de abril: Figura 41
S
cosΦ = cos(90 − δ ) = cos(90 o −11o40') = cos 78 o20'
T
Φ = 78 o20' desde el punto N. Luego el Sol sale desplazado 11o40' desde el Este.
R
El 21 de mayo:
90 o − Φ = 90 o − 20 o11' , esto significa que sale a 20 o11' del Este.
O
El 22 de junio:
N
90 o − Φ = 90 o − 23o27' , esto significa que sale a 23o27' del Este.
O
6.2.3. En la latitud de 23o27' N (figura 42), será,
M
Í
A
Figura 42

El de 21 de abril:
cos(90 −11o40' ) 0, 2022

cosΦ = = = 0, 2204
sen (90 - 23o27') 0, 9174
Φ = arc cos 0, 2204 = 77 o15' y 90 o − Φ = 12 o45' da la posición del orto con respecto al Este.
El 21 de mayo:
cos(90 − 20 o11' ) 0, 3450

cosΦ = = = 0, 3760
sen (90 - 23o27') 0, 9174
A
Φ = arc cos 0, 3760 = 67 o54' y 90 − Φ = 22 06'

o o
Í
El 22 de junio:
M
cos(90o − 23o27') 0, 3979

cosΦ = = = 0, 4337 y Φ = arc cos 0, 4337 = 64 o17'
sen (90o - 23o27') 0, 9174
O
90 o − Φ = 25 o43' , que indica que sale a 25 o43' del Este.

N
6.2.4. En la latitud de 66 o33' N, (figura 43), será,

O
R
T
S
A
Figura 43

El 21 de abril
cos(90 −11o40') 0, 2010

cosΦ = = = 0, 5051
sen (90 - 66 o33') 0, 3979
Φ = arc cos 0, 5051 = 59 o39' y 90 o − Φ = 30 o21' da la posición del orto con respecto al Este.
cos(90 − 20 o11' ) 0, 3450

El 21 de mayo será cosΦ = = = 0, 8670
sen (90 - 66 o33') 0, 3979
Φ = arc cos 0, 8670 = 29 o52' y 90 o − Φ = 60 o08'
A
cos(90 o − 23o27')
El 22 de junio cosΦ = o o
= 1 y Φ = 0 o, es decir, el Sol sale justamente por el
S
sen (90 - 66 33')
Norte.
T
6.2.5. En el Polo Norte, latitud 90º N, (figura 44).
R
O
N
O
M
Í
A
Figura 44
cos(90 − δ )
En este caso, el denominador de la expresión cosΦ =
sen (90 - λ )
es siempre nulo, por lo que no hay ningún valor de Φ que la verifique. Es decir, entre marzo y
septiembre el Sol estará siempre por encima del horizonte.
En los equinoccios, también se anula el numerador, por lo que la expresión es indeterminada.
En esos días el sol recorre el horizonte.

6.3. Cálculo de la duración del día
Para calcular el tiempo que el Sol permanece por encima o por debajo del horizonte, es decir la
duración del día y de la noche, calcularemos el ángulo RPZ que determina mitad del arco que recorre
el Sol sobre el horizonte. Multiplicándolo por 2 y teniendo en cuenta que cada 15º corresponde a una
hora podremos saber entonces la duración del día.
cos RPZ = −cot(90 − λ ).cot(90 − δ )
Esta fórmula es aplicable para latitudes iguales o menores a 66º 33´. Para latitudes mayores la
trayectoria solar no cortaría al horizonte.
A
6.3.1. Duración del día en las latitudes particulares y los días considerados anteriormente
a) latitud 28º 30´(La Laguna):

Í
el día 21 de abril:
M
cos RPZ = −cot(90º −28º 30′).cot(90º −11º 40′) = -0,1120

llamando θ al ángulo RPZ , nos queda,
O
θ = 96º 26′ , 2θ = 192º 28′ . Como cada 15º corresponde a una hora, la duración del día resulta ser
de 12, 85 horas, aproximadamente 12 horas y 51 minutos.
N
el 21 de mayo:
cosθ = −cot(90º −28º 30′).cot(90º −20º11′) = -0,1995

O
θ = 101º 30′ 2θ = 203º

R
la duración del día resulta ser de 13, 53 horas, aproximadamente 13 horas y 32 minutos.
El 21 de junio:
T
cosθ = −cot(90º −28º 30′).cot(90º −23º 27′) = -0,2354

θ = 103º 36′ 2θ = 207º14′
S
A
b) latitud 23º 27Ń:

El 21 de abril:
cosθ = −cot(90º −23º 27′).cot(90º −11º 40′) = −0, 0895

θ = 95º13′ , 2θ = 190º 28′ .
La duración del día resulta ser de 12, 68 horas, aproximadamente 12 horas y 41 minutos.
El 21 de mayo:
cosθ = −cot(90º −23º 27′).cot(90º −20º11′) = - 0,1594

θ = 99º17′ 2θ = 198º 34′

El 21 de junio:
cosθ = −cot(90º −23º 27′).cot(90º −23º 27′) = - 0,1880

θ = 100º 50′ 2θ = 201º 40′
c) latitud 66º 33Ń
el 21 de abril:
A
cosθ = −cot(90º −66º 33′).cot(90º −11º 40′) = −0, 4758
θ = 118º 24′ , 2θ = 236º 48′ .
S
La duración del día resulta ser de 15, 78 horas, aproximadamente 15 horas y 47 minutos.
T
el 21 de mayo:
cosθ = −cot(90º −66º 33′).cot(90º −20º11′) = - 0,8474
R
θ = 147º 55′ 2θ = 295º 51′
O
El 21 de junio:
N
cosθ = −cot(90º −66º 33′).cot(90º −23º 27′) = -1
O
θ = 180º 2θ = 360º
la duración del día resulta ser de 24 horas. Es decir el sol está las 24 horas por encima del horizonte.
M
Para la latitud de 90º N, la trayectoria del sol no corta al horizonte en ninguna de las fechas
consideradas por lo que la duración del día es siempre de 24 horas.
Se omiten los cálculos similares para el hemisferio Sur, ya que serían totalmente equivalentes.
Í
A
Bibliografía
Constantino Marcos y otros. Matemáticas de Preuniversitario. Madrid: Ediciones S.M.

Izquierdo Asensi, F. Geometría Descriptiva. (1979). Madrid: Editorial Dossat, S.A.
Álvaro Martín González, es Doctor en Ciencias, Catedrático jubilado de Física y Química de

Bachillerato y Licenciado en Bellas Artes. Ha sido profesor en diferentes institutos de Enseñanza
Secundaria de Tenerife y Profesor tutor de Física de la UNED.

ISSN: 1887-1984

Rut Almeida (Universidad de La Laguna. La Laguna. España)
Resumen El Instituto Nacional de Estadística (INE) ha creado un portal web divulgativo, Explica,
con motivo del Año Internacional de la Estadística para acercar, a los estudiantes de
enseñanza secundaria y bachillerato, a los contenidos de la estadística necesarios para
interpretar la información que nos rodea. Explica, nos presenta una colección de recursos
interactivos (presentaciones, vídeos, juegos, cuestionarios…) por los que navegar para
E
introducirnos en el mundo de la estadística.
Estadística, web, recursos interactivos, enseñanza secundaria y bachillerato.
N
Palabras clave
Abstract The National Statistics Institute (INE) has created a divulgative website, Explica, on the
occasion of the International Year of Statistics to bring secondary education and
bachillerato students to the contents of the statistics needed to interpret the information
around us. Explica, presents a collection of interactive resources (presentations, videos,
L
games, questionnaires ...) for navigating around the world of statistics.
Keywords Statistics, website, interactive resources, secondary and bachillerato education.
A
1. Introducción
La estadística es la ciencia que se encarga, entre otros aspectos, del estudio de los datos de una
población y por lo tanto, con frecuencia, encontramos resultados de estudios estadísticos en nuestro
R
alrededor. Por ello, el Instituto Nacional de Estadística (INE) ha diseñado un portal web divulgativo
para acercarnos a la estadística de una forma amena e interactiva, con el objetivo de que la población
tenga las herramientas necesarias para interpretar los resultados de estudios estadísticos que se
E
publican, por ejemplo, en los medios de comunicación.
D
Actualmente nos encontramos en el Año Internacional de la Estadística que el Instituto Nacional
de Estadística hace coincidir con la creación del portal Explica, el cual analizamos en este artículo
realizando un recorrido por todas sus secciones.
2. Análisis del portal web
El portal web al que accedemos a través de la dirección http://www.ine.es/explica/explica.htm

tiene una apariencia sencilla a la vez que intuitiva para aquellas personas que acceden por primera vez.

R. Almeida
D
E
R
Figura 1. Inicio.
A
En ella podemos encontrar una serie de pestañas en una columna situada a la izquierda, que nos
facilita el acceso a las distintas secciones del portal. En la parte central encontramos un enlace a la
web del Instituto Nacional de Estadística, así como novedades y noticias relevantes relacionadas con
L
la estadística. Por último, en la esquina superior derecha podemos acceder a un mapa del sitio web
donde se desglosan todas sus partes, es decir, otra manera de acceder a los recursos del portal, además
de a través de las pestañas de la columna de la izquierda.
En esta máscara de inicio podemos acceder a enlaces de presentación sobre novedades y

ejemplos de recursos que nos acercan a la estadística de una forma sencilla. Dichos recursos se
N
encuentran en las distintas secciones del portal y se destacan en esta página de inicio.
A continuación, se realizará una revisión del portal web a través de un recorrido por cada una de
E
sus secciones.
2.1. ¿Qué es Explica?
Explica, te ayudamos con la estadística, es un portal web divulgativo diseñado por el Instituto
Nacional de Estadística cuyo objetivo es incrementar la cultura estadística en la sociedad para así
favorecer el buen uso de la información estadística que se encuentra en entornos cotidianos como, por
ejemplo, los medios de comunicación. Para ello en la web encontramos multitud de recursos de
carácter divulgativo presentados en formato flash y pdf. También cuenta con acceso a videos y
aplicaciones del canal del Instituto Nacional de Estadística e incluso algunos enlaces a YouTube.
En esta sección contamos también con un formulario para realizar cualquier consulta o
sugerencia a los administradores del portal, quienes responderán dichas consultas a la dirección de
correo electrónico que se facilite.

R. Almeida
2.2. Primeros pasos
La sección Primeros pasos tiene como objetivo facilitar los conceptos necesarios para
interpretar datos y resultados estadísticos que aparecen en el resto de secciones del portal.
Encontramos recursos explicativos sobre conceptos y herramientas de la estadística, partiendo de la
estadística descriptiva y pasando por la probabilidad, la inferencia estadística, gráficos y elaboración
de encuestas. Todo ello está organizado en 5 apartados que contienen presentaciones flash con enlaces
a otros recursos como vídeos o enlaces web.
E
N
L
A
R
Figura 2. Primeros pasos.
E
Contamos con presentaciones teóricas como el apartado Introducción a la Estadística en el que
podemos realizar consultas sobre conceptos y contenidos teóricos, pero también nos encontramos con D
un apartado práctico (Tu primera encuesta) en el que proponen construir un cuestionario facilitando,
en la misma presentación flash, documentos Word con ejemplos y plantillas para construir una
encuesta. Esta sección tiene una gran utilidad en la educación secundaria pues los alumnos de una
manera autónoma podrán realizar una actividad de construcción, recolecta de datos y posteriormente
análisis de los mismos aplicando contenidos de la sección Introducción a la Estadística.
Por otra parte, hay dos apartados dedicados a los gráficos. En Gráficos de ayer y hoy se
muestran los distintos tipos de gráficos asociándolos a su origen e historia, es decir, se trata de una
sección de contenido teórico. Por otro lado, si accedemos al apartado Tipos de gráficos, ¿cuál uso?
podemos ver cómo poner en práctica los distintos gráficos, asociados al tipo de variable que se estudia
o qué queremos resaltar de nuestro estudio por medio de una presentación que nos detalla la
información necesaria.
2.3. Estadísticas oficiales

R. Almeida
En la sección Estadísticas oficiales nos acercamos al Instituto Nacional de Estadística, autor del
portal. En un apartado de esta sección INE y sistema estadístico, contamos con una colección de
videos explicativos y una presentación flash en la que se detalla el funcionamiento de dicho
organismo, sus funciones y organización, sistema de trabajo, repercusión en la sociedad y la relación
que existe con otros organismos que tienen el mismo objetivo (Sistema Estadístico Nacional); de
forma similar contamos con un video que nos explica cómo se organiza el Sistema Estadístico
Europeo y la aportación que hace España al mismo.
D
E
R
A
L
Figura 3. Estadísticas oficiales.
El apartado Principales estadísticas, nos facilita presentaciones donde se explica el

N
procedimiento que sigue el INE en la elaboración de algunos estudios estadísticos que se realizan
anualmente en España, el Índice de precios de consumo, Encuesta de población activa, Producto
interior bruto, Encuesta de presupuestos familiares y sobre la importancia de los estudios estadísticos
E
para tener una visión de la proyección de la población.
Pregunta + respuesta = dato está destinado a explicar cómo se realiza una estadística. Para ello
contamos con un video en el que se resumen los pasos generales a seguir en el proceso, así como una
presentación explicativa sobre el proceso y los pasos seguidos para la realización de un estudio
estadístico concreto Estudio sobre Equipamiento y Uso de Tecnologías (TIC) en los Hogares.
Por último, en los apartados Los productos estadísticos y Censos 2011 podemos acceder a datos
y resultados de estudios estadísticos oficiales realizados por el INE. Esta información puede ser muy
útil para el profesorado que desee diseñar actividades con datos reales y fiables.
2.4. Estadística y mucho más

R. Almeida
En esta sección podemos encontrar diversos recursos lúdicos relacionados con la estadística:
cuestionarios, video de curiosidades, juegos, etc. Se trata probablemente de la sección de mayor
utilidad como recurso metodológico para la Educación Secundaria Obligatoria y Bachillerato.
E
N
L
A
Figura 4. Estadística y mucho más.
R
Contamos, por ejemplo, con un vídeo que habla sobre datos estadísticos de España que presenta
E
los datos en el supuesto de que la población fuese de 100 habitantes (Si España fuese un pueblo), lo
que simplifica mucho los datos que son presentados de una forma más cercana. En este caso no sólo
trabajamos la estadística, sino la utilidad de las proporciones a la hora de presentar datos. Considero
D
que es un recurso muy interesante para introducir la estadística en los niveles de Educación Secundaria
Obligatoria.
Además encontramos un apartado (Aplicaciones prácticas) en el que introduciendo el nombre

de una población accedemos a los datos del número de habitantes de dicho lugar detallando el número
de hombres y mujeres, tanto la cifra actual como la de años anteriores, un recurso muy útil para el
diseño de tareas.
En el resto de apartados podemos acceder a curiosidades presentadas como datos o

cuestionarios y juegos relacionados con los contenidos presentados en la sección Estadísticas
oficiales. Estos recursos pueden ser de utilidad para que el estudiante ponga en práctica lo aprendido
de una manera autónoma.
2.5. Un poco de historia

R. Almeida
La sección Un poco de historia, como su nombre indica, presenta un recorrido por la historia de
la estadística, mostrando su origen y evolución a lo largo de la Edad Antigua, Edad Media, Edad
Moderna y la Edad contemporánea (La estadística en la Historia). También contamos con apartados
destinados a mostrar un pequeño resumen biográfico de algunos de los personajes más relevantes en la
historia de la estadística (Personajes de la estadística).
D
E
R
A
L
Figura 5. Un poco de historia.
En la historia de España, los censos de población surgieron desde muy temprano, en concreto
durante los reinos de taifa, es decir, entre los siglos XI y XIII para establecer los tributos que debían
N
pagar musulmanes, judíos y cristianos. Debido a esto, encontramos una larga historia en España en lo
que a censos de población se refiere y podemos encontrar un resumen de su evolución hasta la
actualidad, en forma de presentación flash, en Primeros censos españoles.
E
Esta sección cuenta también con enlaces a tres exposiciones virtuales dedicadas a la Muestra
bibliográfica agraria, Los tesoros de la biblioteca (en la que podemos encontrar la historia de los
gráficos estadísticos) y Muestra censos españoles. Se trata de tres exposiciones que se encuentran de
forma física en Madrid.
2.6. Olimpiada Estadística
Actualmente nos encontramos en el Año Internacional de la Estadística. Con este motivo, el

Instituto Nacional de Estadística y la Facultad de Estudios Estadísticos de la Universidad Complutense
de Madrid han organizado una Olimpiada Estadística a nivel de Enseñanza Secundaria Obligatoria,
Bachillerato y Ciclos Formativos de grado medio.

R. Almeida
E
N
L
A
Figura 6. Olimpiada Estadística 2013
R
En esta sección podemos encontrar toda la información necesaria para participar: Calendario,
Objetivo de la Olimpiada, Bases de la Convocatoria, Ejemplos de pruebas de la Olimpiada, Poster, un
E
email para dudas y sugerencias, etc. En estos momentos ya ha tenido lugar la primera fase y segunda
fase, podemos acceder a los resultados de la primera que ya han sido publicados. La Olimpiada
finaliza el 17 de mayo, día en el que se publican los equipos ganadores.
D
2.7. Visita de centros de enseñanza
Este portal da la oportunidad, a centros de enseñanza secundaria y bachillerato, de solicitar una

visita a la delegación del Instituto Nacional de Estadística.

R. Almeida
D
E
R
A
L
Figura 7. Visita de centros de enseñanza.

N
Se trata de una buena forma de acercar al alumnado a la estadística a través de una visita a las
instalaciones del Instituto Nacional de Estadística en la que además contarán con un guía que les
E
presentará las distintas secciones y explicará el funcionamiento y labores del mismo.
3. Conclusiones
El portal web divulgativo Explica del Instituto Nacional de Estadística tiene como objetivo
acercar a los estudiantes de educación secundaria y bachillerato a la estadística de una forma
interactiva y práctica, mostrando los distintos aspectos a través de videos, presentaciones, juegos,
cuestionarios, etc. En la página podemos encontrar desde presentaciones teóricas sobre conceptos
básicos de la estadística o la historia y evolución de la misma, hasta aspectos prácticos como juegos y
videos para diseñar una encuesta y realizar un estudio de los datos obtenidos.
Se trata de un portal lleno de recursos para la enseñanza secundaria y bachillerato, en la que los
estudiantes podrán navegar de forma autónoma dada la sencillez y la forma intuitiva en la que el INE
presenta los recursos. Desde el punto de vista de la enseñanza, las secciones que proporcionan

R. Almeida
recursos más prácticos son Primeros pasos y Estadística y mucho más, pues presentan contenidos más
cercanos a los del currículo de enseñanzas mínimas de estos niveles (Real Decreto 1631/2006, BOE
nº5, 5 de enero de 2007; Real Decreto 1467/2007, BOE nº266, 6 de noviembre de 2007). Por otro
lado, aunque el objetivo del INE se encuentra en los niveles de secundaria, algunos de los recursos que
encontramos podrían considerarse algo superior a los contenidos que se exigen a estos niveles y son de
mayor interés en niveles universitarios.
En las secciones Estadísticas oficiales y Un poco de historia, podemos encontrar multitud de

recursos para el profesorado, que contienen información relevante de la estadística que no se encuentra
en los contenidos del currículo de enseñanzas mínimas pero que tienen una importancia relevante y
pueden utilizarse como introducción y motivación a otros contenidos que sí son parte del temario de
estos niveles.
Otro aspecto a destacar, es el enlace que encontramos en todas las secciones que nos dan acceso
E
a una colección de ficheros pdf de las presentaciones del portal. Este recurso tiene una gran utilidad
para el profesorado que no cuente con internet en el aula ya que puede descargar el contenido del
portal en formato pdf y disponer del mismo sin conexión a internet.
N
Se trata de un portal divulgativo nuevo, registrado en 2013, que cuenta ya con muchos recursos
para la enseñanza de la estadística en la educación secundaria y bachillerato, por lo que es de esperar
que siga evolucionando y proporcionando material interactivo para estos niveles.
L
Bibliografía
Real Decreto 1631/2006, de 29 de diciembre, por el que se establecen las enseñanzas mínimas
A
correspondientes a la Educación Secundaria Obligatoria. Viernes 5 de enero de 2007 BOE nº5.
Real Decreto 1467/2007, de 2 de noviembre, por el que se establece la estructura del bachillerato y se
fijan sus enseñanzas mínimas. Martes 6 de noviembre de 2007. BOE nº266.
Rut Almeida Cabrera. Doctorando del programa de Matemáticas en la Universidad de La Laguna.

Actualmente es becaria del área de Didáctica de las Matemáticas del Departamento de Análisis
R
Matemático de la Universidad de La Laguna, en el proyecto nacional Modelos de competencia formal y
cognitiva en pensamiento numérico y algebraico de alumnos de primaria, secundaria y de profesorado
de primaria en formación. Su línea de investigación es el sentido numérico y cuenta con varias
E
publicaciones en ese ámbito. Email: rutalca@gmail.com
D

ISSN: 1887-1984

José Antonio Rupérez Padrón y Manuel García Déniz (Club Matemático1)
Resumen Resolvemos el problema sobre el juego del Mastermind publicado en el número 81

mediante una organización en tablas de la información, y presentamos dos ejemplos de
puzles de encajar planos, que llevamos en el Komando matemático. Unos del tipo
cabeza-cola y el otro de reconstrucción de figuras a partir de una disección de la misma.
Palabras clave Método de resolución de problemas del juego Mastermind. Planteamientos y estrategias a
seguir en la solución de puzles planos del tipo cabeza-cola y de ensamblaje
bidimensional.
Abstract We solve the problem about the game of Mastermind published in issue 81 by an
J
organization information tables, and present two examples of puzzles to fit, flat, we carry
J
in our the mathematical Komando. A head-tail type and the other figures reconstruction
U
from the same dissection.
U
Keywords Problem-solving method of the game Mastermind. Approaches and strategies to be
followed in solving puzzles planes of type head-tail (put-together puzzles) and two-
E
dimensional assembly.
E
G
G
En el artículo “Juegos de lógica inductiva” publicado en el número 81 de la revista, al hablar del
Mastermind, dejamos planteado el siguiente problema:
O
O
Caza al tesoro
S
S
El otro día, rebuscando en el desván, Marcos descubrió un viejo baúl que contiene un
pergamino y un cofre. Leyendo el pergamino, comprendió que el cofre conserva un tesoro protegido
por una cerradura con una combinación numérica de tres cifras (de 1 a 9). Además el pergamino
aporta estas informaciones:
a) en 3 4 5 una sola cifra es correcta, pero no está en su lugar correcto (un herido)
b) en 2 3 6 ninguna cifra es correcta (ni muertos ni heridos)
c) en 6 7 8 una sola cifra es correcta y está en el sitio correcto (un muerto)
d) en 4 7 2 una sola cifra es correcta y está en el sitio correcto (etc.)
e) en 8 5 9 dos cifras son correctas, pero sólo una está en el sitio correcto
f) en 5 8 2 una sola cifra es correcta y está en el sitio correcto
1
El Club Matemático está formado por los profesores José Antonio Rupérez Padrón y Manuel García
Déniz, jubilados del IES de Canarias-Cabrera Pinto (La Laguna) y del IES Tomás de Iriarte (Santa Cruz de
Tenerife), respectivamente. jaruperez@gmail.com / mgarciadeniz@gmail.com

J. A. Rupérez Padrón y M. García Déniz
Ayudad a Marcos a encontrar la combinación correcta para abrir el cofre.
Vamos a ofrecer una solución a partir de una estrategia de Organización de la Información y

usando una tabla de doble entrada como organizador.
Para comprender mejor las informaciones suministradas por el problema haremos una tabla
organizada con ellas.
Información Combinación Cifras correctas Posición Consecuencias

A 3 4 5 1 Incorrecta
B 2 3 6 0 2, 3 y 6 no están
C 6 7 8 1 Correcta
D 4 7 2 1 Correcta
E 8 5 9 2 Sólo una correcta
f 5 8 2 1 Correcta
Tabla 1
La información (b) permite eliminar las cifras equivocadas 2, 3, 6.

S

A 4 5 1 Incorrecta
O
B
C 7 8 1 Correcta
D 4 7 1 Correcta
G
E 8 5 9 2 Sólo una correcta El 9 es correcto

F 5 8 1 Correcta El 9 está en posición correcta
E
Tabla 2
Las informaciones (e) y (f) nos permiten saber que el 9 es una cifra correcta y que también está
U
en posición correcta.

J
A 4 5 1 Incorrecta
B
C 7 8 1 Correcta El 7 es correcto
D 4 7 1 Correcta El 7 está en posición correcta
E 8 5 9 2 Sólo una correcta El 9 es correcto
F 5 8 1 Correcta El 9 está en posición correcta
Tabla 3
Las informaciones (c) y (d) nos indican que el 7 es una cifra correcta y, también, que está en
posición correcta. Sólo nos queda saber la primera cifra, pues las otras dos son 7 y 9.

A 4 5 1 Incorrecta
B
C 7 8 1 Correcta El 8 es incorrecto
D 4 7 1 Correcta El 4 es incorrecto
E 8 5 9 2 Sólo una correcta
F 5 8 1 Correcta
Tabla 4

De nuevo, las informaciones (c) y (d) nos permiten deducir también que, al ser correcto el 7,
tanto el 4 como el 8 han de ser necesariamente incorrectos.

A 5 1 Incorrecta
B
C 7 1 Correcta
D 7 1 Correcta
E 5 9 2 Sólo una correcta
El 5 es correcto y está en
F 5 1 Correcta
posición correcta.
Tabla 5
Para terminar, de la información (f) obtenemos que la primera cifra de la combinación ha de ser
el 5.
Respuesta: Hay una sola combinación posible para abrir la caja fuerte: 5, 7, 9.
Este problema tiene muchas y diversas formas de ser resuelto. Pero en cualquiera de ellas la
J
respuesta final es la misma.
U
Nos siguen quedando pendientes los problemas del Reversi/Othello, presentados en el nº 82 de
la revista, de los que seguimos esperando alguna respuesta de nuestros lectores y de los que haremos
un tratamiento especial en una próxima segunda parte del artículo.
E
Como pueden apreciar nuestros lectores, en esta sección vamos alternando los artículos
G
dedicados a juegos con los dedicados a puzles. Ahora, en éste, nos toca volver a los puzles.
"Puzle mecánico" es el término más ampliamente usado hoy día para referirse a un puzzle
O
hecho de piezas sólidas que pueden ser manipuladas manualmente para obtener una solución.
Los puzles se clasifican de muchas maneras, pero en cualquiera de ellas siempre se habrán de
S
tener en cuenta los puzles para encajar (put-together puzzles), consistentes en armar un objeto a
partir de una serie de piezas sueltas que deberán ser colocadas en contacto (sin trabarlas). Dentro de
este tipo se encuentran los puzles de ensamblaje bidimensional. Y dentro de estos, a su vez, los
llamados puzles de cabezas-colas.
Puzles cabezas-colas
Los puzles de Cabezas- Colas están formados por una serie de

piezas, todas de igual forma, que tienen unos elementos (dibujos,
colores, signos) sobre los lados o sobre los vértices y las cuales deben
ser colocadas de forma que sus esquinas o lados encajen,
emparejando dichos elementos entre sí. Normalmente las piezas
suelen tener formas geométricas regulares: triángulos equiláteros,
cuadrados, hexágonos, que permiten cubrir la superficie plana de
juego. Las piezas al encajar deberán formar también una disposición
regular o cubrir un tablero previamente diseñado. Hoy nos centramos
en aquellos donde los elementos que tenemos que hacer coincidir son
representaciones de animales, personajes de dibujos u otros diseños y Figura 1. Eternety

objetos que han sido divididos en dos partes; y también aquellos otros donde debemos buscar la
coincidencia de dos puntos o marcas de igual color. Dejamos los que representan en cada pieza un
diseño, normalmente geométrico, tales como cuadrados divididos por sus diagonales y con cada uno
de los triángulos coloreado, y donde han de coincidir los colores de las piezas que se adosan como el
de Eternety que se muestra en la figura 1, con 16x16 piezas, de extraordinaria dificultad.
Hexágonos coloreados
Dos de las actividades más populares de la Sociedad Canaria “Isaac Newton” de Profesores de
Matemáticas son la Exposición “Matemáticas 2000” y el “Komando Matemático”. En ambas figura
este puzle de cabezas-colas llamado “Hexágonos coloreados”.
Está formado por siete piezas de

madera con forma de hexágonos (Figura 3),
en cada uno de los cuales aparece un punto
de color (rojo, verde, azul, amarillo, blanco y
negro) en el centro de cada uno de sus lados.
Dichos puntos están colocados de manera
S
Figura 2 que, constituyen una permutación circular de

los seis colores. Al tratarse de una permutación cíclica de seis Figura 3
colores, hay 5! = 120 posibilidades de hacer una pieza. En este juego sólo se toman siete de ellas
O
(Figura 2).
El puzle va acompañado de un cartel informativo en el que se presenta el objetivo del mismo.

G
Reza así:
E
Cabeza-colas hexagonales
El juego consta de varias piezas de forma hexagonal, que tienen puntos de colores en sus bordes.
Se trata de colocarlas unidas por sus lados y formando un hexágono, de manera que TODOS los
U
puntos en contacto sean del mismo color.

J
Las piezas y el cartel se presentan

tal y como vemos en la figura 4:
Las personas inician el trabajo

emparejando las piezas de tal manera que
los puntos emparejados sean siempre del
mismo color (figura 5).
Figura 4
Es un puzle muy complicado pero
que resulta ser un reto absorbente para los Figura 5
que intentan su resolución. No suelen
abandonar hasta encontrarla.
Trataremos aquí de dar una manera

de afrontar dicha resolución. Las piezas
deben ser colocadas de manera que uno de
los hexágonos ocupe el centro y situar los
Figura 7
otros seis alrededor, lado con lado. Una Figura 6
primera idea es utilizar el ensayo y error: probar a poner un hexágono en el centro y si no funciona

cambiarlo por otro. No es fácil controlar cuáles se han probado y cuáles no, pero aún así suelen
encontrar una respuesta.
Parece más sencillo analizar primero cómo son las piezas comparándolas entre sí (Figura 6).
Con cierta sorpresa se descubre que no todas son diferentes. Hay

dos que son exactamente iguales (Figura 8).
Un primer pensamiento consiste en probar a colocar una de ellas

en el centro y la otra en el exterior para comprobar si las demás encajan
y completan el hexágono objetivo.
Figura 8 En esa primera posición vamos

probando con la segunda pieza
cambiando cada vez el punto de color que las conecta entre sí. En
ningún caso encontramos solución al puzle y no requiere mucho
trabajo el hacerlo.
J
Probamos ahora la segunda posición. Se trata ahora de juntar Figura 9
ambas piezas en el anillo exterior del hexágono objetivo. Igual que en
la primera posición se trata de realizar pruebas cambiando cada vez el punto de color que las conecta
U
(Figura 9).
E
Sin mucho esfuerzo, cuando se conectan
ambas por el punto azul se encuentra la única
solución posible del puzle. Lo cual produce mucha
G
satisfacción en la persona que lo está resolviendo,
como nos demuestra la sonrisa de esta joven
alumna (Figura 11).
O
Así queda el puzle (Figura 10) cuando está Figura 10
resuelto convenientemente.
S
Figura 11
Otros puzles de cabezas colas
Aquí vemos otras presentaciones

de este puzle de piezas hexagonales.
Figura 12
O cuadradas.
Figura 13

O triangulares.
También podemos encontrar

que sobre piezas planas
geométricas se han colocado
figuras en relieve, que divididas a
la mitad plantean su reconstrucción
siguiendo el mismo principio de
cabeza-cola. Figura 15
Sobre puzles de estas categorías han escrito -entre otros- algunos artículos los
Figura 14 amigos sevillanos del Grupo Alquerque (Muñoz, Fernández-Aliseda, Hans):
Mayo 2009: Combinatoria de colores (publicado en la revista SUMA, nº 53, 2006)
Noviembre 2004: Rompecabezas de aviones (publicado en la revista SUMA, número 35, 2000)
Recursos/Juegos matemáticos Autor:Grupo Alquerque

S
Además de adquirir las versiones comerciales, algunas de las cuales mostramos aquí, su
construcción es relativamente sencilla, y permite que los alumnos diseñen dibujos, colores, formas o
O
tableros para después disfrutar del desafío que supone su resolución.

G
Puzles de disecciones de figures planas
Otros puzles del mismo tipo (ensamblaje bidimensional) son los que resultan de dividir una
E
figura plana, que puede ser geométrica, o una silueta de una imagen de animales, objetos, letras, etc.
en varias piezas iguales o diferentes entre sí, con el objetivo de reconstruir la figura. En este caso no
suele haber elementos que tengamos que hacer coincidir por colores, figuras u otros.
U
Haremos aquí el análisis de uno de ellos, también procedente de la Exposición y el Komando

J
Matemático.
Puzle “Mi casa”
Tiene cinco piezas: Un triángulo, un rectángulo, un trapecio y dos

pentágonos (figura 17).
Este es el modelo que debe construirse

(figura 16):
Objetivo: Reconstruir la casa con las cinco

piezas del puzle.
Es un puzle plano, de encajar. Las piezas

deben ser adosadas unas a las otras, sin huecos ni
solapamientos. Figura 16
Piezas y cartel con
modelo del puzzle “Mi
casa” De entrada, los alumnos tienden a realizar un ensayo y error
Figura 17 desorganizado. Prueban a juntar piezas y siempre terminan con una figura

remotamente parecida al objetivo, pero donde aparecen huecos imposibles de llenar. Su primera
reacción es: “¡Faltan piezas!”.
En muchos casos no identifican bien los detalles del objetivo con las formas de las piezas. El
tejado lo suelen identificar con la pieza en forma de triángulo. Es su forma de ver un tejado de dos
aguas y esa idea persiste por encima de las evidencias. Conviene orientarles en la búsqueda de piezas
simétricas, con ángulos rectos, de lados congruentes, etc.
Si acaso, la única pieza bien definida es la chimenea, pero su conexión con el resto del tejado no
parece nunca clara. De todas formas, este es un caso en que se empieza la casa por la chimenea.
Se les indica que analicen las piezas (datos del problema) y las pongan en conexión (relaciones)
con el modelo (objetivo), siendo esencial una descripción de cada pieza. Las piezas más sencillas son
el triángulo y el rectángulo.
Triángulo: Isósceles y rectángulo; un ángulo recto y dos agudos. No puede ser el pico del
tejado, porque éste requiere un ángulo recto con dos lados muy desiguales, uno corto y uno largo. Es
una de las dos piezas con ejes de simetría.
J
• Rectángulo: fácilmente asimilable a la chimenea. Es la otra pieza simétrica.
• Trapecio: es rectángulo, con dos rectos, y es también el de más dudosa identificación.
U
• Los pentágonos: uno de ellos con tres ángulos rectos y dos obtusos; el otro con sólo uno
recto pero tres obtusos y uno agudo. Ambos con un ángulo recto que presenta un lado
corto y otro largo. Evidentemente, uno de los dos formará el pico del tejado.
E
Curiosamente los dos pueden identificarse con él.
G
Aún así a los alumnos no les resulta muy fácil colocar las piezas de la manera adecuada. En
muchos casos al intentar colocar el tejado no observan su posición relativa respecto a la chimenea y lo
colocan en la base de la misma, sin darse cuenta de que llega a su mitad, o lo colocan a la mitad y no
O
aprecian que el vértice no puede superar la parte superior de la chimenea.
Es necesario, pues, una segunda ayuda. Se les pide colocar una de las piezas como pico del
S
tejado y probar a situar la otra después en un sitio adecuado del modelo. Hay dos ensayos posibles.
Forma A:
Esta es la primera posibilidad de colocación (Figura 18).
Ahora se trata de situar el otro pentágono. Sólo puede ir al otro lado

de la chimenea, formando la continuidad de la pendiente del tejado. Eso es
así debido a que ésta parte del tejado es muy corta y forma un ángulo
obtuso con la pared larga que cierra la casa.
Si ya les costó situar el primer pentágono, al Figura 18

colocar el segundo se les nubla totalmente la
visión. Hay que indicarles que cada pieza admite diversas posiciones al
girarlas sobre el plano y, un aspecto que les cuesta algo más: y otras tantas al
voltearlas en el espacio.
Figura 19

Quedan como se muestra en la figura 19.
Y ahora, al tratar de situar las otras dos piezas restantes siempre quedan huecos o partes
salientes, sin conseguir el modelo de la casa.
Vuelta a empezar.
Forma B:
Esta es la segunda posibilidad de colocación (Figura 20).
De la misma forma que antes, ahora se trata de situar el otro pentágono.

Tal y como decíamos anteriormente sólo puede ir al otro lado de la chimenea,
formando la pendiente del tejado. Eso es así debido a que ésta pendiente del
tejado es muy corta y forma un ángulo obtuso con la pared larga que cierra la
casa. Hay que buscar ese ángulo.
Figura 20
Hay que volver a indicarles que cada pieza admite diversas posiciones al
S
girarlas sobre el plano, y otras tantas al voltearlas en el espacio. Quedan como

podemos ver en la figura 21.
O
Ahora sí resulta fácil colocar las dos piezas

restantes. Basta con situar mentalmente el modelo sobre
la parte de casa ya construida. Esas líneas imaginarias nos Figura 21
G
darán la ubicación del triángulo y del trapecio. La foto 16

nos muestra la solución.
E
Figura 22 Uno de los libros más interesantes sobre puzles es

el que reseñamos aquí figura 22:
U
Slocum, Jerry & Botermans, Jack: ”Puzzles old and new” - EQUATION,
Wellingborough, Northamptonshire, 1986.
J
En un próximo artículo ampliaremos la información sobre puzles de este Figura 23

tipo, dando algunos ejemplos más de puzles cabezas-colas y disecciones de
figuras planas y letras.
Hasta el próximo NÚMEROS pues. Un saludo.

Revista de Didáctica de las Matemáticas
Club Matemático

ISSN: 1887-1984
Juegos y Torneo
Problemas Comentados XXXIV
José Antonio Rupérez Padrón y Manuel García Déniz (Club Matemático1)
Resumen Este artículo, además de resolver ejercicios anteriormente publicados sobre juegos con
cartas y fichas, plantea los enunciados de los ejercicios propuestos en la Primera Fase del
Torneo para alumnado de 2º de la ESO organizado por la Sociedad Canaria de Profesores
de Matemáticas, y que abarcan problemas de lógica, cálculo, geometría o gráficas. Se
adelantan algunas de las singulares respuestas de los alumnos.
P
Palabras clave Resolución de ejercicios por tabulación o por razonamiento lógico deductivo. Olimpiadas
y Torneos sobre resolución de problemas de Matemáticas. Análisis de respuestas de los
R
alumnos.
O
Abstract This article, in addition to solving exercises published previously on games with cards
and chips, raises the statements of the exercises in the first phase of the tournament for
B
students of 2nd ESO organized by the Sociedad Canaria de Profesores de Matemáticas,
and covering problems logic, calculus, geometry or graphic. We advance some of the
unique student responses.
L
Keywords Resolution of exercises by tabs or deductive logical reasoning. Tournaments and math
problem solving. The analysis of student responses.
E
En el último artículo dejamos una propuesta de problemas para Secundaria Obligatoria
M
procedentes de la 19ª edición del Rally Matemático Transalpino Final). Y poco antes del cierre de este
número de la revista hemos recibido el siguiente correo del buen amigo Pepe Vidal, miembro del
Seminario Newton de Resolución de Problemas que, por cierto, vuelve a iniciar su andadura en este
A
año de 2013 con sede en la Casa Museo de las Matemáticas, en La Laguna.
S
En el último artículo se nos ocurrió proponer algunos sencillos problemas referidos a juegos
muy conocidos, conexión entre nuestras dos secciones de la revista.
Seguro que nuestros sagaces lectores han dado con las soluciones, pero nosotros hemos
encontrado las que siguen, y -valga la redundancia y la repetición- seguimos esperando las de ustedes.
1
El Club Matemático está formado por los profesores José Antonio Rupérez Padrón y Manuel García
Déniz, jubilados del IES de Canarias-Cabrera Pinto (La Laguna) y del IES Tomás de Iriarte (Santa Cruz de
Tenerife), respectivamente. jaruperez@gmail.com / mgarciadeniz@gmail.com

Cartas rojas y cartas negras (solitario de cartas)
Mario ha aprendido a jugar solitarios. En este caso, con un mazo de cartas rojas y cartas
negras. Las reglas del juego son éstas:
• se comienza disponiendo sobre la mesa 6 cartas rojas y 6 cartas negras;

• en cada movimiento, se pueden quitar de la mesa o una carta o dos cartas juntas,
pero con estas condiciones:
- si se quita una sola carta roja, se deben colocar sobre la mesa otras dos rojas,
cogiéndolas del mazo;
- si se quitan dos cartas rojas juntas, se debe colocar sobre la mesa una carta
negra, cogiéndola del mazo;
- si se quita una sola carta negra, se debe colocar otra negra sobre la mesa,
cogiéndola del mazo;
S
- si se quitan dos cartas negras juntas, no se debe colocar ninguna sobre la

mesa;
• el juego termina cuando no quedan más cartas sobre la mesa.
A
Mario querría terminar el solitario con el menor número posible de movimientos.

M
Indicad el número y la secuencia de movimientos que debe hacer Mario para

finalizar el solitario lo más rápidamente posible.
E
Resulta interesante que los alumnos hagan cualquier solitario real o virtual con cartas, para que
comprendan las reglas del juego y las apliquen.
L
Después se les presenta el que figura en el problema, con seis cartas rojas y seis cartas negras.
B
O
R
P
Para la comprensión de las reglas es aconsejable realizar una tabla con las jugadas permitidas.
Cartas tomadas Cartas devueltas

Una ROJA Dos ROJAS
Dos ROJAS Una NEGRA
Una NEGRA Una NEGRA
Dos NEGRAS Ninguna

Ahora sería bueno jugar un par de veces para dominar las reglas y entender las dificultades del
juego.
Lo primero es darse cuenta que, para poder acabar el solitario, es necesario eliminar todas las
cartas rojas procurando que sobre la mesa quede un número par de cartas negras, que podríamos
eliminar después de dos en dos.
Partiendo de 6 cartas negras y 6 cartas rojas sobre la mesa, las seis cartas negras se pueden
eliminar rápidamente en tres jugadas. Basta con sacarlas de la mesa de dos en dos. Según las reglas no
se devuelve ninguna a la mesa.
Si las cartas rojas se eliminaran de dos en dos, se deberían devolver a la mesa tres cartas negras.
De ellas sólo dos podrían después ser eliminadas con una jugada permitida, pero quedaría una carta
negra que haría que no pudiera acabarse el solitario.
P
La estrategia no es esa. Habrá que cambiarla. Cuatro cartas rojas pueden ser eliminadas en tres
jugadas. Las otras dos necesitan cinco jugadas más. Veamos cómo:
R
Cartas antes Jugada Cartas tomadas Cartas devueltas Cartas después
O
RRRRRR RRRRRR
1ª Ninguna
NNNNNN NN NNNN
RRRRRR RRRRRR
B
2ª Ninguna
NNNN NN NN
RRRRRR RRRRRR
3ª Ninguna
NN NN
L
RRRRRR RR RRRR
4ª
N N
RRRR RR RR
E
5ª
N N NN
RR RR
6ª Ninguna
NN NN
M
RR R RR RRR
7ª
RRR R RR RRRR
8ª
A
RRRR RR RR
9ª
N N S
RR RR
10ª
N N NN
11ª Ninguna Ninguna
NN NN
Solución: El número mínimo de jugadas para terminar el solitario es 11.
Blanco o gris (buscaminas)
Andrea ha encontrado unas fichas de damas con números y

ha puesto juntas fichas blancas y fichas negras de la manera
que veis en la figura.
Andrea se da cuenta de que hay escrito en cada una el número
de fichas negras que la tocan.

Después, ha puesto juntas de la misma manera

un número mayor de fichas, siempre blancas y
negras y ha escrito también sobre cada ficha el
número de fichas negras que la tocan.
He aquí las fichas que ha colocado juntas: sobre
ellas se ven sólo los números que ha escrito, pero
no se distinguen las fichas negras de las blancas.
Coloread vosotros todas las fichas negras.
Presentad dos soluciones diferentes.
(Utilizad los dos grupos dibujados aquí abajo para colorear las fichas negras de vuestras
soluciones)
S
A
M
E
L
Como ya se indica en el título del problema, éste está relacionado con el juego del Buscaminas.
B
Para resolverlo bastará con utilizar la Lógica y el razonamiento, usando exclusión y deducción,
mediante el uso de alguna estrategia, como pueden ser Organizar la Información y Ensayo y Error.
O
Lo más simple es utilizar la información que nos indica que algunas fichas son de color
obligatorio.
R
Para entendernos, tendremos en cuenta que hay cuatro columnas

de círculos que denominaremos, de izquierda a derecha, como C1 (un
círculo, marcado con 1), C2 (cuatro círculos marcados, de arriba hacia
P
abajo con 1, 2, 3, 1), C3 (tres círculos, marcados 4, 4, 2), C4 (cuatro

círculos, marcados 1, 2, 3, 2) y C5 (un círculo, marcado 2). Como se
aprecia la estructura es muy simétrica desde ese punto de vista. No
ocurre así con los números que aparecen en cada círculo.
Figura 1
También podemos referirnos a la estructura hexagonal que presenta:
un círculo central marcado 4; seis círculos formando un anillo intermedio y
marcados 4, 2, 3, 2, 3, 2; otros seis círculos que forman un anillo exterior y
marcados 1, 2, 2, 1, 1, 1.
Haciendo uso de la Organización de la Información vemos que las dos

fichas del anillo exterior marcadas con un 2 imponen el color gris de las
Figura 2 fichas 2, 3 y 2 que las tocan.

La ficha 1 de la parte inferior de C2 impone el blanco a la ficha 3 que está sobre ella. La ficha 1
de C1 impone el gris a la 2 que la toca. Y, finalmente, la ficha 4 central, ya rodeada por cuatro grises,
impone el blanco a la ficha 4 que está sobre ella. Así, el color de las seis fichas que rodean a la ficha 4
central es un color impuesto.
Ahora nos toca analizar el color que deben tener las que aún no están
coloreadas, es decir, la ficha central marcada 4 y las fichas del anillo exterior
marcadas 1, 2, 2, 1, 1, 1.
Haciendo Ensayo y Error, vamos a suponer que la ficha central 4 es de

color gris.
Figura 5 En ese caso, todas las fichas de las columnas C3,

C4 y C5 satisfacen los números que tienen inscritos,
P
excepto la marcada con 4 y coloreada de blanco, que
debe tocar una más de color gris. Ha de ser la ficha
superior de la columna C2, marcada con 1. Y así, que
R
da satisfecha también inscripción 2 de la ficha de la Figura 6
misma columna que la está tocando.
O
Figura 5 Tenemos, pues, una solución. Las otras fichas quedarán en blanco.
B
Ahora realizaremos el Ensayo y Error suponiendo que la ficha central 4
es de color blanco.
L
En este caso, lo primero que observamos es que
las dos fichas que ocupan los extremos de la columna
C4 deben colorearse de gris para satisfacer los números
E
de las fichas que ocupan la parte central de esa columna.
Figura 5
Figura 7
M
Ahora observamos que para satisfacer el número 4 de la ficha superior de
la columna C3 debemos colorear de gris la ficha marcada con 1 de la parte superior de C2. Y también,
para satisfacer las fichas marcadas 3 y 2 de la columna C2, deberemos colorear de gris la ficha de C1.
A
Con lo cual tenemos otra solución. También aquí, las otras fichas quedan en blanco.
S
Hay dos soluciones diferentes:
Figura 8

La última carta (Nim)
Un juego tiene las siguientes reglas: dos jugadores toman por turnos una, dos o tres cartas
de un mazo que inicialmente contiene 20. El jugador que toma la última carta pierde.
Lucía y Andrea deciden jugar una partida.
Andrea dice a Lucía: «¿Quieres comenzar tú?».
Andrea, que es muy fuerte en este tipo de juegos de estrategia, dice a Lucía: «Reflexiona
bien, ¡tú puedes ganar seguro!».
Lucia se da cuenta de poder elegir entre:
- dejar empezar a Andrea
- empezar tomando una carta
- empezar tomando dos cartas
- empezar tomando tres cartas
S
Si vosotros estuvieseis en el lugar de Lucía, ¿qué elegiríais hacer?
Explicad por qué y con qué jugadas podrá ganar Lucía.

A
Cada jugador tiene tres opciones para hacer su jugada. Si se quiere hacer un inventario detallado
M
de todas las posibilidades de desarrollo de la partida resultará una tarea agotadora, ya que serían
demasiado numerosas.
E
Pensemos en que el resultado de la partida se decide en las últimas

jugadas, cuando quedan pocas cartas. Es más fácil analizar la situación en ese
caso, y después utilizar la estrategia de Ir Hacia Atrás hasta llegar a la
L
situación de partida con el mazo de 20 cartas.
La última jugada es aquella en que se deja una carta al oponente. En ese

B
momento hemos ganado.

O
Figura 9 Para dejar esa última carta, previamente habremos debido jugar así:
a) Si había 2 cartas, cogemos 1.

R
b) Si había 3 cartas, cogemos 2.

c) Si había 4 cartas, cogemos 3.
P
Para que ello suceda deberíamos dejar 5 cartas en la jugada

anterior y así podremos llegar con seguridad a 4, a 3, o a 2 cartas,
ya que nuestro oponente habrá de retirar 1, 2 o 3 del mazo.
Figura 10
Ahora seguiremos hacia atrás. Para poder dejar 5 cartas al
oponente, es necesario haber dejado antes 9 cartas, para que así el oponente deba coger 1, 2 o 3 y
nosotros, a continuación, coger 3, 2 o 1, respectivamente.
A continuación, estudiar la repetitividad del análisis y comprobar que hay un patrón con una
diferencia de 4 cartas entre jugada y jugada: 9, 5, 1.
Podemos deducir entonces que las anteriores jugadas han de partir de 13 y 17 cartas dejadas al
oponente.

Como se parte de un mazo de 20 cartas y debemos llegar a dejar 17 cartas al oponente, para
ganar debemos iniciar nosotros y coger 3 cartas.
De no empezar nosotros, nuestro oponente puede elegir 3 cartas y dejarnos 17 a nosotros, que
ya sabemos que es una situación perdedora.
Respuesta: Lucía debe comenzar en primer lugar tomando 3 cartas para dejar 17 y después dejar
a Andrea sucesivamente 13, 9, 5, 1 cartas, tomando el complemento a 4 de lo que ella haga.
Cuatro en línea (alineamiento)
Pablo y Lucía juegan una partida a «Cuatro en línea». En este

juego cada uno, en su turno, deja deslizar una ficha en una de
P
las columnas numeradas de 1 a 7. La ficha va por tanto a
colocarse en la fila abajo o sobre otra ficha ya insertada.
El ganador es aquel que primero alinea cuatro fichas de su
R
color horizontalmente, verticalmente o en diagonal.
Pablo ha comenzado el juego y ha colocado ya siete fichas
amarillas; ha insertado la última en la columna 3 para
O
impedir a Lucía alinear verticalmente cuatro fichas rojas.
Ahora le toca a Lucía insertar su séptima ficha.
Lucía dice a Pablo: ¡has perdido!¡Yo estoy seguro de ganarte
B
Figura 11
cuando inserte mi octava o mi novena ficha!
L
¿En qué columna debe Lucía insertar su séptima ficha para estar seguro de ganar?
Explicad cómo podrá ganar con su octava o con su novena ficha.
E
El problema plantea que ya se han realizado 13 jugadas,
M
habiendo empezado Lucía. Una cuestión interesante sería
determinar el orden en que se realizaron las jugadas o, mejor, en qué
momento se equivocó al jugar el jugador que pierda.
A
Pablo juega con las fichas
amarillas y ha insertado siete S
fichas. Lucía juega con las fichas
rojas y ha insertado ya seis fichas.
Trece jugadas en total
Figura 13
Pero veamos que pasa en la
jugada actual, la nº 14. Le toca
jugar a Lucía y vemos que ya
existe un alineamiento de tres
fichas rojas en diagonal y que,
Figura 14
colocando su ficha roja en la
celdilla D 4 (Fig. 12), Lucía realiza otro alineamiento horizontal de
tres fichas rojas en la tercera fila
Si Pablo inserta su octava ficha amarilla en la primera

columna (E1), Lucía colocará su octava inmediatamente encima, en
Figura 13

la misma columna (D1) (Fig. 13), y realizará el alineamiento de cuatro en la fila D1-D2-D3-D4, con lo
cual gana.
Si Pablo quiere evitar perder de la manera rápida anterior,

buscará insertar su octava ficha en otra parte, por ejemplo en C4;
entonces Lucía pone la suya en la celdilla E1 (Fig. 14). De momento
no pasa nada.
A continuación, si Pablo inserta su novena ficha en D1, sobre

la de Lucía, para impedir la alineación
horizontal, Lucía colocará su novena
ficha sobre la de Pablo en C1 (Fig.
15), y llevará a cabo un alineamiento
de cuatro en la diagonal C1-D2-E3-F4
Figura 15
S
y gana.
Si Pablo no pone su novena ficha en D1, sobre la de Lucía,

A
entonces ésta podrá colocar su novena ficha en D1, y así completar el

alineamiento horizontal. Supongamos que Pablo juega B4. Entonces
sucederá lo siguiente (Fig. 16): Figura 16
M
Respuesta: Lucía ha de situar su 7ª ficha en D4 y, después, según como juegue Pablo, la 8ª ficha
de Lucía deberá situarla en E1 o la 9ª ficha en la C1 o en D1.
E
Creo que problemas como estos permiten, a través de juegos sencillos, poner en marcha
L
maneras de pensar que nuestros alumnos tienen de manera intuitiva, darles estructura y recursos
simples para ver cómo el pensamiento lógico y las estrategias de resolución de problemas hacen surgir
pequeñas estrategias ganadoras de una manera divertida.
B
La XXIX edición del Torneo

O
Y ahora exponemos los problemas planteados en la primera fase del Torneo de Matemáticas que
celebra la Sociedad Canaria Isaac Newton de Profesores de Matemáticas, que ya va por su XXIX
R
edición, con algunos comentarios extraídos de las respuestas de los alumnos, cosa que ya hemos hecho
en otras ocasiones y que nos sigue pareciendo interesante por las aportaciones al conocimiento de la
P
forma de pensar, de los niveles de conocimientos, de los propios errores y virtudes de los alumnos, de
cómo enseñamos, etc.
Problema nº 1. Parque Jurásico
En el mundo de los animales extintos se encuentran el Pegaso y el

Dinosaurio. El Pegaso miente los lunes, martes y miércoles, y el
Dinosaurio miente los jueves, viernes y sábados. En todas las demás
ocasiones ambos animales dicen la verdad. Un día ambos animales
extintos mantuvieron la siguiente conversación:
Ayer me toco mentir - dijo el Pegaso
También a mí me toco mentir - contestó el Dinosaurio
¿En qué día de la semana estaban?

Problema nº 2. Manzanos y coníferas
Un agricultor planta manzanos siguiendo un patrón cuadrado. Para proteger sus árboles
contra el viento, planta coníferas alrededor de la huerta.
A continuación puedes ver un diagrama de esta situación donde n es el número de filas de
manzanos plantados, es un manzano y es una conífera:
¿Cuál debe ser el número de manzanos, que debe plantar el agricultor, para que haya
igual número de manzanos que de coníferas?
P
R
Problema nº 3. La promoción de las chocolatinas
O
Mario ha llegado a reunir 71 envases de chocolatinas de una marca que está
B
promocionándose y cambia 8 envoltorios por una nueva chocolatina.
Rellena la tabla y representa, en el siguiente sistema de dos ejes, cómo va evolucionando
el número de envoltorios según va cambiándolos por chocolatinas. Ten en cuenta que
L
parte de 71 envoltorios y ninguna chocolatina; luego cambia 8 envoltorios por una
chocolatina, se la come y cambia otros ocho envoltorios por otra chocolatina y se la
come. Y así sigue, de una en una, hasta que no le quedan suficientes envoltorios para otro
E
cambio.
M
Chocolatinas Envoltorios
1
2
3
A
4
5
6 S
7
8
9
10
11
12
13
14
15
16
17
18
Al final, ¿cuántas chocolatinas se come gratuitamente? 19
¿Con cuántos envoltorios se queda sin cambiar, si no 20
compra chocolatinas?

Número de chocolatinas finales:

Número de envoltorios que le sobran:
Explica aquí cómo has resuelto el ejercicio.
Chocolatinas
Envoltorios
Problema nº 4. Muchas bolas
Imagínate que disponemos de 1000 bolas

iguales y del mismo peso. Las introducimos
una tras otra por la entrada de cada uno de
los siguientes dispositivos.
¿Cuántas crees que probablemente se
S
depositarán en cada cajetín? ¿Por qué?

A
Problema nº 5. Cinco fichas

M
Cuatro fichas circulares iguales se tocan

entre sí, tal y como se ve en la figura.
E
Averigua el radio de la mayor ficha con

forma circular que puede colocarse en el
hueco que dejan las cuatro.
L
Problema nº 6. Fracciones egipcias

B
En Egipto se usaban fracciones con numerador igual a la unidad, que se representaban

O
así:
R
P
Las fracciones con numerador distinto de la unidad las expresaban como suma de
fracciones del tipo anterior:

a) ¿Qué fracciones son las siguientes?
4 5 5
b) ¿Cómo escribían los egipcios las fracciones siguientes?
7 8 9
c) ¿Podrías indicar una manera de expresar cualquier fracción como suma de fracciones
P
egipcias diferentes?
R
Estos problemas han sido propuestos a los alumnos de 2º de E.S.O. de las Islas Canarias.
Queremos que nuestros lectores los intenten resolver. Sus soluciones las veremos en el próximo
número de la revista, con las aportadas por los alumnos y comentaremos los resultados del Torneo.
O
Estos chicos lo afrontan con una tremenda naturalidad. Después de resolverlos con todo el
esfuerzo y la seriedad del mundo, dan, a veces, sus opiniones sin cortarse en absoluto. Otras veces
B
tratan de justificarse al no encontrar una solución. Y, en ocasiones, expresan simplemente su opinión
personal sobre lo que leen.
L
Veamos algunas opiniones de estos alumnos sobre los problemas de este Torneo. Están
entresacados de las pruebas sin saber quiénes son sus autores y sólo con el fin de ver la disparidad en
E
la formación de estos alumnos y sus pensamientos sobre matemáticas.
Sobre el primer problema Parque Jurásico: “Todo eso suponiendo que el pegaso hubiera
M
existido a la vez que los dinosaurios, que ambos animales supieran hablar y que tuvieran noción de los
días y los llamaran como nosotros (lo cual me parece bastante improbable).”
A
Para el segundo Manzanos y coníferas: “Siempre hay más coníferas porque están alrededor de
los manzanos y porque tienen dos filas más de altura y otras dos de ancho”.
S
Acerca del tercero La promoción de las chocolatinas: “Número de chocolatinas finales:
ninguna, porque las cambia y se las come, así todo el tiempo. Pero se comió 8 chocolatinas.”
Para el cuarto Muchas bolas: “Si seguimos el dibujo, caerán hacia el lado más hundido; no muy
segura de dicha respuesta voy a exponer otra idea manteniéndome en mis 13 años de edad y mi nula
experiencia en la materia de física, creo que podría decir que en el ejemplo C y D caerían por la zona
más “en caída” puesto que la fuerza de gravedad la atraería de una manera más fácil diría yo, pero
exacto no sabría decir, teniendo en cuenta que esto es probabilidad y jamás se acierta con seguridad.”
Para el quinto, el de geometría Cinco fichas, hemos seleccionado varios:
• “Ésta que está colocada”.

• “Solución más breve: se coge una regla, se mide su diámetro y luego se divide entre 2
(pero ésta no es la verdadera solución)”.

• “Creo que este problema sin ningún dato no se puede hallar. Porque sin ninguna cifra,
de ninguna de las partes, no sé cuánto mide el cuadrado ni nada”.
Sobre el sexto Fracciones egipcias, respecto a la última pregunta “¿Podría indicar una manera
de expresar cualquier fracción como suma de fracciones egipcias diferentes?”:
• “No, ya que sería muy complicado para los egipcios resolver esas fracciones”.
• “No, yo creo que no sea posible si son egipcias”.
• “Yo no podría ya que más o menos no me sale, pero si me lo explican seguro”.
Y quedamos así hasta la próxima entrega. Pero seguimos insistiendo: resuelvan los problemas,
utilícenlos con los alumnos y, sobre todo, aporten sus comentarios a la revista, sus soluciones e,
incluso, nuevas propuestas. O, simplemente, cuéntennos lo sucedido en el transcurso de la clase en que
probaron el problema. Eso nos alegraría mucho y también al resto de lectores. No se dejen ir…
S
Como siempre, aguardamos sus noticias a la espera de la próxima edición de la revista.

A
M
Un saludo afectuoso del Club Matemático.

E
L
B
O
R
P

ISSN: 1887-1984
E
X
P
Ana Teresa Antequera Guerra (Centro de Enseñanza Obligatoria Juan XXIII. España)
E
Resumen Se describe y analiza una experiencia realizada con alumnos de 4º de ESO (15-16 años).
Los alumnos trabajan el bloque de Aritmética con una plataforma interactiva, Khan
R
Academy (www.khanacademy.org). Esta “academia on line” centra el interés en la
adquisición de conceptos a través de actividades de dificultad creciente y que permiten al
alumno valorar su progreso de manera visual, rápida y efectiva.
I
Palabras clave Nuevas tecnologías, plataforma interactiva, aprendizaje autónomo, educación bilingüe.
E
Abstract This article describes and discusses an experiment carried out with students of 4th ESO
N
Coordinador: Carlos Duque Gómez
(15-16 years). Students work Arithmetic block with an interactive platform, Khan
Academy (www.khanacademy.org). This on line academy focuses its interest in the
acquisition of concepts through increasingly challenging activities that enable students to
C
assess their progress visually, quickly and effectively.
Keywords New technologies, interactive platform, autonomous learning, bilingual education.
I
A
1. Introducción
Cuando una lista de vídeos sobre Educación publicada en una revista de divulgación general
S
llegó a mis manos, no sabía lo que se ocultaba tras ella. Uno de estos vídeos era una conferencia
impartida por Salman Khan que se puede encontrar en la web de TED1
(http://www.ted.com/talks/salman_khan_let_s_use_video_to_reinvent_education.html). Esta giraba en
torno a la idea que había desarrollado a partir de su experiencia personal al intentar explicar
D
matemáticas a sus primos. Khan, como no podía dedicarles el tiempo necesario a sus sobrinos, decidió
grabar sus explicaciones y pasarles los vídeos. Lo que descubrió fue que los niños preferían la versión
de su tío en vídeo a la real, pues así los niños podían parar y repetir la explicación cuanto quisiera. E
Según la colección de vídeos fue creciendo, se produjo el salto al siguiente nivel: la creación de
una plataforma digital, Khan Academy, para aprender matemáticas. Su enseñanza en el visionado de
vídeos y su aplicación en actividades interactivas. Es una plataforma de carácter gratuito y abierta a la
A
comunidad educativa.
Cuál fue mi sorpresa al encontrar en la red no sólo una plataforma de carácter educativo en
U
matemáticas, que cubre todo el currículo oficial de la materia, sino que al tiempo permite el trabajo
autónomo del alumno y la supervisión constante y efectiva del profesor tanto en clase, como en casa.
L
1
TED Tecnología, Entretenimiento, Diseño (Technology, Entertainment, Design) es una organización sin ánimo
A
de lucro dedicada a las “Ideas dignas de difundir” (Ideas worth spreading) http://www.ted.com.

Asimismo, no sólo el profesor tiene acceso a la evaluación de nuevas habilidades y conocimientos,

A
sino que el propio alumno puede autoevaluarse y gestionar su propio aprendizaje.

L
Además, el sistema de puntuación y recompensas implementado en la academia favorece y

estimula una competición sana entre los alumnos y clases, en la que el éxito se basa en la adquisición
de nuevas habilidades y conocimientos, y en afianzarlos hasta alcanzar el nivel de experto.
U
2. Descripción y características de la plataforma Khan Academy

A
La Khan Academy es algo más que una simple plataforma en la que los alumnos pueden trabajar
y adquirir nuevos conocimientos matemáticos. A medida que ha ido creciendo se han ido
incorporando vídeos con contenidos procedentes de distintas materias, como Ciencias, Economía,
E
Historia y, con gran relevancia, las Ciencias de la Computación. La base del aprendizaje sigue estando
en las actividades sobre contenidos matemáticos, aunque aparece la posibilidad de diseñar pequeños
programas informáticos. La Figura 1 muestra la pantalla de inicio de la academia donde fácilmente se
D
identifican la zona de práctica, la biblioteca de vídeos y los accesos al perfil de usuario y de profesor-
entrenador, coach en inglés.
La plataforma que se describe y se utiliza con los alumnos en la experiencia que se muestra en
este artículo está en inglés. No existe una versión en español como tal, pero en
S
http://www.relpe.org/khanespanol/ se pueden encontrar vídeos de la academia que han sido traducidos

al español. El hecho de utilizar la plataforma en inglés favorece el aprendizaje bilingüe de los alumnos
desde el área de matemáticas de una manera más natural.
A
I
C
N
E
I
R
E
Figura 1. Khan Academy. Pantalla de inicio de la plataforma

P
Se detallan algunas de las posibilidades que tiene la Khan Academy destacando los elementos
X
más significativos de la plataforma, tanto desde el punto de vista del alumno como del profesor.
Al entrar en la zona de prácticas, aparece un mapa de conocimientos (Figura 2) en forma de

E
grafo creciente e interconectado que guiará al alumno en la adquisición de sus nuevas habilidades o
skills. El funcionamiento de este mapa sigue la misma presentación de Google Maps, lo que permite

navegar por el grafo de forma sencilla, ampliando o reduciendo el zoom de pantalla. Los contenidos
E
recogidos en los vértices de grafo que conforma esta red van desde los más elementales, como
reconocimiento del significado de los números o aprender a decir la hora, pasando por la resolución de
X
ecuaciones, aplicación de la trigonometría o la estadística, hasta el cálculo de límites y derivadas y el
uso de matrices. Con este recorrido tan amplio de contenidos, la academia es útil para ser utilizarla con
alumnos de las etapas de la Enseñanza Obligatoria, Primaria y ESO, y en Bachillerato.
P
E
R
I
E
N
C
I
Figura 2. Zona de Prácticas. Mapa de contenidos
En general, la Khan Academy es apta para cualquier persona que desee aprender o reforzar sus
A
conocimientos matemáticos. Basta con aportar un correo electrónico y los mínimos datos personales,
en especial la edad del usuario. Esto se debe a que los menores de 13 años necesitan la autorización
S
paterna para matricularse en la academia. Los padres de estos menores se convierten en coaches y
administradores del perfil de su hijo, siendo los únicos que pueden permitir a otro usuario que se
convierta en coach de su hijo, por ejemplo su maestro o profesor de matemáticas. Los usuarios de la
academia tienen el control de privacidad sobre sus perfiles, siendo sólo accesibles para los coaches y
los padres de los menores de 13 años.
Al desplegar el menú Learn de la página de inicio de la plataforma (Figura 1), aparece la opción D
de Coach Resources que pone a disposición de los profesores y padres una variada fuente de recursos
E
sobre la Khan Academy. Estos recursos engloban explicaciones sobre las potencialidades de la
plataforma y las posibles vías para integrarla en los currículos oficiales, así como vídeos que muestran
experiencias reales de la implementación de esta academia en colegios e institutos de los Estados
Unidos.
A
Para comenzar la actividad práctica en la academia basta con pinchar en alguno de los vértices o
iconos del mapa de contenidos. Se puede permitir a los alumnos que trabajen libremente en los
U
contenidos que deseen, pero los resultados son más eficaces si se centra su atención en alguna rama
concreta y progresan en el nivel de dificultad. Cada actividad consta de 10 ejercicios sobre el
conocimiento que se quiere adquirir (Figura 3) representados por cartas. Como ayuda a la resolución
L
de todas las actividades se tienen dos opciones. Primero, está el botón de Hint (Pista) que va
desarrollando el procedimiento de resolución del ejercicio concreto, como se observa en la Figura 3. Si
el alumno se atasca y no consigue comprender la explicación dada en las pistas, tiene la opción de
A
visionar un vídeo explicativo (Figura 4), que podrá parar y repetir tantas veces como quiera.

A
L
U
A
E
D
Figura 3. Actividad práctica
En cada carta de ejercicio se puede conseguir una, dos o tres hojas que indican el grado de éxito
que se ha tenido en el mismo (Figura 3). Tres hojas significan que se ha resuelto el ejercicio a la
primera, sin la necesidad de usar las pistas o el vídeo explicativo. Para lograr la adquisición de este
S
conocimiento es necesario contestar correctamente a la primera un número determinado de ejercicios

que depende del grado de dificultad del contenido, puesto que cuanto más complicado sea, se
requerirán más ejercicios correctos. Al finalizar cada tanda de ejercicios, una barra de progreso indica
A
el avance conseguido e insta a seguir practicando esta actividad o permite el cambio hacia otra nueva.
I
C
N
E
I
R
E
Figura 4. Vídeo explicativo

P
Una de las características más importante de la Khan Academy es la posibilidad que da a los
usuarios de evaluar su rendimiento en todo momento. Desde la página de su perfil (Figura 5) se tiene
X
acceso a información relevante sobre los logros alcanzados, así como a realizar las modificaciones del
perfil que se deseen. Es aquí donde se condensa toda la información, desde los puntos obtenidos
gracias a las actividades realizadas, hasta el número de vídeos visionados o las habilidades o skills
E
alcanzadas.

E
X
P
E
R
I
E
Figura 5. Perfil de alumno/usuario
El menú de la izquierda da acceso a distintos gráficos que muestran la evolución del aprendizaje
N
realizado. Se destacan los más significativos. En Achievements (Figura 6) se muestran los premios
conseguidos en la realización de actividades, algunos como Perseverancia, Persistencia, Alcanzar 20,
50 o 100 skills.
C
I
A
S
D
E
A
Figura 6. Achievements (Logros)

U
La opción Focus (Figura 7) del menú permite observar, a través de un diagrama de sectores en
qué tipo de actividades se ha centrado el usuario en el último día, semana o mes. De esta forma el
alumno tiene claro en qué ha estado trabajando y el tiempo que le ha dedicado a cada tipo de actividad,
L
destacándose claramente aquellas que por su dificultad han requerido de más tiempo.
A

A
L
U
A
E
Figura 7. Focus
D
Se destaca, por último, la opción de Skill Progress (Figura 8) que es posiblemente la más
significativa de todas. En esta tabla aparecen todas las actividades que se pueden realizar en la
academia y se muestra qué contenidos se han trabajado y cuáles se han completado a través de un
código de colores muy explícito. En blanco permanecen las actividades que no se han empezado, en
S
azul claro están las comenzadas pero no alcanzadas, mientras en que azul oscuro están las ya
conseguidas. En naranja están aquellas actividades que fueron alcanzadas hace algún tiempo y que por
A
su dificultad requieren de una revisión. Así, alguna de las actividades que están en azul oscuro, pasado
cierto tiempo, se cambiarán a naranja, indicándole al usuario que debe repasarlas. En rojo están las
actividades en las que el alumno se ha atascado, ya sea porque no realiza el suficiente número de
I
actividades correctas o porque le está dedicando demasiado tiempo. Este color indica la necesidad de
pedir ayuda al profesor para una explicación más personal.
C
N
E
I
R
E
P
X
Figura 8. Skill Progress (Progreso de habilidades)

E

Todo usuario identificado como coach tiene acceso a todas las estadísticas de sus alumnos, que
E
podrá agrupar por clases y así tener acceso a los resultados de manera conjunta. En la Figura 9 se
muestra la página de inicio de la sección dedicada a los informes de alumnos para el coach. En
X
concreto aparece la del grupo clase de 4º ESO A que participa en esta experiencia, con el menú de
informes o reports disponibles para el profesor en el margen izquierdo de la pantalla. De este menú
destacamos tres informes: Progress Sumary (aparece en la Figura 9), Progress Report y Progress
P
Over Time.
E
R
I
E
N
C
Figura 9. Sección de informes para el profesor/coach
I
El resumen de los progresos, o Progress Sumary, página que aparece en la Figura 9, muestra
A
todos los grupos de contenidos en orden alfabético, de forma que al seleccionar uno se despliegan
todas las actividades de ese grupo indicando el número de alumnos que las ha realizado y su grado de
progreso, como se puede ver en la Figura 10. Seleccionando cualquier actividad se identifican los
S
alumnos que están en cada nivel, lo que es de gran utilidad para localizar a los alumnos atascados, en
rojo.
D
E
A
U
L
A
Figura 10. Resumen de progreso para Exponentes, Radicales y Notación Científica

El informe de progresos, o Progress Report (Figura 11), permite observar y comparar

A
fácilmente los contenidos superados, en revisión, no empezados y atascados de los alumnos de una
clase con el mismo código de colores, pudiéndose extraer conclusiones sobre el progreso individual y
colectivo. Además, al situarnos sobre cualquiera de las actividades de cualquier alumno se despliega
L
información contextual sobre el progreso del alumno, y si además clicamos sobre ella, nos lleva a un
estudio más pormenorizado de todos los ejercicios realizados por el alumno.
U
A
E
D
Figura 11. Progress Report (Informe de progresos)
Hay que señalar que desde este informe, o desde cualquiera que contenga el nombre de los
S
alumnos, basta con seleccionar a uno para que se abra una nueva pestaña en el navegador con el perfil
del mismo, teniendo de esta forma acceso a la toda información individual del progreso académico,
A
que no a la personal del alumno.
El último informe a destacar es el progreso en el tiempo, o Progress Over Time (Figura 12). En
I
este se muestra cuántas actividades han completado los alumnos a lo largo del tiempo desde que se
matricularon en la academia. Es un gráfico muy explícito que permite comparar el progreso de los
C
alumnos entre ellos, puesto que cada línea corresponde a un alumno que es fácilmente identificable,
sin más que colocar el cursor sobre la línea correspondiente.
N
E
I
R
E
P
Figura 12. Progress Over Time (Progreso en el tiempo)

X
Como se puede observar, existen suficientes opciones que permiten, tanto al alumno como al
profesor, evaluar el progreso del aprendizaje y detectar cualquier dificultad que se presente. De esta
E
forma, se puede actuar de manera más eficiente y concreta, dedicándole a cada alumno el tiempo
necesario para resolver las dificultades que presente a través de una atención más personalizada.

3. Objetivos de la experiencia desarrollada
E
Cuando en nuestro centro se decide incorporar el uso de la Academia Khan al desarrollo
X
habitual de las sesiones de clase se tiene en consideración los resultados que el uso de esta plataforma
está teniendo en alumnos estadounidenses de Secundaria. Se desea constatar la factibilidad de
introducir la plataforma en un centro escolar español, en un intento de incorporar las nuevas
P
tecnologías a las clases de matemáticas.
Por otro lado, se opta por un bloque de contenidos del área de matemáticas, como es la
E
Aritmética, que no supusiera una brecha entre la práctica habitual que han llevado estos alumnos hasta
el momento y la nueva mecánica de la plataforma, además de ser el bloque de contenidos que más se
R
trabaja desde Primaria.
Con esto, los objetivos de la experiencia son:
I
• Evaluar la eficacia y conveniencia del uso de la plataforma de la Khan Academy en las
E
clases de matemáticas.
• Facilitar la adquisición de los conceptos del bloque de Aritmética a través de
actividades interactivas y fomentar el trabajo autónomo.
N
4. Descripción y desarrollo de la experiencia
C
La experiencia se desarrolla con un grupo de siete alumnos de 4º de ESO que cursan la Opción
B de Matemáticas2 (15 y 16 años) del CEO Juan XXIII, La Palma (Islas Canarias, España), durante el
I
curso 2012/13. Se elige este grupo puesto que, al tratarse de una prueba piloto, se buscaba alumnos
con cierto nivel de madurez, necesario para trabajar de manera autónoma y alcanzar los objetivos de la
A
materia.
S
Para dar comienzo a la experiencia, los alumnos sólo necesitan crear su cuenta, asociada a una
dirección de correo electrónico, y seleccionar al profesor que los va a tutorizar como coach. Este
proceso se realizó durante la primera sesión de clase, al tiempo que se exponían las principales
características de la plataforma. El resto de la experiencia se realiza, prácticamente toda, en horas de
clase puesto que, aunque algunos le dedicaron algo de tiempo en sus casas, no todos los alumnos
D
disponen de ordenador y/o conexión a internet en sus hogares.
El CEO Juan XXIII está dentro de la red Escuela 2.03, por lo que hay una dotación informática
E
suficiente. El aula en la que se lleva a cabo la experiencia, además de una pizarra tradicional, está
equipada con una pizarra digital, un ordenador personal para el profesor y portátiles con acceso a
internet para cada alumno, condición necesaria para tener un acceso adecuado a la plataforma.
A
El desarrollo de la experiencia se realiza durante todo el curso escolar, dedicándole una sesión
de las cuatro que semanalmente se asignan a Matemáticas en este curso, puesto que se acomete en
U
2
En 4º de ESO se distingue entre dos opciones para Matemáticas (A y B). La opción B está enfocada a continuar
L
estudios en un bachillerato de científico-tecnológico.

3
Proyecto de la Consejería de Educación del Gobierno de Canarias, en colaboración con el Ministerio de
Educación, que pretende la incorporación de las tecnologías de la información y de la comunicación a los centros
A
educativos. Contempla el uso personalizado de un ordenador portátil por cada alumno (en determinados cursos
de primaria y secundaria) y la transformación de las aulas en "aulas digitales".

paralelo a las sesiones dedicadas al resto de contenidos de la materia. Aunque desde la plataforma se
A
puede trabajar cualquier bloque de contenidos presentes en el currículo oficial, y con la profundidad
que se desee de acuerdo con el nivel del alumno, en esta experiencia se trabaja sólo el bloque de
Aritmética, en especial los contenidos relativos a los números reales.
L
En un principio se deja a los alumnos interactúen libremente en la plataforma dentro de las

U
actividades dedicadas a Aritmética, y a medida que se constatan los resultados positivos en cuanto a la
adaptación al uso de la misma, se los guía hacia contenidos que están acordes a su nivel académico.
Además de esta orientación del profesor, la mecánica de plataforma, según van superando las tareas,
A
los guía hacia el siguiente contenido dentro del bloque que están trabajando.
Al comienzo de cada sesión, los alumnos siempre acceden a la zona de repaso de los contenidos
alcanzados, lo que permite un afianzamiento y revisión de los conocimientos ya adquiridos, como
E
toma de contacto previa antes de enfrentarse a las nuevas tareas. Después de esta revisión, pasan a
realizar nuevas actividades bajo la supervisión del profesor de aula, interactuando entre ellos como
harían en una sesión usual, preguntándose dudas y mostrando sus estrategias personales (enseñanza
D
entre iguales). El profesor resuelve dudas puntuales y orienta a los alumnos, pero deja que sean ellos
los que busquen sus estrategias de resolución de los ejercicios. Se da la circunstancia de que no se trata
de un grupo integrado en el programa bilingüe de educación, por eso no se forzó a los alumnos a
visionar los vídeos explicativos, aunque se los animó a ello. Las explicaciones relevantes las dio el
profesor a toda la clase. Si se quisiera hacer un mayor uso de estos vídeos, habría que adecuar las
S
explicaciones del profesor a las que se dan en ellos, puesto que la notación y los procedimientos
empleados en Estados Unidos varían en muchas ocasiones de las utilizadas en España.
A
Por último, el profesor o coach comprueba la evolución de los alumnos en la plataforma,

accediendo a sus perfiles y observando si están teniendo dificultades especiales en algún tipo de
I
actividad. En función de si estas dificultades detectadas son exclusivas de unos pocos alumnos, o las
desarrollan todos los alumnos, el profesor puede decidir entre intervenciones individualizadas o
grupales, lo que permite una atención más personalizada en el alumno y su evolución académica.
C
5. Resultados
N
La experiencia de trabajar con la Khan Academy surge, en parte, de la decisión que toma el
E
departamento de matemáticas de trabajar el bloque de Aritmética de manera transversal en todos los

niveles de la ESO. Este hecho, y el disponer de ordenadores personales para los alumnos de 4º ESO,
posibilitaron el plantear una prueba piloto, cuyo primer objetivo era evaluar la eficacia y conveniencia
I
del uso de esta plataforma. Sin embargo, la respuesta tan buena que da el grupo de alumnos durante
los dos primeros meses de la experiencia, hizo que lo que en principio estaba planteado como una
R
prueba piloto, se convirtiera en una actividad evaluable a nivel académico durante todo el curso.
Los alumnos tienen un grado de participación superior a lo esperado, adaptándose rápidamente

E
a la mecánica de la plataforma. Independientemente de los contenidos trabajados, los alumnos dedican

de media el 70% de la clase al trabajo efectivo en la resolución de actividades, lo que supone de 35 a
40 minutos de cada clase de 55 minutos. Se constata, sesión tras sesión, que los alumnos presentan de
P
esta manera una implicación y una motivación mayor que cuando los mismos contenidos se trabajan
de forma tradicional. Es significativa la labor realizada por los alumnos al trabajar con radicales, en el
X
estudio de su significado, simplificación y realización de operaciones con ellos. Una unidad que tiene
un carácter bastante árido cuando se imparte de manera habitual, se convierte en un reto para ellos,
pues no cejan en ningún momento de intentar alcanzar el éxito, aunque esto suponga repetir la
E
actividad varias veces. Los alumnos van desarrollando sus propias estrategias de trabajo, son más
metódicos y ordenados que en las tareas habituales, puesto que comprueban que de esta forma les es

más fácil superar las actividades que se les presentan. En el caso concreto del trabajo con radicales,
E
desarrollan una habilidad para la descomposición factorial que hasta el momento no habían
demostrado, tanto en este curso como en cursos anteriores.
X
La base de este alto grado de motivación se encuentra principalmente en el hecho de trabajar
con el ordenador. Es la primera vez que con estos alumnos se realiza este tipo de experiencia en una
P
clase de Matemáticas de manera tan continuada. Además, lo que en un principio consideraron un
juego, con el tiempo se convierte en una competición sana entre ellos por ver quién era capaz de
hacerlo mejor y en el menor tiempo, en ver quién obtiene mayor puntuación y va primero en la
E
adquisición de nuevos contenidos.
R
El hecho de que el alumno controle en todo momento su progreso académico, lo hace partícipe
de su aprendizaje pues se está autoevaluando continuamente, permitiendo que constate de forma
efectiva el valor de su esfuerzo y los efectos que de él se obtienen, repercutiendo de manera positiva
I
en los resultados académicos del alumno.
E
6. Conclusiones
N
En vista de los resultados obtenidos en esta experiencia de aula, se considera que el uso de la
plataforma de la Khan Academy en las clases de matemáticas resulta ser conveniente, puesto que
mejora la motivación y la predisposición al trabajo de los alumnos. Sin embargo, desde el punto de
C
vista del profesor hay que cuidar la estructuración de las actividades que van a desarrollar los alumnos
para mejorar la eficacia y aprovechar mejor las posibilidades que ofrece la plataforma de Khan
Akademy. Si se va a emplear la academia como instrumento de evaluación de la adquisición de nuevos
I
conocimientos por parte de nuestros alumnos, se ha de guiar el proceso para que se mantenga dentro
de los márgenes de aquellos contenidos que se desee trabajar, puesto que sin esta guía los alumnos
A
pueden quedarse en actividades de un nivel inferior al que ya tienen adquirido o saltar a otras que
necesitan de conocimientos que aún no dominan.
S
En cuanto al trabajo de los conceptos del bloque de Aritmética a través de las actividades
interactivas que se proponen en esta plataforma, se detecta una mayor predisposición a la adquisición de
nuevos conceptos, desarrollando estrategias personales que tienden a ser cada vez más efectivas y
eficientes, fomentando el trabajo autónomo del alumno, que es su propio evaluador y gestor de progresos.
La plataforma de la Khan Academy, como herramienta a introducir en el desarrollo habitual de

las clases de matemáticas, puede resultar muy beneficiosa para el progreso académico de los alumnos.
D
E
Estructurando correctamente las experiencias y actividades que se deseen realizar, se podrán alcanzar
resultados mejores que los que se pudieran obtener en el desarrollo habitual de las clases, puesto que
se trata de una herramienta motivadora y que involucra de manera efectiva al alumnado en la gestión y
evaluación de su aprendizaje.
A
Bibliografía
U
Plataforma de la Academia Khan (Khan Academy) www.khanacademy.org

L
Ana Teresa Antequera Guerra. CEO Juan XXIII, La Palma. Profesora de Matemáticas, obtiene el título
de Doctora en Didáctica de la Matemática en 2011, y dedica su línea de investigación al desarrollo de
tareas adaptadas al nivel de Secundaria sobre conceptos de Teoría de Juegos. Email: aantegue@yahoo.es
A

ISSN: 1887-1984
L
Borges y la matemática
E
Guillermo Martínez
E
R
M
A
T
E
M
Editorial Destino
Á
Colección: Imago Mundi
ISBN: 9788423339440 T
150 páginas
I
Guillermo Martínez es bien conocido en el mundo literario como novelista, además de ser
licenciado en Matemáticas por la Universidad Nacional del Sur (Argentina) y doctor en Lógica.
C
También cursó estudios postdoctorales en la Universidad de Oxford. Algunas de sus producciones,

como Acerca de Roderer o Crímenes Imperceptibles (publicada en España como Los Crímenes de
A
Oxford) obtuvieron una notable aceptación de la crítica. Tanto es así que la segunda novela llegó a
adaptarse al cine.
S
Borges y la matemática, la obra que nos ocupa, no es una novela, sino un ensayo o más bien un
conjunto de ensayos, construido con la transcripción de sus charlas universitarias, algunas dadas en el
Malba (Museo de Arte Latinoamericano de Buenos Aires), y artículos publicados en diarios argentinos

Borges y la matemática. Guillermo Martínez
Reseña: F. J. Hernández Bonilla
(Clarín, Página 12 y La Nación) que hablan de la influencia de las matemáticas en la obra de Borges,
principalmente, y que complementa con otros contenidos que guardan relación con ellas.
Guillermo Martínez subdivide el libro en dos partes bien diferenciadas. La primera es la que
S
está más íntimamente relacionada con el título del mismo, y quizás sea la mejor parte del libro, en
donde muestra cómo Borges bebió de las fuentes matemáticas, con más profusión en aquellos pasajes
en donde lo paradójico o la incertidumbre son más que manifiestos, para escribir algunas de sus
A
creaciones más destacadas (El disco, El libro de arena, La Biblioteca de Babel, Del rigor en la
ciencia, El Aleph, El idioma analítico de John Wilkins, La esfera de Pascal, etc.…).
C
El autor nos refiere que cuestiones como el concepto de infinito o la clase de las clases son
jugoso pábulo para Borges quien, con una estructuración lógica similar a la de la misma matemática,
las dota de literario protagonismo para sus cuentos. Martínez nos cuenta que la abstracción
I
matemática también está muy presente en la obra de Borges, concretamente en las disquisiciones
teóricas sobre lo genérico y lo concreto que aparecen, por ejemplo, en Funes el memorioso.
T
La segunda parte presenta un cierto alejamiento en relación a la impronta de la matemática en

Á
Borges. Está formada, como decíamos, por varios artículos sobre temas relacionados con la
matemática, algunos de sobra conocidos. De ellos destacamos la historia completa desde su
formulación hasta su total resolución de la conjetura de Fermat en Un margen demasiado exiguo, la de
M
los hermanos pitagóricos, unos gemelos de real existencia que parecen estar sumidos en un mundo
autista pero, que sin embargo, son capaces en sus escasas conexiones con el mundo normal de recitar
altos números primos, en Un asunto de gemelos y primos, el desilusionador, pero necesario, teorema
E
de incompletitud de Gödel o el principio de incertidumbre de Heisenberg en Un dios pequeño,

pequeño.
T
Otros capítulos de esta segunda parte del libro son:
El cuento como sistema lógico.

A
Euclides o la estética de la razón matemática.

Soluciones y desilusiones.
M
La música del azar.

Literatura y racionalidad.
¿Quién le teme al uno feroz?
El sumidero de Dios.
Ya solo fuera por la primera parte del libro, Borges y la matemática merecería la lectura de todo
aquel que conozca la obra de Borges o que esté cercano al mundo de las matemáticas. Si le
R
concurrieran ambas circunstancias, pues mucho mejor. Sin embargo, este libro ha sido recientemente
descatalogado por los editores, al menos en España. Cabe la posibilidad, no tan remota, que vuelva a
ser editado y, muy posiblemente, en formato de bolsillo. En tal caso, y ya concluyendo, me atrevo a
E
afirmar que su lectura valdría la pena. E incluso, podría significar un material adecuado para llevar a
cabo una actividad interdisciplinar en un grupo de Bachillerato que propusieran conjuntamente los
departamentos de Matemáticas, Lengua Castellana y Literatura y Filosofía de un instituto.
E
Concretamente sugiero lo desarrollado en el capítulo Un dios pequeño, pequeño que, de mayor o

menor modo, pero en cualquier caso potencialmente provechoso, guarda relación con los currículos
L
pertenecientes a los tres departamentos.
Francisco Javier Hernández Bonilla (IES César Manrique. Lanzarote, España)

ISSN: 1887-1984
L
Desafíos Matemáticos propuestos por la Real Sociedad
Matemática Española en su centenario
E
Adolfo Quirós (Coord.)
E
R
M
A
T
E
M
Editorial SM
Á
Colección: Biblioteca Estímulos Matemáticos
T
ISBN: 9788467557787
I
216 páginas
C
El libro “Desafíos matemáticos” es el resultado de las respuestas dadas a una serie de problemas
matemáticos que, con ocasión de la celebración del centenario de la RSME, el periódico El País
presentó a sus lectores. La respuesta fue un éxito y el resultado es este libro con sesenta autores, unos
A
profesores de instituto, otros de universidad, los hay que son estudiantes de bachillerato, otros del
Grado de Matemáticas, los hay doctores, licenciados y hasta alumnos de la ESO.
S
De todas las respuestas correctas a los 40 desafíos planteados, el profesor Adolfo Quirós ha
hecho una selección y ha agrupado las soluciones en este libro que, como se dice en la introducción
“es una obra colectiva, pero no conjunta”. Lo ha hecho a lo largo de 10 capítulos, con títulos: 1)

Desafíos Matemáticos propuestos por la Real Sociedad Matemática Española en su centenario.
Estrategias; 2) Cuadrados y rectángulos numéricos; 3) A contar; 4) Triángulos; 5) ¿Se puede o no se

puede?; 6) Aritmética; 7) Recubrimientos; 8) ¡Vaya números!; 9) Probabilidad y 10) Geometría.
S
El promotor de la idea, el periodista de El País Bernardo Marín, se ha encargado de hacer el

prólogo y en él se dice “fue una iniciativa simpática, original y didáctica que tuvo cierta repercusión,
aunque sin trascendencia cósmica”. Pero dice más adelante que “es el proyecto del que estoy más
A
orgulloso, en el que he puesto más cariño y el que me ha hecho más feliz” y eso que, como dice más
adelante, “estudié bachillerato mixto y no sacaba las mejores notas en Matemáticas”.
C
La “obra coral con sesenta autores de muy diversas edades y categorías académicas” presenta en
el capítulo 1 cuatro desafíos para cuya resolución no hacen falta conocimientos matemáticos
específicos. El primero de ellos se titula “Cómo elegir un equipo ganador” y su resolutor es Juan Mata,
I
jugador del Chelsea y campeón del mundo con la Selección Española en 2010 y de Europa en 2012. El
siguiente, “Pesando tornillos” está resuelto por estudiantes de 1.º de ESO; el tercero “Una cuestión de
T
sombreros” por un estudiante de la Licenciatura de Matemáticas y por un Licenciado en Matemáticas;

y el último “Un país de palillos” por el escritor y divulgador matemático Fernando Corbalán. La
diversidad de los autores es una muestra del resto de capítulos.
Á
En el capítulo 2 se presentan casos de cuadrados mágicos y uno de ellos dice así: “El desafío
M
consiste en completar el cuadrado de la figura (de 3x3), donde ya se ha escrito el 15 en la posición

central, con ocho números enteros positivos, todos ellos distintos entre sí, de tal manera que al
multiplicar los tres de cada fila, de cada columna y de cada una de las dos diagonales obtengamos, en
E
todos los casos, el mismo resultado”.
Hay títulos de desafíos muy llamativos como: ¡Todo el mundo a su silla! o Un vecindario
T
emprendedor o Concierto en la plaza del pueblo o Un piano gigantesco o Los números elegantes. Por
cierto, ¿sabe Ud. amable lector lo que es un número elegante? “Un número será elegante si al sumar
los cuadrados de sus cifras, repetir esta misma operación sobre el resultado obtenido, e iterar este
A
procedimiento suficientes veces, la sucesión de números resultantes alcanza en algún momento el 1”.
M
Así podríamos estar relatando desafío tras desafío, pero es mucho mejor dejar al propio lector
que vaya ojeando el libro y deteniéndose en el desafío que más le llame la atención y que sus
conocimientos matemáticos se lo permitan, se lo sugiero.
Son 40 desafíos matemáticos distribuidos en 10 capítulos, a lo largo de 216 páginas y

coordinado por el Prof. Adolfo Quirós quien recogió la idea del periodista de El País Bernardo Marín
y que con el patrocinio de la RSME y la colaboración de la editorial SM ponen a disposición del
R
colectivo amante de las Matemáticas un libro para disfrutar, porque como se dice en el prólogo “puedo
llegar a la violencia (verbal) si alguien pone en duda que los números primos son infinitos porque sé
demostrar que no se termina nunca, igual que no se acaba la felicidad que pueden proporcionar las
E
matemáticas si tenemos la paciencia de escucharlas”.

E
Al ser tan amplio el sector de alumnos que lo podrían utilizar, así como el de profesores, es
difícil apuntar algunas formas de utilizar el texto, porque algunos desafíos son para profesores de
universidad, otros para alumnos del grado de Matemáticas, otros para profesores de secundaria y
L
algunos para alumnos aventajados de bachillerato y de secundaria y alguno suelto para aficionados a
las Matemáticas. Cada uno elegirá en función de sus intereses y de sus fines.
En definitiva, un buen libro, bien estructurado y presentando, tanto en su contenido como en su

continente, y que termina con unas páginas dedicadas a los autores en donde aparecen sus fotografías

Desafíos Matemáticos propuestos por la Real Sociedad Matemática Española en su centenario.
y una breve descripción biográfica que permite al lector conocer a algunos amantes de las matemáticas
que aceptaron un desafío y lo resolvieron correctamente y utilizaron, como se dice en la cubierta del
libro, “la herramienta esencial para resolver los desafíos es pensar ordenadamente”. Deseamos que los
lectores del libro disfruten, al menos, lo mismo que he disfrutado yo a lo largo de la lectura que me ha
L
permitido hacer esta recensión.
E
Rosa Nortes Martínez-Artero (Universidad de Murcia. España)
E
R
M
A
T
E
M
Á
T
I
C
A
S

ISSN: 1887-1984
Congresos
I
XVI Jornadas para el
Aprendizaje y la Enseñanza
N
de las Matemáticas
F
Fecha: 2 al 5 de julio del 2013
O
Lugar: Ciudad de Palma. Palma de Mallorca. España.
Convoca: Federación Española de Sociedades de Profesores de Matemáticas.
Organiza: Societat Balear de Matemàtiques
R
Información: http://xvi.jaem.es/
M
27° Reunión Latinoamericana
A
de Matemática Educativa
(RELME 27)
C
Fecha: 15 al 19 de julio de 2013
Lugar: Buenos Aires. Argentina
I
Convoca: Comité Latinoamericano de Matemática Educativa
Información: www.clame.org.mx
Encontro Nacional de O
N
Educação
Matemática
E
Educação
S
Matemática:
Retrospectivas e
Perspectiva.
Fecha: del 18 al 21 de Julio del 2013
Lugar: Curitiba, Brasil.
Información: http://enem2013.pucpr.br/

37th Conference of the International Group
for the Psychology of Mathematics Education
Fecha: 28 de julio al 2 de agosto de 2013
S
Lugar: Kiel, Alemania.

Información: http://www.pme2013.de/en
E
N
O
Congreso Matemático de las

Américas
I
C
Fecha: 5 al 9 de agosto del 2013

Lugar: Guanajuato. Mexico
A
Convoca: Sociedad Matemática Mexicana

Información: http://www.mca2013.org
M
R
XVII Simposio de la Sociedad

O
Española de Investigación en
Educación Matemática
F
Fecha: 5, 6 y 7 de Septiembre de 2013

N
Lugar: Bilbao. España

Convoca: Sociedad Española de Investigación en Educación Matemática
Organiza: Departamento de Didáctica de la Matemática y de las Ciencias Experimentales.
I
UPV/EHU y SEIEM
Información: http://www.seiem.es/

Fecha: 16 al 20 de septiembre de 2013
I
Lugar: Montevideo, Uruguay
Información: http://www.cibem7.semur.edu.uy/home.php
N
F
O
VIII Congreso Venezolano de
R
Educación Matemática
M
“La Matemática, en y para la
vida”
A
C
Fecha: Del 1 al 4 de octubre de 2013
Lugar: Santa Ana del Coro. Venezuela
I
Convoca: Asociación Venezolana de Matemáticas (ASOVEMAT)
Información: www.asovemat.falcon.gob.ve
O
N
E
14º Encuentro Colombiano de

Matemática Educativa.
S
ECME—14
Fecha: 9 al 11 de octubre de 2013

Lugar: Ciudad de Barranquilla, Colombia
Convoca: Asociación Colombiana de Matemática Educativa (ASOCOLME) y
Universidad de Atlántico, Barranquilla
Información: www.asocolme.com

VI Congresso Internacional de Ensino de Matemática
Fecha: 16, 17 y 18 de Octubre del 2013

Lugar: Ulbras. Canoas. Brasil
Convoca: Universidad Luterana de Brasil
Información: http://www.conferencias.ulbra.br/index.php/ciem/vi
S
E
I Congreso de
Educación
N
Matemática de
América Central y
de El Caribe
O
Fecha: 6, 7 y 8 de noviembre de 2013

I
Lugar: Santo Domingo. República Dominicana

Información: http://www.centroedumatematica.com
C
A
Congreso Latinoamericano de
M
Geogebra
Argentina 2013
R
Fecha: 7, 8 y 9 de noviembre de 2013

O
Lugar: Chaco. Argentina

Información: http://geogebra.uncaus.edu.ar
F
N
XXIV SIEM Seminário de Investigação em

Educação Matemática
I
Fecha: 16 y 17 de noviembre de 2013

Lugar: Braga. Portugal
Convoca: Universidade do Minho
Información: http://www.apm.pt

ISSN: 1887-1984
N O R M A S
Volumen 83, julio de 2013, página 221
1. Podrá presentar sus artículos para publicar cualquier persona, salvo los miembros del Comité
editorial y los de la Junta Directiva de la Sociedad Canaria de Profesores de Matemáticas.
2. Los trabajos se enviarán por correo electrónico a la dirección: numeros@sinewton.org
3. Los trabajos presentados para su posible publicación deben ser originales y no estar en proceso de
revisión o publicación en ninguna otra revista.
4. Los artículos remitidos para publicar deben tener las siguientes características:
• Se enviarán en el formato de la plantilla que se encuentra en la página web de la revista.
• Tendrán un máximo de 25 páginas incluidas notas, tablas, gráficas, figuras y bibliografía.
• Los datos de identificación de los autores deben figurar en la última página: nombre, dirección
electrónica, dirección postal, teléfono. Con el fin de garantizar el anonimato en el proceso de
evaluación, esos datos sólo estarán en esta última página.
• Al final del artículo se incluirá una breve nota biográfica (no más de cinco líneas) de cada uno
de los autores, en la que se puede incluir lugar de residencia, centro de trabajo, lugar y fecha
P A R A
de nacimiento, títulos, publicaciones... Se indicarán las instituciones a las que pertenecen.
• Hay que incluir un Resumen de no más de diez líneas y una relación de palabras clave;
también, en inglés, un Abstract y un conjunto de keywords.
• Se hará figurar las fechas de recepción y aceptación de los artículos.
• Tipo de letra Times New Roman, tamaño 11 e interlineado sencillo. Es importante no cambiar
el juego de caracteres, especialmente evitar el uso del tipo “Symbol” u otros similares.
• Para las expresiones matemáticas debe usarse el editor de ecuaciones.
• Las figuras, tablas e ilustraciones contenidas en el texto deberán ir incluidas en el archivo de
texto (no enviarlas por separado).
• Las referencias bibliográficas dentro del texto deben señalarse indicando, entre paréntesis, el
autor, año de la publicación y página o páginas (Freudenthal, 1991, pp. 51-53).
• Al final del artículo se incluirá la bibliografía, que contendrá las referencias citadas en el texto,
L O S
ordenadas alfabéticamente por el apellido del primer autor, de acuerdo con el siguiente modelo:
o Para libro: Lovell, K. (1999). Desarrollo de los conceptos básicos matemáticos y
científicos en los niños. Madrid: Morata.
o Para capítulo de libro, actas de congreso o similar: Fuson, K. (1992). Research on
whole number addition and subtraction. En Grouws, D. (ed.) Handbook of Research on
Mathematics Teaching and Learning, 243-275. MacMillan Publishing Company: New
York.
o Para artículo de revista: Greeno, J. (1991). Number sense as situated knowing in a
conceptual domain. Journal for Research in Mathematics Education, 22 (3), 170-218.
A U T O R E S
o Para artículo de revista electrónica o información en Internet: Cutillas, L. (2008).
Estímulo del talento precoz en matemáticas. Números [en línea], 69. Recuperado el 15 de
febrero de 2009, de http://www.sinewton.org/numeros/
5. Los artículos recibidos se someterán a un proceso de evaluación anónimo por parte de
colaboradores de la Revista. Como resultado del mismo, el Comité editorial decidirá que el trabajo
se publique, con modificaciones o sin ellas, o que no se publique.
6. El autor recibirá los comentarios de los revisores y se le notificará la decisión del Comité Editorial.
Si a juicio de los evaluadores el trabajo es publicable con modificaciones, le será devuelto al autor
con las observaciones de los árbitros. El autor deberá contestar si está de acuerdo con los cambios
propuestos, comprometiéndose a enviar una versión revisada, indicando los cambios efectuados, en
un periodo no mayor de 3 meses. De no recibirse en ese plazo, el Comité Editorial dará por sentado
que el autor ha desistido de su intención de publicar en la Revista.


Volumen 83 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

Volumen 83 PDF

Cargado por

Copyright:

Formatos disponibles

NÚMEROS

Revista de Didáctica de las Matemáticas

Sociedad Canaria Isaac Newton de Profesores de Matemáticas

Sociedad Canaria Isaac Newton

El sentido estadístico y su desarrollo

Algunas posturas con respecto al sistema de numeración muisca

Sociedad Canaria Isaac Newton

Normas para los autores 221

4 Vol. 83 julio de 2013 NÚMEROS

Israel García, Miembro del Comité Editorial de Números

El 2013 se ha dedicado a la celebración del Año Internacional de la Estadística. Este evento

En el presente monográfico realizaremos un viaje por diferentes usos de la estadística en nuestro L

Ana Serradó, como coordinadora española del Proyecto Internacional de Alfabetización

Sociedad Canaria Isaac Newton

Seguidamente, Mercedes Suárez nos introducirá en el mundo de la empresa y el uso de la

en el razonamiento estadístico, propiciando en los estudiantes la denominada cultura estadística.

6 Vol. 83 julio de 2013 NÚMEROS

Artículo solicitado a los autores por la revista

Resumen En este trabajo concebimos el sentido estadístico como unión de la cultura y

Palabras clave Sentido estadístico, cultura estadística, razonamiento estadístico.

Keywords Statistical sense, statistical literacy, statistical reasoning.

Sociedad Canaria Isaac Newton

La expresión “sentido numérico” se encuentra con frecuencia en la investigación en didáctica

“el dominio reflexivo de las relaciones numéricas que se puede expresar en

Observamos en esta descripción y otras semejantes un doble componente de adquisición de

En consecuencia en lo que sigue concebimos el sentido estadístico como unión de la cultura

La importancia que actualmente recibe la enseñanza de la estadística se debe a la necesidad,

8 Vol. 83 julio de 2013 NÚMEROS

a) Capacidad para interpretar y evaluar críticamente la información

3. Ideas estadísticas fundamentales

Gráficos. Debido a su presencia en los medios de comunicación e Internet, el aprendizaje de los

Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 9

permitan controlarla y predecirla (Reading y Shaughnessy, 2004).

Probabilidad. La característica principal de la Estadística es hacer uso de modelos aleatorios, a

• En la concepción clásica, se define la probabilidad de un suceso como el cociente entre el

todos sean equiprobables.

10 Vol. 83 julio de 2013 NÚMEROS

Además de la comprensión de las anteriores ideas, su uso adecuado en la resolución de

Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 11

la capacidad de integrarlo es también un componente esencial del razonamiento estadístico.

El desarrollo del razonamiento y la producción de sentido son resaltados para el caso de la

5. Desarrollo del sentido estadístico a través del trabajo con proyectos

El sentido estadístico, como unión de la cultura y razonamiento estadísticos debe construirse en

A continuación analizamos un ejemplo de proyecto adaptado de Shaughnessy, Chance y

Sin embargo, la disminución de los tiempos no es sistemática; se observan fluctuaciones y

12 Vol. 83 julio de 2013 NÚMEROS

Año Atleta País Tiempo Atleta País Tiempo

Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 13

Figura 1. Marcas olímpicas en las pruebas de 200 metros

Figura 2. Rectas de regresión ajustadas a los datos de mujeres y hombres

14 Vol. 83 julio de 2013 NÚMEROS

Otra información importante proporcionada por Excel es el coeficiente de determinación R2,

Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 15

Figura 4. Ajuste de un modelo polinómico a los datos de mujeres

Como señalaron Anderson y Loynes (1987), la estadística es inseparable de sus aplicaciones, y

Respecto a la cultura, se han trabajado multitud de ideas fundamentales: comenzando con la

16 Vol. 83 julio de 2013 NÚMEROS

En el proyecto también se han ejercitado actitudes propias de la cultura y el razonamiento

Agradecimientos: Proyecto EDU2010-14947 (MCINN-FEDER) y grupo FQM126 (Junta de Andalucía).

Sociedad Canaria Isaac Newton Vol. 83 julio de 2013 17

Carmen Batanero Bernabeu, Facultad de Ciencias de la Educación, Universidad de Granada. Fue

Carmen Díaz Batanero, Facultad de Ciencias de la Educación, Universidad de Huelva, es doctora en

Rafael Roa Guzmán, es doctor en Didáctica de la matemática y profesor Titular de Universidad de la