Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
Este documento presenta una revisión de literatura que analiza la articulación de la modelación
en Educación Matemática con tecnologías digitales y los diversos aprendizajes que promueve en
los estudiantes. Los documentos que se analizaron permiten encontrar evidencia de diferentes
usos de tecnologías digitales en procesos de modelación y cómo se transforman algunas
visiones para el trabajo en el aula, además de su incidencia en diversos aprendizajes de los
estudiantes. Para tal fin, se presenta el proceso de búsqueda, los criterios de selección y el
análisis de 41 artículos y un libro. Los resultados muestran algunas características de los
aprendizajes encontrados en la revisión de varios estudios empíricos que se documentaron en
diferentes trabajos y algunos hallazgos sugieren la necesidad de ampliar la investigación para
tener una mejor comprensión del impacto de las tecnologías digitales en los procesos de
modelación, además de identificar las bondades y limitaciones para el aprendizaje de las
matemáticas.
1. Introducción
La modelación en Educación Matemática es un área de conocimiento que muestra su
consolidación a través de múltiples investigaciones desarrolladas en las últimas décadas. Como
muestra de ello la modelación1 se investiga por sus contribuciones para el trabajo en las aulas, las
diversas maneras en que se promueve el trabajo investigativo de los estudiantes y las
posibilidades de establecer vínculos entre el estudio de fenómenos reales y las matemáticas
(Bicudo & Klüber, 2011; Werner Blum, 2011; Borromeo Ferri, 2007; Dos Santos Gomes Pereira
& Dos Santos Júnior, 2013; Kaiser & Sriraman, 2006; J. A. Villa-Ochoa, 2013).
1
En este documento el término modelación hará referencia a la modelación en Educación Matemática, esto para
establecer una diferencia con modelación matemática.
trabajos analizan el desarrollo de sus procesos y diversos roles que asumen los estudiantes y
profesores en éste, además, también presentan evidencias de que existe una estrecha relación
entre las maneras en que estos procesos pueden articularse con numerosos medios tecnológicos
para promover diversos aprendizajes en los estudiantes (Neves y Teodoro, 2014; Soares y Borba,
2014; Trigueros, 2009).
¿Qué roles asumen las tecnologías digitales en los aprendizajes de los estudiantes cuando están
involucrados en ambientes de modelación?¿Cuáles son las características y las evidencias que
ofrece la literatura acerca de los aprendizajes de los estudiantes en ambientes de modelación con
tecnologías digitales?
El siguiente apartado presenta la metodología que se llevó acabo para desarrollar esta revisión de
literatura y posteriormente los resultados y conclusiones.
2. Metodología
En coherencia con Jesson y Lacey (2006), una revisión de literatura es una narrativa de la
información que relaciona perspectivas o paradigmas diferentes y reflejan el punto de vista de
quien las construye. Su objetivo es presentar una evaluación de la información publicada con
anterioridad y, de esa manera, observar qué se conoce de un tema en especial e identificar una
posible brecha en el conocimiento que pueda ampliar un campo de investigación. Para el caso de
esta revisión se busca encontrar evidencia de diversos aprendizajes de los estudiantes al
desarrollar un proceso de modelación con tecnologías digitales, es decir, aspectos relacionados
con el aprendizaje de contenidos matemáticos, habilidades, procesos, entre otros. Para dar
cumplimiento a este fin, Jesson y Lacey recomiendan en primer lugar seleccionar el material a
analizar con criterios que permitan establecer una clasificación posterior; luego, construir un
marco analítico con base en preguntas o conceptos con los cuales se establezcan parámetros para
comparativos de los trabajos seleccionados y, finalmente, identificar una brecha de conocimiento
que ofrezca un insumo para consolidar una nueva propuesta de investigación. En
correspondencia con estos tres momentos, a continuación se relacionan los procesos que
orientaron la construcción de esta revisión.
La codificación en el programa Atlas.ti se realizó para agrupar aspectos teóricos que los
autores de cada artículo declaraban referente a la modelación, el uso de la tecnología y las
diversas maneras en que asumen y caracterizan el aprendizaje de sus estudiantes para identificar
cuándo y cómo aparecen. Posteriormente se crearon códigos emergentes vinculados al
aprendizaje de la modelación, cómo se promueve el uso de la tecnología y características para su
enseñanza y aprendizaje.
Con el fin de elaborar un marco analítico como lo sugieren Jesson y Lacey (2006), se
codificaron cada una de las citas encontradas en los documentos con el fin de agrupar aquellas en
las cuales había coincidencias con relación a las preguntas que se diseñaron para esta revisión.
La codificación fue un método que permitió, además de agrupar los trabajos, establecer una
fuente de comparación entre las diversas ideas que se encontraron al interior de cada uno de ellos
y también generar unas posibles preguntas para futuras investigaciones.
3. Resultados
Los resultados del análisis de la información dan cuenta de los aspectos de carácter
teórico y metodológico que se encontraron al leer y comparar los artículos. En este sentido, se
discuten aspectos generales acerca de la modelación con tecnologías digitales y algunas
condiciones para su implementación en el aula. Posteriormente, se presentan diversos roles que
asume la tecnología en procesos de modelación y finalmente, se plantean algunas
consideraciones que se identificaron en relación con las características de aprendizaje en
procesos de modelación con tecnologías digitales.
Para Bassanezi (2002) los estudiantes están acostumbrados a ver al profesor como un
trasmisor de conocimiento y por ello, la dinámica que genera la modelación en el aula puede ser
motivador solo para algunos participantes del proceso, ya que la formación en esta área se
vincula fuertemente con los métodos que se utilizaron inicialmente para el estudio de las
matemáticas como una ciencia y esto impone un rol diferente a los estudiantes. Por lo tanto,
quien modela no solo aprende matemáticas, sino también, descubre una manera de interpretar la
realidad y tomar decisiones frente al estudio de múltiples situaciones.
Hay una tendencia por incluir enfoques o posturas de la modelación en los planes de
estudio de sus instituciones educativas (Blum, 2011). Sin embargo, esta es una tarea que demarca
desafíos para estudiantes, profesores y múltiples procesos que se desarrollan al interior de las
aulas, entre otros, aquellos que articulan las tecnologías digitales por su alto impacto en el
currículo. En esta línea Greefrath y Vorhölter (2016) reconocen cambios en los procesos de
enseñanza de las matemáticas vinculados a la modelación debido principalmente, a la
transformación de las múltiples herramientas tecnológicas que se desarrollan y su introducción
de manera natural al trabajo con los estudiantes. Según Borba y Villarreal (2005) las tecnologías
digitales apoyan constantemente procesos de modelación y se han convertido en actores que
reorganizan la manera de producir conocimiento. Otros estudios reconocen la importancia de las
tecnologías digitales por la posibilidad de desarrollar experimentos, simulaciones y promover un
rol activo de los estudiantes en la construcción de su propio conocimiento (Buteau, Muller,
Marshall, Sacristán, y Mgombelo, 2016; Kaiser, 2005; Molina-Toro, 2013; Pons y Espinosa,
2015), promover habilidades para estimular soluciones numéricas (Greefrath y Vorhölter, 2016),
y en general, ofrecer la observación de fenómenos de estudio con sus múltiples representaciones.
En esta misma perspectiva pero con un enfoque diferente, Daher y Shahbari (2015)
vincularon la tecnología como un puente que comunica el ‘mundo real’ y el mundo de la
matemática (ilustración 2) en diferentes fases del ciclo de modelación. Para los autores la
diversidad de representaciones responde a los momentos particulares en los cuales la tecnología
tiene un rol en función del uso que le atribuyen quienes modelan. En estas representaciones del
ciclo de modelación, las tecnologías digitales tienen un papel dinámico que configura unos
modos particulares de asumir el proceso, esto es, cuando las personas que modelan tienen un
conocimiento tecnológico amplio, la articulación de la tecnología a los procesos de modelación
puede darse en el momento en que es necesario interpretar el fenómeno, caracterizar sus
variables y hacer traducciones al medio tecnológico que se utiliza. A partir de este momento, la
tecnología se convierte en un actor del proceso en el que se generan discusiones, se establecen
conjeturas, se producen y validan modelos matemáticos.
Ilustración 2.Ciclos de procesos de modelación reportados en Daher y Shahbari (2015)
Una tendencia que marcan estos trabajos muestra que la tecnología influye en los dos
“mundos” que cotidianamente representan el ciclo de la modelación y esa influencia altera la
manera en que los estudiantes desarrollan el proceso de modelado. A modo de ejemplo, el ciclo
(b) de la ilustración 2, muestra que la influencia de la tecnología generó interpretaciones y
discusiones del fenómeno de estudio que promovió posteriormente la toma de decisiones y la
validación del modelo matemático con el mismo recurso digital. Este aspecto es común a otros
trabajos en los cuales los estudiantes dialogan alrededor de las representaciones que obtienen de
diversos programas en los cuales se introducen datos para tomar decisiones frente al proceso que
desarrollan, además de generar discusiones frente a las características que muestra el reflejo de la
tarea en ambientes tecnológicos (J. Perrenet y Adan, 2010; Possani et al., 2010; Stillman y
Brown, 2014; Trigueros, 2009).
Consideraciones como las anteriores son evidencia de las diversas maneras en que la
tecnología condiciona, aunque no determina, las dinámicas al interior del proceso de modelación
que presentaron Blum y Leiß (2005), y son además, condiciones que reorganizan el ciclo de
modelación y están vinculados al hecho de tanto los estudiantes como los profesores no recorren
el ciclo de manera sistemática (Perrenet y Zwaneveld, 2012) y generan discusiones en algunos
casos a partir de modelos matemáticos que construyen con el apoyo de tecnologías digitales, o
en otros, vinculando la tecnología desde el mismo momento en que inician el proceso de
modelación hasta que lo culminan.
Para Siller y Greefrath (2010) las diversas tecnologías digitales en la educación (los
sistemas de álgebra computacional, los software de geometría dinámica y los programas de hojas
de cálculo) son indispensables en una educación matemática moderna, y además, hacen posible
encontrar nuevos contenidos para la educación. Las múltiples transferencias que puede realizarse
entre hombre y máquina, facilitan la manera en que los estudiantes interactúan entre ellos
mismos con el contexto, con la cultura y de manera particular con la matemática. Es por ello que
los múltiples esquemas con los cuales diversos investigadores representan el ciclo de modelación
pueden ser transformados por la aparición de nuevos dispositivos tecnológicos que al servicio de
la educación desarrollan otra serie de habilidades en los estudiantes. Una muestra de ello puede
encontrarse en el trabajo de Geiger (2011) quien adapta un esquema propio de Galbraith,
Renshaw y Goos (2003), para mostrar que la influencia de la tecnología está en la totalidad de
los pasos que se llevan a cabo al desarrollar un ciclo de modelación.
Ilustración 3. Interrelaciones tecnológicas y matemáticas de Galbraith et al. (2003). (b) Adaptación al modelo con tecnología de
Geiger (2011).
Esta adaptación obedece a que el autor en el trabajo con profesores considera que la
influencia de la tecnología en el ciclo de modelación es situacional. En ese sentido afirma que su
incorporación depende de las circunstancias y creencias que el profesor tenga sobre ellas, al
margen del medio tecnológico que está utilizando. Esta visión aunque no pretende establecer
generalidades, es una muestra de que la tecnología no limita las diversas maneras como puede
desarrollarse un proceso de modelación y las múltiples formas en que ésta puede articularse en
su realización.
En relación con a los CAS, diversos trabajos, con una visión diferentes de modelación,
muestran que los estudiantes realizan tareas en las cuales articulan las tecnologías digitales a los
procesos de modelación. En el trabajo de Perrenet y Adan (2010), estudiantes universitarios
desarrollaron procesos relacionados con la programación de algoritmos en java para analizar
fenómenos físicos y en éstos, lograron desarrollar procesos de abstracción, concretización,
análisis y síntesis, además de habilidades relacionadas con la creatividad y la aplicación de
conceptos matemáticos en la concretización. El estudio de Possani et al.(2010) los estudiantes
abordaron problemas que les implicó definir variables, realizar operaciones aritméticas, hacer
suposiciones en relación al problema que analizaban, parametrizar datos para solucionar
preguntas, analizar gráficos y promover la solución de problemas. El uso de calculadoras se
encontró en el trabajo de Trigueros (2009), en éste, los estudiantes exploraron representaciones
de modelos, dialogaron sobre la naturaleza de los datos que analizaron y estudiaron la solución
de ecuaciones. En palabras de Geiger (2011) los CAS y el modelado matemático proporcionan
una visión de las posibilidades y obstáculos que se pueden encontrar al diseñar e implementar
propuestas que respalden la enseñanza de la modelación a través del uso de tecnologías digitales.
Frente al uso de software de geometría dinámica, éste no sólo se utiliza para resolver
problemas relacionados específicamente con la geometría, también se reporta el uso de este tipo
de programas para validar modelos gráficos desarrollados por estudiantes en un proceso de
modelación, estudiar diferentes conceptos matemáticos que emergen del estudio de animaciones
y trabajar con tablas de datos para interpretar cálculos. (Sekulic & Takaci, 2013; Stillman, 2011).
Si bien en los trabajos anteriores, se presentan diversos aspectos que hacen parte del aprendizaje
los estudiantes, algunos de ellos se relacionan con competencias, en palabras de sus autores,
habilidades y conceptos propios de la matemática. En ese sentido, se puede observar que el
estudiante no sólo aprende conceptos u operaciones matemáticas, también hay evidencia de que
en el desarrollo del proceso de modelación ellos resuelven problemas, perfeccionan el uso de una
herramienta tecnológica y en conjunto con ello, abordan de múltiples maneras el estudio de
fenómenos para el aprendizaje de las matemáticas.
Los trabajos que se presentaron hasta ahora pueden marcar una tendencia frente al uso de
tecnologías digitales y el tipo de relación o condicionante entre el tipo de dispositivo utilizado y
su rol en la modelación. Los programas de álgebra computacional se utilizaron especialmente
para asociar variables, programar, realizar gráficas y animaciones. Los softwares dinámicos, en
un rol más representativo, se utilizaron para recrear situaciones en un ambiente virtual y a partir
de éste apreciar el comportamiento del fenómeno al alterar algunas variables. Este tipo de
trabajos se acerca un poco a procesos de experimentación aunque en algunos casos no alcanzan a
recopilar un número amplio de variables que en contexto afectan el fenómeno. Las hojas de
cálculo asumen un papel más utilitarista frente al manejo de datos, la representación de estos por
medio de gráficos y la posibilidad de vincular registros obtenidos por sensores y sistematizarlos
en este tipo de herramientas. Si bien, en estas tres categorías se pueden agrupar varios de los
software o instrumentos que se articulan a procesos de modelación que se estudiaron en esta
revisión, éstas no son suficientes si se tiene en cuenta que la internet, los dispositivos móviles y
otros softwares cuya actualización más reciente amplía las posibilidades para el diseño e
implementación de procesos de modelación. A modo de ejemplo, programas como Geogebra,
Modellus, Tracker, entre otros, no podrían incluirse solo en una de las tres categorías que se
encontraron inicialmente y son una muestra de que actualmente hay una intención de vincular
herramientas más experimentales a la Educación Matemática o en Ciencias Naturales para
desarrollar procesos de simulación y análisis más cercanos a la realidad.
Otro trabajo que se desarrolla con una fuerte influencia del software Modellus, es el
presentado por Molina-Toro (2013) quien realiza un proceso de modelación apoyado en
simulaciones vinculadas al estudio de gráficas y encuentra evidencia de las funcionalidades
descritas por Suárez y Cordero (2010) en las cuales los estudiantes construyen ideas de
variación, elaboran argumentos y cuantifican movimientos y ciertas características asociadas con
el estudio de fenómenos. En particular estos últimos dos trabajos muestra el desarrollo en
proceso de modelación articulado a un programa que reúne las condiciones de ser dinámico, de
tener una interfaz que combina modelos matemáticos con figuras en movimiento y tablas de
datos, además, según la apuesta didáctica del profesor, se podrían ocultar diferentes herramientas
de información gráfica, modelos algebraicos y otros datos, para proponer a los estudiantes su
construcción.
Hasta aquí, una amplia cantidad de artículos estudiados se incluyen en una de estas tres
categorías, sin embargo, la naturaleza de implementación de las tecnologías digitales que se
rastrearon en los trabajos de Soares y Borba (2014) y Molina-Toro (2013) sugiere una nueva
categoría que en adelante se denominará en este documento instrumento de modelación
educativa. Si bien esta cuarta categoría tiene algunas características de sus predecesoras, el rol
que asume frente al desarrollo del proceso de modelación trasciende un uso temporal y
focalizado a tareas específicas para convertirse en una herramienta constitutiva del proceso.
En esta revisión, los estudios que articulan las tecnologías digitales como un instrumento
de modelación son cercanos al constructo de Borba y Villarreal (2005) y presentan la tecnología
no como una herramienta sino un medio que le permite a los estudiantes el desarrollo de la
intuición frente al fenómeno que estudia, una secuencia en su razonamiento y el
desencadenamiento de ideas para la producción colectiva de conocimiento, entre otras bondades.
Esta mirada se debe principalmente a las manifestaciones de los autores en relación con el
desempeño los estudiantes en las cuales dan cuenta de que la tecnología más que una
herramienta es una extensión del pensamiento del colectivo, y en ese sentido interviene en varios
momentos del desarrollo de un proceso de modelación siendo parte estructural del mismo.
Total de artículos 27
En términos de esta revisión, los diversos aprendizajes de los estudiantes en un proceso
de modelación con tecnologías digitales se enmarcan no solo en múltiples conceptos
matemáticos, sino también en una serie de aspectos de carácter cognitivo que se relacionan con
las habilidades de los estudiantes para leer el contexto en el cual trabaja, hacer inferencias,
abstracciones, construir representaciones, tomar decisiones frente al comportamiento de algunas
variables, hacer ajustes de datos y manipular dispositivos digitales, entre otros aspectos que
incluso se refieren a dominios extra matemáticos.
Si bien algunos autores centran la atención en las competencias que son necesarias para
que un estudiante desarrolle procesos de modelación, otros autores en cambio reconocen las
diferentes actuaciones de los estudiantes frente a las diversas maneras en que abordan el estudio
de los fenómenos que se plantean. En términos de Bassanezi (2002) estos desempeños de los
estudiantes al abordar del estudio de un fenómeno mediante procesos de modelación son los que
acercan el desarrollo del método científico a las aulas.
4. Discusiones
En coherencias con las ideas anteriores, las características y las evidencias que ofrece la
literatura acerca de los aprendizajes de los estudiantes en ambientes de modelación con
tecnologías digitales son diversas en términos de las múltiples formas que que se desarrolla el
proceso. Algunos de ellos, trascienden el conocimiento de la matemática como disciplina con
todo un conjunto de relaciones, operaciones, conceptos y temas, entre otros; para poner el
estudiante en un escenario en el cual sus aprendizajes se reflejan por el tipo de actuaciones
frente a las diversas maneras de abordar el estudio fenómeno, de tomar datos, de acceder a
información que no conoce, de estudiar otros dominios del conocimiento con argumentos
enmarcados en el campo de la matemática para hacer descripciones del entorno que estudia, para
proponer relaciones entre variables y para tomar decisiones fundamentadas en múltiples
elementos que le ofrece su manera de realizar el proceso de modelación.
Aunque realizar una descripción detallada de cada uno de los aprendizajes que se pudo
observar en los diversos artículos es una tarea compleja, si está claro, con relación a los trabajos
empíricos analizados esta revisión, que el estudiante aprende aspectos relacionados con el
conocimiento matemático, con el contexto en el cual estudia un fenómeno, con el uso de
múltiples herramientas tecnológicas y con la producción de conocimiento en colectivo que no se
inscribe necesariamente en un campo disciplinar
5. Conclusiones
Múltiples estudios muestran que una amplia gama de dispositivos electrónicos y software
se introducen con frecuencia en diferentes procesos escolares, y aunque hay preferencias por el
uso de computadoras ya que apoyan y generan comprensiones de la matemática que ayudan a
mejorar la motivación (Siller & Greefrath, 2010); los dispositivos móviles, el internet, las
calculadoras y los sensores, entre otros, también son herramientas constitutivas para el desarrollo
de procesos de modelación en las aulas. En ese sentido, diversos autores reconocen que esta
multiplicidad de herramientas incide directamente en diferentes maneras como se desarrolla un
proceso de modelación, en competencias que perfeccionan estudiantes y profesores, y en
diversos escenarios en los cuales se puede hacer y aprender matemática.
Adicionalmente, en relación a los hallazgos de esta revisión, hay una serie de preguntas
que aún permanecen abiertas a diversos trabajos de carácter investigativo, para Blum (2011)
faltan estudios que indaguen cómo se pueden utilizar apropiadamente los dispositivos
tecnológicos para desarrollar competencias en modelación. En ese mismo sentido Greefrath
(2011) reconoce que hay poco conocimiento empírico sobre las posibilidades que ofrecen las
tecnologías digitales para la enseñanza de la modelación, lo que muestra nuevamente que la
articulación de modelación con tecnologías digitales es un área susceptible de ser investigada
con mayor profundidad.
Si bien hay estudios que muestran la influencia de las tecnologías digitales en diferentes
aprendizajes que consolida un estudiante al desarrollar un proceso de modelación, también es
cierto que faltan estudios empíricos adicionales que indaguen por las diversas maneras en que se
configuran estos aprendizajes y cómo se generan cambios en las percepciones de los estudiantes
cuando forman parte activa de este tipo de procesos. Estas consideraciones están en coherencia
con las necesidades de investigación que plantean Greefrath y Vorhölter (2016), y Geiger (2011)
quienes sugieren estudios que indaguen cuándo las herramientas digitales mejoran las
oportunidades de aprendizaje en el proceso de modelado, cómo éstas apoyan el trabajo en
diferentes grados escolares y el impacto de la tecnología en los procesos de enseñanza.
Lo anterior implica que futuros estudios centren su análisis en los múltiples desempeños
de los estudiantes, cómo modelan, qué utilizan para darle sentido a sus conjeturas, además de
observar cómo realizan sus experimentos y la incidencia de la tecnología en ellos. En esta
dirección, aunque se reconocen los aportes de algunos trabajos analizados en esta revisión frente
a la articulación de tecnologías digitales y modelación, y los aprendizajes que promueve,
también es claro que se pueden explorar otras miradas bajo las cuales la tecnología permita
generar otras experiencias en un proceso de modelación . Las diversas actualizaciones de varios
programas educativos pueden entre otras, ser una razón para que cada vez más los docentes
vinculen el estudio de un fenómeno a la interacción con un software educativo, el internet u otra
serie de dispositivos electrónicos. Una muestra de ello puede verse en las múltiples herramientas
que acompañan cada actualización de programas como el Geogebra, o las diversas aplicaciones
disponibles para celulares cuyo abanico de posibilidades amplía los múltiples recursos con los
cuales los profesores cuentan para la enseñanza de la matemática, la estadística o la geometría,
entre otras.
Referencias
Almeida, L. M., & Borssoi, A. (2002). Introdução à Modelagem Matemática. En Notas de aula.
Mestrado em Ensino de Ciências e Educação Matemática.
Alves, D. B., & de Souza Júnior, A. J. (2013). Mathematics Education in a Digital Culture.
Journal of Mathematical Modelling and Application, 1(8), 32–41.
Barbosa, J. C. (2006). Mathematical modelling in classroom: A socio-critical and discursive
perspective. ZDM - International Journal on Mathematics Education, 38(3), 293–301.
https://doi.org/10.1007/BF02652812
BASSANEZI, R. (2002). Modelagem Matemática–Um Método Cientifico de Pesquisa ou uma
Estratégia de Ensino e Aprendizagem. BASSANEZI, RR Ensino–Aprendizagem com
Modelagem Matemática: Uma Nova Estratégia. São Paulo: Contexto.
Bassanezi, R. C. (2002). Ensino-aprendizagem com modelagem matemática: uma nova
estratégia. Editora Contexto.
Bicudo, M. A. V., & Klüber, T. E. (2011). Research in mathematical modeling in Brazil: The
way for a metacomprehension [Pesquisa em modelagem matemática no Brasil: A
caminho de uma metacompreensão]. Cadernos de Pesquisa, 41(144), 905–927.
Blum, W. (2011). Can modelling be taught and learnt? Some answers from empirical research.
En Trends in teaching and learning of mathematical modelling (pp. 15–30). Springer.
Recuperado a partir de http://link.springer.com/10.1007/978-94-007-0910-2_3
Blum, W., & Borromeo-Ferri, R. (2009). Mathematical modelling: Can it be taught and learnt?
Journal of mathematical modelling and application, 1(1), 45–58.
Blum, W., Galbraith, P., Henn, H., & Niss, M. (Eds.). (2007). Modelling and Applications in
Mathematics Education. The 14th ICMI Study (Vol. 10). New York: Springer.
Borba, M. C. (2011). “Can Modelling Be Taught and Learnt?”–A Commentary. En Trends in
Teaching and Learning of Mathematical Modelling (pp. 31–35). Springer. Recuperado a
partir de http://link.springer.com/chapter/10.1007/978-94-007-0910-2_4
Borba, M. C., & Villarreal, M. E. (2005). Humans-with-Media and the Reorganization of
Mathematical Thinking. New York: Springer.
Borba, M., & Llinares, S. (2012). Online mathematics teacher education: overview of an
emergent field of research. ZDM, 44(6), 697–704. https://doi.org/10.1007/s11858-012-
0457-3
Borromeo Ferri, R. (2007). Modelling problems from a cognitive perspective. Mathematical
Modelling (ICTMA 12): Education, Engineering and Economics, Chichester, Horwood
Publishing, 260–270.
Borromeo-Ferri, R. (2006). Theoretical and empirical differentiations of phases in the modelling
process. ZDM, 38(2), 86–95.
Buteau, C., Muller, E., Marshall, N., Sacristán, A. I., & Mgombelo, J. (2016). Undergraduate
Mathematics Students Appropriating Programming as a Tool for Modelling, Simulation,
and Visualization: A Case Study. Digital Experiences in Mathematics Education, 1–25.
Daher, W. M., & Shahbari, J. A. (2015). PRE-SERVICE TEACHERS’MODELLING
PROCESSES THROUGH ENGAGEMENT WITH MODEL ELICITING ACTIVITIES
WITH A TECHNOLOGICAL TOOL. International Journal of Science and
Mathematics Education, 13(1), 25–46.
Dalla Vecchia, R., & Maltempi, M. V. (2013). Mathematical modeling and information and
communication technology: The reality of the cyberworld as a vector of virtualization
[Modelagem Matemática e Tecnologias de Informação e Comunicação: A realidade do
mundo cibernético como um vetor de virtualização]. Bolema - Mathematics Education
Bulletin, 26(43), 963–990.
Diniz, L. D. N., & Borba, M. C. (2013). Reading and interpreting ready data in an environment
of modeling and digital technologies [Leitura e Interpretação de Dados Prontos em um
Ambiente de Modelagem e Tecnologias Digitais: O mosaico em movimento]. Bolema -
Mathematics Education Bulletin, 26(43), 935–962.
Dos Santos Gomes Pereira, R., & Dos Santos Júnior, G. (2013). Mathematical modeling and the
teaching of adjustment function: A pedagogical handbook [Modelagem Matemática e o
Ensino de Ajuste de Funções: um caderno pedagógico]. Bolema - Mathematics
Education Bulletin, 27(46), 531–546. https://doi.org/10.1590/S0103-
636X2013000300013
Fisher, D. (2017). Reorganizing algebraic thinking: An introduction to dynamic system
modeling. Mathematics Enthusiast, 14(1–3), 347–370.
Frejd, P. (2013). Modes of modelling assessment—a literature review. Educational Studies in
Mathematics, 84(3), 413–438.
Galbraith, P., Renshaw, P., Goos, M., & Geiger, V. (2003). Technology-enriched classrooms:
Some implications for teaching applications and modelling. Mathematical modelling in
education and culture, 111–125.
Galbraith, P., & Stillman, G. (2006). A framework for identifying student blockages during
transitions in the modelling process. ZDM, 38(2), 143–162.
Geiger, V. (2011). Factors affecting teachers’ adoption of innovative practices with technology
and mathematical modelling. En Trends in teaching and learning of mathematical
modelling (pp. 305–314). Springer. Recuperado a partir de
http://link.springer.com/10.1007%2F978-94-007-0910-2_31
Greefrath, G. (2011). Using technologies: New possibilities of teaching and learning modelling–
Overview. En Trends in Teaching and Learning of Mathematical Modelling (pp. 301–
304). Springer. Recuperado a partir de http://link.springer.com/chapter/10.1007/978-94-
007-0910-2_30
Greefrath, G., & Vorhölter, K. (2016). Teaching and Learning Mathematical Modelling (Vol.
VII, 42). Springer International Publishing. Recuperado a partir de
http://link.springer.com/content/pdf/10.1007/978-3-319-45004-9.pdf
Kaiser, G. (2005). Mathematical modelling in school–Examples and experiences.
Mathematikunterricht im Spannungsfeld von Evolution und Evaluation. Festband für
Werner Blum, 99–108.
Kaiser, G., Blum, W., Ferri, R. B., & Stillman, G. (2011). Trends in teaching and learning of
mathematical modelling: ICTMA14 (Vol. 1). Springer Science & Business Media.
Recuperado a partir de https://books.google.es/books?
hl=es&lr=&id=gF42Sjvr23MC&oi=fnd&pg=PR1&dq=Trends+in+Teaching+and+Lear
ning+of+Mathematical+Modelling&ots=FGwXFHL6FH&sig=76ZBYEaVVDHSGWo
SuhA_5l8n6GE
Kaiser, G., & Sriraman, B. (2006). A global survey of international perspectives on modelling in
mathematics education. ZDM, 38(3), 302–310.
Krekic, V. P., & Namestovski, Z. (2009). Computer modelling in mathematics education. En
Intelligent Systems and Informatics, 2009. SISY’09. 7th International Symposium on
(pp. 355–360). IEEE. Recuperado a partir de
http://ieeexplore.ieee.org/abstract/document/5291132/
Lei, J., Luo, P. H., Wang, Q., Shen, J., Lee, S., & Chen, Y. (2016). Using Technology to
Facilitate Modeling-Based Science Education: Lessons Learned from a Meta-analysis of
Empirical Research. Journal of Educational Technology Development and Exchange
(JETDE), 9(2), 4.
Lesh, R., Galbraith, P. L., Haines, C. R., & Hurford, A. (2010). Modeling students’
mathematical modeling competencies: ICTMA 13. Recuperado a partir de
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
84892316155&doi=10.1007%2f978-1-4419-0561-
1&partnerID=40&md5=edff6d0ee3a81938c6b1e50fe4c05f88
Lingefjärd, T. (2007). Modelling in teacher education. En Modelling and applications in
mathematics education (pp. 475–482). Springer. Recuperado a partir de
http://link.springer.com/chapter/10.1007/978-0-387-29822-1_54
Lingefjärd, T. (2012). Learning Mathematics through mathematical modelling. Journal of
Mathematical Modelling and Application, 1(5), 41–49.
Lingefjärd, T., & Meier, S. (2010). Teachers as managers of the modelling process. Mathematics
Education Research Journal, 22(2), 92–107.
MaaB, K. (2007). Modelling in class: What do we want the students to learn. Mathematical
modelling: Education, engineering and economics, 63–78.
Marshall, J. A., & Carrejo, D. J. (2008). Students’ mathematical modeling of motion. Journal of
Research in Science Teaching, 45(2), 153–173. https://doi.org/10.1002/tea.20210
Molina-Toro, J. F. (2013). La modelación con tecnología en el estudio de la función seno.
Universidad de Medellín. Recuperado a partir de
http://repository.udem.edu.co/handle/11407/69
Molina-Toro, J. F., & Villa-Ochoa, J. A. (2013). La modelación en la producción de
conocimiento matemático: el caso de la función seno. Revista Científica, 80–84.
Neves, R. G., Neves, M. C., & Teodoro, V. D. (2013). Modellus: Interactive computational
modelling to improve teaching of physics in the geosciences. Computers &
Geosciences, 56, 119–126.
Neves, R. G., & Teodoro, V. D. (2014a). Computational modelling, interactive environments and
science, technology, engineering and mathematics education [Modelação
computacional, ambientes interactivos e o ensino da ciência, tecnologia, engenharia e
matemática]. Revista Lusofona de Educacao, (25), 35–58.
Neves, R. G., & Teodoro, V. D. (2014b). Computational modelling, interactive environments
and science, technology, engineering and mathematics education [Modelação
computacional, ambientes interactivos e o ensino da ciência, tecnologia, engenharia e
matemática]. Revista Lusofona de Educacao, (25), 35–58.
Panaoura, A. (2012). Improving problem solving ability in mathematics by using a mathematical
model: A computerized approach. Computers in Human Behavior, 28(6), 2291–2297.
Perrenet, J., & Adan, I. (2010). The academic merits of modelling in higher mathematics
education: A case study. Mathematics Education Research Journal, 22(2), 121–140.
Perrenet, J., & Zwaneveld, B. (2012). The many faces of the mathematical modeling cycle.
Journal of Mathematical Modelling and Application, 1(6), 3–21.
Pons, M. O., & Espinosa, L. P. (2015). Modelización de una situación real con tabletas: el
experimento de la pelota. Modelling in Science Education and Learning, 8(2), 67–78.
Possani, E., Trigueros, M., Preciado, J. G., & Lozano, M. D. (2010). Use of models in the
teaching of linear algebra. Linear Algebra and Its Applications, 432(8), 2125–2140.
https://doi.org/10.1016/j.laa.2009.05.004
Rendón Mesa, M. P. (2016). Articulación entre la matemática y el campo de acción de la
ingeniería de diseño de producto: aportes de la modelación matemática. Recuperado a
partir de http://tesis.udea.edu.co/handle/10495/4554
Rodríguez Gallegos, R., & Quiroz Rivera, S. (2016). El rol de la experimentación en la
modelación matemática. Educación matemática, 28(3), 91–110.
Sekulic, T., & Takaci, D. (2013). Mathematical modelling, computers and GeoGebra in
university and college mathematics education. En 2013 36th International Convention
on Information and Communication Technology, Electronics and Microelectronics,
MIPRO 2013 - Proceedings (pp. 625–630). Recuperado a partir de
https://www.scopus.com/inward/record.uri?eid=2-s2.0-
84886927287&partnerID=40&md5=88a122525accbbb3b77c68b5ae0f5e5e
Siller, H.-S., & Greefrath, G. (2010). Mathematical modelling in class regarding to technology.
En Proceedings of the Sixth Conference of the European Society for Research in
Mathematics Education-CERME6 (pp. 2136–2145). Recuperado a partir de
http://fractus.uson.mx/Papers/CERME6/wg11.pdf#page=97
Soares, D. S., & Borba, M. C. (2014). The role of software Modellus in a teaching approach
based on model analysis. ZDM - International Journal on Mathematics Education,
46(4), 575–587. https://doi.org/10.1007/s11858-013-0568-5
Stillman, G. (2011). Applying metacognitive knowledge and strategies in applications and
modelling tasks at secondary school. En Trends in teaching and learning of
mathematical modelling (pp. 165–180). Springer. Recuperado a partir de
http://link.springer.com/chapter/10.1007/978-94-007-0910-2_18
Stillman, G., & Brown, J. P. (2014). Evidence of implemented anticipation in mathematising by
beginning modellers. Mathematics Education Research Journal, 26(4), 763–789.
Suárez, L., & Cordero, F. (2010). Modelación-graficación, una categoría para la matemática
escolar. Resultados de un estudio socioepistemológico. Revista latinoamericana de
investigación en matemática educativa, 13 (4-II), 319–333.
Tenison, C., & Anderson, J. R. (2016). Modeling the distinct phases of skill acquisition. Journal
of Experimental Psychology: Learning, Memory, and Cognition, 42(5), 749.
Trigueros, M. (2009). El uso de la modelación en la enseñanza de las matemáticas. Innovación
Educativa, 9(46), 75–87.
Villa-Ochoa, J. (2007). La modelación como proceso en el aula de matemáticas, un marco de
referencia y un ejemplo. Tecno Lógicas, 19, 63–85.
Villa-Ochoa, J. A. (2013). Miradas y actuaciones sobre la modelación matemática en el aula de
clase. Recuperado a partir de http://funes.uniandes.edu.co/2080/
Villa-Ochoa, J. A., & Berrío, M. J. (2015). Mathematical Modelling and Culture: An Empirical
Study. En Mathematical Modelling in Education Research and Practice (pp. 241–250).
Springer. Recuperado a partir de http://link.springer.com/chapter/10.1007/978-3-319-
18272-8_19