CACQ Tesis

DIRECCIÓN DE POSGRADO E INVESTIGACIÓN
Implementación de un modelo de B-learning para la enseñanza de las

matemáticas de pregrado. Caso de estudio: carrera de Administración
Financiera de la Universidad Autónoma de Aguascalientes
QUE PARA OBTENER EL GRADO DE
MAESTRO EN ENSEÑANZA DE LAS CIENCIAS
Presenta
Carlos Alberto Clemente Quiroz
Director de Tesis:
Dra. Rebeca Leal Romero
Co-Director
M.C. Víctor Enrique Gómez del Villar
Revisores
Dra. Rosa María Ramírez Prado
M.C. José Luis Serafín Díaz
Aguascalientes, Ags., México Abril, 2022

Contenido
Capítulo 1: Planteamiento del problema .......................................................................... 6
1.1 Antecedentes ...................................................................................................... 6
La Educación Matemática en México ...................................................................... 6
Primer Periodo .......................................................................................................... 7
Segundo Periodo (1991-2000).................................................................................. 8
Tercer Periodo (2002-2011) ..................................................................................... 9
Balance y Oportunidades........................................................................................ 16
1.2 Descripción o planteamiento del problema de investigación .......................... 22
1.3 Pregunta de Investigación .................................................................................... 23
1.4 Objetivos de Investigación............................................................................... 24
1.4.1 General ........................................................................................................ 24
1.4.2 Objetivos específicos .................................................................................. 24
1.5 Justificación ..................................................................................................... 24
1.6 Hipótesis .......................................................................................................... 26
Capítulo 2. Marco Teórico ............................................................................................. 26
2.1 El b-learning: potencialidades y oportunidades ................................................... 26
2.2 La enseñanza de las matemáticas ......................................................................... 38
2.3 Algunos resultados sobre el b-learning ................................................................ 43

Capítulo 3. Metodología ................................................................................................ 46
Capítulo 4. Análisis de datos y resultados ..................................................................... 51
4.1 Grupo control ....................................................................................................... 51
4.1.1 Caracterización .............................................................................................. 51
4.1.2 Resultados del grupo control ......................................................................... 58
4.2 Grupo experimental ......................................................................................... 68
4.2.1 Caracterización .............................................................................................. 68
4.2.2 Resultados del grupo experimental ............................................................. 76
4.3 Contrastes entre grupos ........................................................................................ 84
Capítulo 5. Conclusiones ............................................................................................... 93
Referencias .................................................................................................................... 97
Anexo 1 ........................................................................................................................ 102
Actividad 1. Características de las gráficas. ............................................................ 102
Actividad 2. Regresión lineal. .................................................................................. 108
Actividad 3. Métodos de pronósticos ....................................................................... 111

Capítulo 1: Planteamiento del problema
1.1 Antecedentes
La Educación Matemática en México
En México, la investigación en educación matemática se remonta a la década de los 70.
Los acontecimientos principales que dieron origen a esta disciplina, con cualidades de
autonomía y orientación sistemática hacia la investigación fueron: la creación de la maestría en
ciencias con especialidad en matemática educativa en el CINVESTAV, y años más tarde, la
propuesta de formar especialistas en educación matemática (Ávila, 2016). Camarena (2015)
señala que los investigadores pioneros del área son los doctores Eugenio Filloy Yagüe y Carlos
Imaz Jahnke.
Para la década de 1980 aparecen las primeras publicaciones mexicanas en educación
matemática por parte de la Sección de Matemática Educativa del CINVESTAV. A finales de
esta década surgen también las primeras tesis de doctorado (1985) y se crea la revista Educación
Matemática. Cabe señalar que la investigación en este campo también es alimentada por el
intercambio con colegas extranjeros, principalmente de Francia (Ávila, 2016).
Según Ávila (2016), se puede dividir en 3 etapas el desarrollo de esta disciplina: el
periodo inicial (de 1980 a 1990), el periodo de expansión (de 1991 a 2000), y el periodo de
madurez (siglo XXI, trabajos analizados de 2001 a 2012). A continuación, se exponen
brevemente los principales hallazgos de cada etapa, principalmente en el tercer periodo y los
relacionados con el uso e implementación de la tecnología para mejorar los procesos de
enseñanza y aprendizaje.
Primer Periodo
Desde sus inicios, la investigación en educación matemática incorpora el uso de la
tecnología para mejorar el aprendizaje de los estudiantes. En el periodo inicial, mayormente en
el nivel de secundaria, se comienza a experimentar con entornos computacionales y el uso de
las calculadoras para la enseñanza del álgebra.
Esta implementación, aunque todavía insuficiente, denota el interés y la importancia que
comienza a darse al uso de las herramientas tecnológicas para el aprendizaje de las matemáticas.
La producción de la investigación en este periodo fue alrededor de 287 trabajos, de los cuales
59 tenían relación con las TIC (Tecnologías de la Información y Comunicación), entre
ponencias, artículos, propuestas de intervención, informes y tesis de posgrado.
Tabla 1. Producción investigativa relacionadas con las TIC. 1980-1990
Temática Ponencias Artículos Propuestas Tesis Maestría Tesis Doctorado

21 3 1 0 0
TIC General
8 3 0 1 0
TIC Álgebra
9 0 0 2 0
TIC Geometría
10 1 0 0 0
TIC Cálculo
48 7 1 3 0
TOTAL
Los principales aportes de las investigaciones en este periodo son que: 1) permiten
conocer la escasa comprensión de los conceptos matemáticos por parte de los estudiantes en
todos los niveles educativos y; 2) permiten conocer las estrategias, aproximaciones y recursos
personales con que los estudiantes enfrentan las tareas matemáticas que se les proponen.
Segundo Periodo (1991-2000)
Se trata de un claro periodo de expansión, pues crecen cuantitativa y cualitativamente
los trabajos sobre la educación matemática. La producción alcanza la cifra de 431. Según Ávila
(2016), uno de los factores que dan nuevo curso a las investigaciones es el fuerte impacto de las
tecnologías (en cuanto a su presencia como tema en las investigaciones) en el nivel secundaria,
lo cual provoca que comiencen a cobrar relevancia en los niveles superiores.
En este periodo las investigaciones dejan notar cómo la computadora o calculadora
graficadora pueden contribuir a mejorar el aprendizaje de los estudiantes. Sin embargo, en su
mayoría, estos resultados se obtuvieron en situaciones controladas con profesores instruidos y
monitoreados por los investigadores y con grupos pequeños de estudiantes. Estas condiciones
estaban lejos de las que se vivían en las escuelas públicas dejando como asignatura pendiente
estudiar los beneficios en la realidad escolar nacional (Ávila, 2016).
A nivel medio superior son pocos los trabajos relacionados con la tecnología, aunque
comienzan a tomar relevancia y están orientados principalmente a evaluar las bondades y
potencialidades de la calculadora graficadora y/o de algún software como el Cactusplot y el
Cabri-Géomètre (Ávila, 2016).
Estos resultados, así como en el nivel educativo anterior, se generan en condiciones
controladas, sin la participación de profesores ordinarios, sino aquellos que colaboraron bajo la
orientación y supervisión de los investigadores.
En el nivel superior el enfoque sigue siendo el cálculo y se comienza a explorar las
bondades de la incorporación de las nuevas tecnologías.

Tercer Periodo (2002-2011)
Este periodo tiene como característica distintiva el esfuerzo de un número importante de
investigadores en trabajos que “ponen a prueba las posibilidades que ofrecen las Tecnologías de
la Información y la Comunicación como recursos para el aprendizaje de las matemáticas”
(Ávila, 2013, p. 30)
a) Nivel básico
En el nivel de preescolar y primaria sobresalen los trabajos sobre el uso de recursos
tecnológicos en las aulas, incluyendo el recurso llamado Enciclomedia1 (Trigueros, Lozano &
Lage, 2006; Trigueros & Lozano, 2007; Sinclair, Arzarelo, Triguerons, Lozano, Dagiene,
Behrooz y Jackwik, 2010, mencionados por Ávila et. al., 2013).
Por otro lado, es interesante que no se realizan investigaciones acerca del uso de la
calculadora en las escuelas, aun cuando se promueve su uso en los libros de texto gratuitos
(Ávila, 2013).
b) Nivel de secundaria
Las investigaciones en relación con el uso de las TIC a nivel secundaria son
considerables. Según Ávila (2016), se les considera como una herramienta que favorece el
aprendizaje y el desarrollo de conceptos, lo cual se logra a través de diferentes sistemas de
representación, gráficos, tablas, etc., alcanzando una significación mayor en los alumnos. No
obstante, también se mencionan algunas de las condiciones ante la posible implementación de
1
Enciclomedia es un sistema de e-learning conformado por una base de datos diseñada a partir de los
libros de texto gratuitos de quinto y sexto grados de educación primaria. Funciona a través de una computadora,
un proyector y un pizarrón electrónico, materiales de los cuales trató de dotarse a todos los grupos de los grados d
educación primaria del país.
estas innovaciones en las escuelas ordinarias: cuidadosa planeación didáctica, diseño y prueba
de los materiales de instrucción, estrategias de capacitación y seguimiento de los profesores,
mantenimiento y actualización permanente de los equipos y el software (Rojano, 2003, 2006 y
2008, Sacristán & Rojano, 2009, y Gil, 2010, citados en Eudave, 2013).
Algunos resultados (Rojano, 2002b; Huesca, 2007 y García, 2008, citados por Eudave,
2013) reportan logros al ampliar la comprensión del significado de diferentes nociones
algebraicas gracias al uso educativo de las TIC.
La investigación de Guzmán, Kieran y Squalli (2003, citado en Eudave, 2013) sobre el
uso de la calculadora con pantalla multilínea, arroja que este dispositivo permite a los alumnos
intuir en un primer momento, y posteriormente, verificar sus conjeturas con respecto a los
divisores de los números incluidos en los problemas; además, “el despliegue de varios renglones
en la calculadora les permitió no perder de vista todos los pasos de sus estrategias para llevar el
número a cero y cambiar la estrategia si era necesario” (Eudave, 2013, p. 61).
También hay resultados en la exploración de la transición de la aritmética al álgebra
mediante la resolución de problemas aritméticos algebraicos con el apoyo de las TIC (Rojano,
2202a, citado por Eudave, 2013). En este y otros trabajos (Rojano, 2010; Huesca, 2007; García
Campos, 2008) “se resalta el desarrollo y ampliación de los sistemas de representación y de
significación de los alumnos mediados por las herramientas tecnológicas y la posibilidad del
desarrollo de estrategias de resolución de problemas que conllevan” (Eudave, 2013, p. 64).

En adición a lo anterior, el principal referente de los estudios acerca de las TIC son las
aplicaciones en computadoras personales, como las hojas de cálculo, los sistemas algebraicos
de cómputo y los modelos virtuales (Eudave, 2013).
Cabe señalar que no se identificaron trabajos sobre el uso de la educación en línea y de
plataformas en la web.
c) Nivel medio superior
A nivel medio superior se incrementan los trabajos en relación con el uso de la tecnología
en la educación matemática. Los contenidos matemáticos también comienzan a extenderse (el
cálculo había sido el más abordado) hacia la geometría y el álgebra (Solares & Sandoval, 2013).
En este periodo, según Ávila (2016), en prácticamente todas las investigaciones sobre la
construcción de conceptos, están presentes las herramientas computacionales.
En relación con el cálculo se estudiaron distintas representaciones de una función y las
relaciones que existen entre expresiones algebraicas, tablas y gráficas. En la geometría se
abordaron los procesos de construcción de conceptos mediante el software Cabri Géomètre.
(Ávila, 2016).
Una de las investigaciones sobre el uso de software de geometría dinámica (Sandoval,
2005, citado en Solares & Sandoval, 2013) revela que esta herramienta transforma las estrategias
de solución que se han desarrollado con lápiz y papel, pasando del dibujo al objeto geométrico.
Por otro lado, la mayoría de los trabajos sobre resolución de problemas coinciden en que
los recursos tecnológicos tienen un rol importante en la presentación, identificación y
exploración de conjeturas, así como de relaciones matemáticas, esto permite a los estudiantes
usar distintos sistemas de representación para construir modelos de los problemas generando la
posibilidad de conectar temas de diferentes asignaturas como cálculo, geometría, aritmética y
álgebra. (Santos & Benítez, 2003; Santos, 2004, Santos y Camacho, 2004, citados en Solares &
Sandoval, 2013).
Además, concluyen que “el uso del software dinámico puede convertirse en una
herramienta poderosa para los estudiantes, haciendo posible que generen representaciones
dinámicas del problema que les permiten identificar relaciones matemáticas, plantear conjeturas
y argumentos matemáticos que den sustento a las conjeturas” (Solares & Sandoval, 2013, p. 85).
Según Santos, Espinoza y Reyes (2006, 2008, citado en Solares & Sandoval, 2013) las
herramientas tecnológicas proveen una oportunidad de explorar y examinar problemas y
conjeturas desde distintos ángulos; estos autores favorecen el uso de diversas herramientas
tecnológicas en lugar de solo una. En este sentido, Santos (2008) señala la importancia de la
flexibilidad del profesor para dirigir las exploraciones de los estudiantes.
Es interesante que, en adición al uso de estas herramientas, Benítez (2004), apunta sobre
la necesidad de fortalecer el análisis de las interpretaciones global y puntual de las distintas
representaciones (gráfica, numérica y algebraica) de una función.
Otros resultados interesantes son que: 1) las actividades diseñadas en un ambiente de
geometría dinámica pueden propiciar cambios en los esquemas de argumentación tradicionales
de los profesores, lo cual fomenta un pensamiento deductivo y crítico (Flores, 20 07a, 2007b,
citado por Solares & Sandoval, 2013); 2) los profesores reconocen la potencialidad del uso del
software para generar nuevas maneras de estimular la reflexión y la exploración en los

estudiantes (Solares & Sandoval, 2013); 3) el uso del software y la aproximación a través de
resolución de problemas ofrecen a los maestros la oportunidad de hacer construcciones e
identificar y explorar relaciones geométricas. Este último resultado representa un beneficio para
el docente, y puede contribuir para que la enseñanza sea más significativa para él, y de esta
manera el aprendizaje de los estudiantes también sea significativo2.
No obstante, Moreno y Santos (2008) comentan que la introducción de las calculadoras
y computadoras en los sistemas educativos debe ser gradual y sistemática. Estos autores también
discuten las potencialidades de las tecnologías digitales, las cuales abren la posibilidad de
transitar de la intuición al pensamiento formal, generando nuevas formas de explorar los
conceptos matemáticos y de resolver problemas.
Por su parte, “Santos (2011) concluye que el uso sistemático de diversas tecnologías
digitales permite el desarrollo de procesos fundamentales de las matemáticas como visualizar,
reconocer y argumentar” (Solares y Sandoval, 2013, p. 91).
En relación con la enseñanza de gráficas de funciones cuadráticas y cúbicas usando un
software de geometría dinámica, “se obtiene como conclusión la importancia de que la
enseñanza fortalezca el estudio de las representaciones gráfica y algebraica, así como la
exploración conjunta de interpretación global y puntual de las funciones” (Solares y Sandoval,
2013, p. 91).
2
Esta afirmación se trata de una postura personal, dado que se habla reiteradamente de un aprendizaje
significativo en el proceso de enseñanza aprendizaje, si el proceso de preparación para la enseñanza le es
significativo al docente, aumenta la posibilidad de que el aprendizaje también lo sea para los estudiantes.
En general, los estudios en este nivel educativo coinciden en que las tecnologías
modifican la naturaleza de los procesos de enseñanza y aprendizaje y tienen gran potencial para
promover aprendizajes significativos y formas de enseñanza flexibles. (Solares & Sandoval,
2013). Los mismos autores afirman que “dado el impulso del uso de las tecnologías digitales
(TD) en las aulas de todos los niveles educativos, se perfila la necesidad urgente de realizar un
mayor número de investigaciones sobre los procesos de integración de las TD a las prácticas de
la enseñanza y sobre los conocimientos matemáticos, didácticos y tecnológicos que se requieren
para ello” (Solares y Sandoval, 2013, p. 93).
d) Nivel superior
A nivel superior, el Cálculo (mayormente el diferencial) se mantiene como el contenido
con mayor presencia en las investigaciones, aunque se van diversificando los temas y enfoques.
Camarena (2013) apunta que, en este periodo, la mayor parte de los trabajos se refieren o están
centrados en los alumnos (23 de 51).
Informando sobre el resultado de Camarena, Ávila (2016) señala que “los investigadores
se preocuparon más que en las pasadas décadas por el aprendizaje de los estudiantes y menos
por conocer y desentrañar a través de enfoques epistemológicos las implicaciones didácticas del
conocimiento a enseñar” (p 47).
Es interesante notar que el menor número de investigaciones se dedica a los estudios
sobre los recursos para la enseñanza y el aprendizaje, categoría que incluye el uso de la
tecnología; además, con el desarrollo de software educativo y el crecimiento de los cursos en
línea se esperaba que hubiera más investigaciones cuyo tema central fuera la tecnología
electrónica como parte de las herramientas didácticas (Camarena, 2013). No obstante, son pocos
los resultados obtenidos en este nivel dentro del contexto del uso de las TIC. Uno de ellos es el
de García et. al. (2011), que identifican las habilidades que requieren desarrollar los estudiantes
cuando resuelven problemas matemáticos en un medio tecnológico, específicamente usando la
plataforma Moodle; otro resultado es el de Camacho et. al. (2004), que implementan el uso del
software DERIVE para el aprendizaje de la integral definida en un grupo de estudiantes; un
estudio más es sobre el uso del programa de geometría dinámica Cabri-Géomètre donde se
encontró la desconexión que existe entre el tema de las transformaciones lineales y los conceptos
base que se requieren para abordarlo.
Dentro de la diversidad del quehacer investigativo en este nivel, “se indagó en torno a
las bondades de la modelación matemática, el currículum de carreras no matemáticas, o las
formas de contextualizar y presentar las matemáticas en esas carreras” (Ávila, 2016, p. 48).
Incluso se abordaron temas como la importancia que los estudiantes conceden a las matemáticas
en algunas profesiones.
Camarena (2013) afirma que un balance sobre la producción investigativa en este nivel
educativo deja notar que las investigaciones son insuficientes, y que, además, hay pocos
investigadores interesados en desarrollar estudios en este nivel, más aún, si se compara con el
número de los que abordan los niveles previos. Es preciso señalar que, aunque no se realizó una
búsqueda exhaustiva de investigaciones, según Camarena (2013) “sí consideramos que es
representativa de la producción en el campo” (p. 109)
Como ya se mencionó, las investigaciones centradas en los recursos para la enseñanza
son pocas, lo cual debe motivar la reflexión acerca de esta labor educativa prioritaria. Tomando
en cuenta la necesidad de incorporar la tecnología como recurso de apoyo didáctico, Camarena

(2013) señala que es importante formular una invitación para realizar investigaciones acerca de
este tema de actualidad.
Balance y Oportunidades
La mayoría de los estudios en los 3 periodos referidos son de tipo cualitativo, indagando
en pequeños grupos de sujetos y ubicados geográficamente en la Ciudad de México, pocos son
aquellos que se ocupan de poblaciones de otras entidades del país, según lo informa Ávila
(2016).
En general, en el tercer periodo, los conjuntos de estudios centrados en los alumnos (en
todos los niveles) indican que los estudiantes desarrollan escasas habilidades matemáticas en su
paso por el sistema educativo (Ávila, 2013). Aunado a esto, hay algunos huecos donde existe
la necesidad de trabajar con más profusión, como la Geometría y la Medición, la Probabilidad
y la Estadística, entre otros temas esenciales que hasta ahora han sido poco estudiados (cf. Ávila,
2016, p. 50).
Asimismo, Ávila (2016) señala que, a pesar del gran dinamismo de la investigación en
educación matemática, “los alumnos en nuestras escuelas siguen aprendiendo muy pocas
matemáticas” (p. 51).
En acuerdo con lo anterior están las opiniones de dos de los ganadores de la Competencia
Iberoamericana Interuniversitaria de Matemáticas, celebrada en Brasil en septiembre de 2016,
que son parte del equipo estudiantil de la UNAM, de 23 y 20 años. Ellos dicen, hablando de la
enseñanza de las matemáticas en nuestro país, que “la enseñan como algo mecánico que hay que
memorizar”, y que “es por nuestro sistema educativo, por cómo se les presentan las matemáticas
a los alumnos; no se les enseña como algo atractivo y muchos alumnos las ven como algo
aburrido”. Sánchez Jiménez, A. y Olivares Alonso, E. (16 de octubre de 2016). La Jornada.
Recuperado de https://www.jornada.com.mx/2016/10/16/sociedad/030n1soc.
Asimismo, los resultados del Programa para la Evaluación Internacional de los alumnos,
mejor conocido como prueba PISA (la prueba internacional sobre educación más conocida y
reconocida del mundo, aplicada a alumnos15 años) por sus siglas en inglés y que es propuesta
por la Organización para la Cooperación y el Desarrollo Económicos (OCDE), en su edición
2015, colocan a México por debajo del promedio mundial y el resultado arroja que solo el 1%
de los estudiantes mexicanos que tomaron la prueba tienen los conocimientos suficientes para
posicionarse con un buen resultado en el programa. Reina, E. (6 de diciembre de 2016). El País.
Recuperado de https://elpais.com/internacional/2016/12/06/mexico/1481045534_791430.html.
Según la misma prueba, a pesar de la mejora de cinco puntos en matemáticas, México
reprobó las evaluaciones de esta disciplina con 408 puntos.
Las materias que se evalúan son: ciencias, matemáticas y lectura, siendo la segunda la
del menor promedio en México. Los jóvenes que son evaluados cursan entre el primero y último
año de la educación secundaria. En muchos casos estos rezagos en conocimiento son arrastrados
por los alumnos hacia las etapas subsecuentes de su vida estudiantil hasta llegar al nivel
universitario3. Ávila et. al. (2013) informan que, a nivel primaria, el gusto por las matemáticas
disminuye conforme se avanza en los grados.
3
Esta aseveración está basada en la experiencia personal y en consenso con compañeros profesores del
área de matemáticas.
Los resultados anteriores sugieren la necesidad de seguir realizando investigaciones en
el campo de la educación matemática y de diseñar e implementar estrategias que coadyuven al
cumplimiento del objetivo último de la educación matemática, que según Ávila (2016) es
“contribuir a mejorar los procesos de enseñanza y aprendizaje de las matemáticas” (p. 51).
Además, la misma autora señala que a pesar de que la educación matemática es “un
campo de investigación maduro… esta condición no elimina la existencia de debilidades y de
huecos por colmar” (Ávila, 2016, p. 50). Quizá parte de la solución sea que los principales
usuarios de la investigación en este contexto sean los maestros (Ávila, 2016) pues “es una
hipótesis de trabajo compartida que los resultados de la investigación, llevados de manera
adecuada a las aulas, contribuyen a la mejora de las acciones educativas y, por tanto, de los
aprendizajes de los estudiantes” (Ávila, 2013, p. 125).
En este mismo contexto, Ávila (2013) afirma que “la investigación en educación
matemática no ha logrado penetrar de manera importante la acción en las aulas” (p. 125), y
Trigueros (2009, p. 60) señala que “los resultados de la investigación no han sido usados
cabalmente en la formación de maestros” (p. 60). De ahí que el aprovechamiento de los
resultados de las investigaciones por parte de los docentes pueda derivar en la mejora de los
procesos de enseñanza y aprendizaje4.
En relación con lo anterior, Santos (2011) señala que los estudiantes necesitan desarrollar
una disposición y forma de pensar consistente con la práctica o el quehacer de la disciplina, lo
4
Según la tercera edición de los Estados del Arte del COMIE, en la década de 2002-2011 surgió un género
bibliográfico emergente, los libros para maestros. Se trata de exposiciones de resultados de investigaciones, o bien,
resultados como propuestas didácticas explícitamente fundamentadas (Ávila y García, 2008, Block et. al., 2011 y
Ursini et. al., 2005, citados en Ávila, 2013). Sería ideal que los docentes valoraran la pertinencia del uso de estos
materiales
cual crea un ambiente donde constantemente buscan y examinan diferentes tipos de relaciones,
plantean conjeturas, utilizan distintos sistemas de representación, establecen conexiones,
emplean varios argumentos y comunican sus resultados. En adición, el mismo autor afirma que
un factor importante para el aprendizaje, crecimiento y evolución de las matemáticas es el poder
que ofrece el empleo de distintas herramientas tecnológicas en la resolución de problemas y
comprensión de ideas matemáticas; por su parte, Alfaro et. al. (2004) señalan que el uso de
herramientas tecnológicas permite que el estudiante optimice sus esquemas a través de sistemas
de representación de los contenidos; Gamboa (2007) apunta que la tecnología es capaz de
aportar a las lecciones de matemáticas distintas representaciones para ayudar al estudiante en la
visualización y experimentación de conceptos importantes que les permitan diseñar soluciones
para algunos problemas modificando antiguos sistemas de percepción, lo cual detona el
conocimiento; además, afirma que permite construir un puente entre ideas intuitivas y los
conceptos formales; Barrera y Santos (2001) también retoman el uso de la tecnología como una
ayuda en la creación de distintas representaciones de ciertas tareas y es el vehículo que los lleva
a formular sus propias interrogantes, lo que constituye algo fundamental en el aprendizaje de
las matemáticas.
Por otro lado, derivado de un comparativo entre los modelos educativos que incorporan
la tecnología y los tradicionales (los que no la emplean), Linn et. al. (2017) mencionan que el
modelo tradicional presenta algunas dificultades para alcanzar los resultados de aprendizaje,
sobre todo en materias de mayor dificultad y exigencia como aquellas con un contenido
matemático complejo. Dentro de estas complicaciones se pueden mencionar las siguientes:

1) debido al número de estudiantes que deben ser atendidos en una clase y al tiempo
disponible para ello es muy complicado que el docente atienda las dudas personales de
todos los alumnos;
2) se mueve a los estudiantes a un mismo ritmo a través del plan de estudios sin importar
su grado de dominio;
3) los temarios son, en ocasiones, muy largos y se deja de lado la parte práctica o de
aplicaciones que regularmente se abordan en las últimas unidades.
Estas debilidades pueden traer como consecuencia que el estudiante pierda el interés en
el curso, que no sean completadas las tareas a realizar fuera de clase, malos resultados en las
evaluaciones, poco control del grupo por parte del docente y actitudes indeseables por parte de
algunos alumnos que pueden derivar en un ambiente hostil (Linn et. al., 2017). Todas ellas
impactan de manera negativa el aprovechamiento académico estudiantil y, por ende, los
resultados de las evaluaciones.
En relación con el punto 3 mencionado, Gamboa (2007) comenta sobre lo apremiante de
algunos cursos, lo cual impide que el docente ofrezca a los estudiantes otros métodos para
resolver problemas dejando de lado la reflexión sobre los posibles procesos de solución. En
contraste menciona que el uso de la computadora puede ayudar a profundizar en el estudio de
un concepto al cual no se le pudo dedicar suficiente tiempo.
Sin embargo, el modelo tradicional también presenta ventajas que se pueden resaltar,
según Bartolomé (2008) la sesión presencial “es un recurso valiosísimo sobre todo cuando no
es utilizado como vehículo de transmisión de conocimientos simplemente”; además, el contacto

persona a persona entre alumnos y entre docente alumno es, para la mayoría, la forma en que
han sido educados, donde el grupo es un entorno natural y necesario para el aprendizaje; la
comunicación oral y algunos elementos emocionales relacionados con la comunicación no
verbal también juegan un papel importante. Osguthorpe y Graham (2003, citados por Scott,
2007) coinciden en la incidencia positiva de estos elementos sobre el aprendizaje de los
estudiantes.
En adición a lo anterior el Consejo Nacional de Profesores de Matemáticas (NCTM por
sus siglas en inglés) afirma que la tecnología no sustituye la labor del docente (NCTM, 2000
citado en Gamboa, 2007).
Tomando en cuenta los beneficios que se reportan con el uso de las TIC como
herramienta para la enseñanza de las matemáticas, y también los mencionados sobre el modelo
tradicional, surge un modelo educativo que pretende combinar estas ventajas, el b-learning.
Este modelo híbrido “ha sido percibido favorablemente como una opción de
mejoramiento de la calidad de la instrucción con respecto a la modalidad de educación
tradicional” (Ruiz, 2011, pp. 11, 12).

1.2 Descripción o planteamiento del problema de investigación
En la actualidad existe la necesidad de tener herramientas y recursos cuya
implementación derive en una mejora de los procesos de enseñanza y aprendizaje, y a su vez,
esa mejora se traduzca en beneficio sobre los resultados de los estudiantes. En este contexto, el
papel de la comunidad de investigadores en el campo de la educación matemática puede ser un
factor fundamental, pues su rol es “producir los conocimientos que aún hacen falta para
comprender mejor el sistema educativo y sus comportamientos” (Ávila, 2013, p. 126).
El conocimiento que se genera en esta comunidad “ha permitido generar nuevos currículos,
materiales educativos y recursos para el aprendizaje y la enseñanza” (Ávila, 2013, p. 126), sin
embargo, a pesar de los esfuerzos realizados hasta ahora, los resultados educativos no han sido
los mejores. Los estudiantes todavía aprenden poco en las aulas y desarrollan muy pocas
habilidades matemáticas (Ávila, 2016); los resultados de México en las pruebas internacionales
(como la prueba PISA 2015) lo ubican como el último lugar dentro de los países de la OCDE,
obteniendo la menor calificación en la parte matemática.
Se trata de una problemática compleja que requiere ser atacada considerando los
diferentes elementos del triángulo didáctico (Chevallard, 1991) y sus interacciones: el saber, el
maestro y los alumnos. Ávila (2013) menciona que la investigación en educación matemática
no se ha producido en la cantidad en que sería deseable.
Por otro lado, Gamboa (2007) afirma que las tendencias actuales en la enseñanza de la
matemática han destacado la importancia del uso de la tecnología como un medio que permite
al estudiante obtener conclusiones y realizar observaciones que, en otros ambientes (por
ejemplo, lápiz y papel), serían difíciles de obtener.
En el mismo sentido, de la última edición de los Estados del Conocimiento publicado
por el COMIE y la ANUIES, se extraen las siguientes conclusiones sobre uso de las TIC en la
educación matemática (Ávila, 2013):
a. La tecnología puede generar nuevas formas y trayectorias de aprendizaje, por lo
tanto, su inclusión posibilita el acceso a ideas matemáticas poderosas;
b. La introducción de la tecnología en las aulas no puede considerarse panacea, ya que
el papel del maestro es fundamental en la forma en que ésta se utilice y el provecho
que de ella se obtenga;
c. Para que la tecnología logre los objetivos previstos se requiere de una modificación
de las tareas, actividades e interacciones que comúnmente tienen lugar en las clases
de matemáticas.
Con base en estos resultados se plantea el siguiente problema de investigación: ¿un
modelo que combina la educación presencial con el uso de las TIC, es decir un modelo de b-
learning, puede resarcir el rezago existente en el aprendizaje de las matemáticas a nivel superior?
1.3 Pregunta de Investigación
Se plantea la siguiente pregunta de investigación: ¿cuáles son los beneficios que se obtienen
sobre el aprendizaje de los estudiantes de pregrado de la asignatura de Seguros y Actuaría de la
carrera de Administración Financiera de la Universidad Autónoma de Aguascalientes, reflejados
en los resultados de sus evaluaciones, al implementar un modelo mixto o b-learning?

1.4Objetivos de Investigación
1.4.1 General
Implementar un modelo de b-learning para la enseñanza de las matemáticas en alumnos
de pregrado de la asignatura de Seguros y Actuaría de la carrera de Administración Financiera
de la Universidad Autónoma de Aguascalientes.
1.4.2 Objetivos específicos
1. Investigar las características y ventajas del modelo b-learning.
2. Diseñar actividades de aprendizaje a implementar en el modelo de b-learning con
base en las necesidades obtenidas por la experiencia docente.
3. Describir el modelo de b-learning que se desea implementar.
4. Medir el impacto de la implementación del modelo de b-learning en el proceso de
aprendizaje de los alumnos de Seguros y Actuaría de la carrera de Administración
Financiera, a través de los resultados en sus calificaciones.
1.5Justificación
Los esfuerzos realizados para lograr una mejor educación en México no han sido pocos.
Específicamente la investigación en educación matemática en el país ha transitado un largo
camino de casi 5 décadas hasta ser considerado como un campo de investigación maduro (Ávila,
2013). No obstante, sigue siendo necesario abundar en la generación de estrategias, herramientas
y recursos que sirvan como apoyo a los actores del proceso educativo, y así lograr una mejora
en la enseñanza y el aprendizaje de las matemáticas (Ávila, 2013; Ávila, 2016).

El uso adecuado de las TIC puede coadyuvar al proceso de aprendizaje de los estudiantes
y también al proceso de preparación y de enseñanza de los docentes (Gamboa, 2007; Santos,
2011; Ávila, 2013; Ávila, 2016; Gómez, 2017; Linn et. al., 2017) mismos que siguen siendo una
pieza fundamental (Ávila, 2013).
La presente investigación está orientada a la implementación y análisis de una propuesta
didáctica que articula el uso de las TIC y las ventajas de la educación presencial para mejorar la
enseñanza de las matemáticas a nivel superior, ya que la necesidad de incorporarlas como
recurso de apoyo didáctico en este nivel merece estudio en la actualidad (Solares et al. 2013).
Este tipo de propuestas o modelos híbridos se denominan b-learning,
Se trata de un modelo no estandarizado, es decir, exige una planeación didáctico-
pedagógica y de un diseño cuidadoso basado en las necesidades específicas de los estudiantes,
permitiendo así, precisar los objetivos instruccionales y justificar, de manera adecuada, la
instrumentación de las actividades presenciales y virtuales, razón por la cual es relevante que se
describa con precisión en qué consistió el tipo de b-learning utilizado (Ruiz, 2011). Esta
descripción permite realizar un análisis más objetivo de los resultados obtenidos y, en el caso
que se quiera adaptar, evaluar si las condiciones existentes lo permiten
En relación con este punto, los resultados del tercer Congreso Virtual Iberoamericano
sobre la Calidad en Educación a Distancia coinciden en reconocer el aporte de la tecnología al
mejoramiento de la calidad del aprendizaje como complemento de la educación presencial, sin
embargo, los resultados no son consistentes en todos los casos y se requiere seguir investigando
al respecto (Ruiz, 2011).

Para este trabajo de investigación se eligió una carrera cuyo perfil no requiere de una
base matemática fuerte y una población fuera de la Ciudad de México, que es donde se concentra
la gran mayoría de los estudios (Ávila, 2016); además, se da en el contexto de la enseñanza y el
aprendizaje de la estadística, ámbito en el cual existe la necesidad de trabajar con más profusión
(Ávila, 2016).
Finalmente, este modelo se puede ir enriqueciendo a través de las experiencias derivadas
de su implementación, así como por el aporte de docentes y estudiantes, y pretende constituirse
en una solución práctica frente a una problemática real que demanda alternativas concretas y
exitosas que mejoren el complejo proceso del aprendizaje de las matemáticas en el nivel
superior.
1.6 Hipótesis
La implementación del b-learning tiene un impacto positivo en el aprendizaje de los
alumnos, lo cual se mide con base en sus calificaciones finales.
Capítulo 2. Marco Teórico
2.1 El b-learning: potencialidades y oportunidades
Debido al uso extendido del internet surge un modelo instruccional basado en el uso de
las TIC, el e-learning, entendido como “el uso de las tecnologías basadas en internet para
proporcionar un amplio abanico de soluciones que aúnan adquisición del conocimiento y
habilidades o capacidades” (Rosenberg, 2000, citado en Martínez, 2007, p. 2).

Fue en la segunda mitad de los años noventa que tuvo gran auge el uso exclusivo de las
TIC en el ambiente educativo para implementar entornos no presenciales; el impacto de la
computadora en la sociedad llevó a una reflexión en torno a su uso en la educación. Es así como
surge un modelo diferente a los tradicionales, el e-learning o educación en línea o educación a
distancia. Sin embargo, de acuerdo con Martínez (2007), este nuevo modelo de enseñanza
también presenta algunas debilidades en el logro del aprendizaje debido a algunos factores como
son:
1. Carencia en los estudiantes de habilidades de lecto-escritura y autoregulación;
2. No aborda los aspectos emocionales de los estudiantes, tales como el sentido de
pertenencia a una comunidad estudiantil;
3. Falta de formación de los docentes a la hora de intervenir en la didáctica de un nuevo
medio;
4. Disminución de la calidad en la oferta educativa, misma que busca satisfacer las
necesidades de corporaciones o instituciones en lugar de velar por aquellas de los
estudiantes o profesores.
Como una alternativa ante la enseñanza tradicional y el e-learning surge un diseño
docente o modelo educativo en el que se pretende retomar las bondades y ventajas de estas dos
modalidades, el blended learning, también llamado b-learning. Según Ruiz (2011) la palabra
blend implica una mezcla con el propósito de mejorar la calidad del producto, en este caso el
aprendizaje. La Tabla 2 muestra algunas de las definiciones más aceptadas sobre el b-learning.
Tabla 2. Definiciones de blended learning
Autor Definición o término

Marsh (2001) Todos los modelos que están integrados con la tecnología (ya sea el e-
mail, recursos media, el uso de CD-ROM, guías de autoestudio,
videoconferencias o teleconferencias, diversas herramientas de
internet) y la enseñanza tradicional
Bartolomé (2001) Modelo semipresencial
Salinas (2002) Modelo de educación flexible
Marsh et. al (2003) Modelo híbrido
UCLA en Marsh et. al. Estrategia de instrucción basada en la integración de la instrucción cara
(2003) a cara o presencial, y la instrucción basada en computadoras
Alemany (2007) Modelo virtual-presencial. Diseño docente en el que tecnologías de uso

presencial (físico) y no presencial (virtual) se combinan con objeto de
optimizar el proceso de aprendizaje
Michael Brennan (citado Combinación de una amplia gama de medios de aprendizaje diseñados
en Alemany, 2007) con objeto de resolver problemas específicos.
Bartolomé (2008) Aprendizaje mixto, en referencia al uso de recursos tecnológicos tanto

presenciales como no presenciales con la finalidad de optimizar el
resultado de formación
Ruiz (2011) Estrategia educativa en la que se integran actividades y recursos de las

modalidades presencial y virtual en diferentes proporciones
Pascual (2015) Formación que combina lo mejor del mundo virtual y presencial
combinándolos según las necesidades o preferencias de la empresa.
En español, los términos más usados para hacer referencia al b-learning son: enseñanza
semipresencial (Bartolomé, 2001), educación flexible (Salinas, 2002), y formación mixta
(Pascual, 2003, citado en Bartolomé, 2008), aunque para Martínez (2007) el término más
correcto es enseñanza virtual-presencial pues denota de manera explícita y tácita el uso de las
TIC.
Con base en las definiciones anteriores se puede conceptualizar al b-learning como el
modelo educativo que combina actividades, herramientas y recursos de las modalidades
presencial o tradicional5 con las virtuales de una manera flexible, asumiendo diferentes
proporciones para cada una con base en la situación de enseñanza-aprendizaje específica,
teniendo como propósito lograr con mayor eficiencia y calidad los objetivos de formación
planteados.
Así, este modelo puede tomar distintas formas de instrumentación, a veces se trata de un
modelo tradicional que utiliza recursos de una plataforma para desarrollar actividades que lo
complementen; en otras ocasiones se trata de un modelo instruccional mayormente virtual con
la calendarización de algunas sesiones presenciales como apoyo y complemento; en otro
esquema, los docentes alternan las actividades presenciales con las virtuales en la misma
proporción; en los Estados Unidos de Norteamérica algunos docentes lo han implementado
reemplazando una o dos sesiones presenciales por virtuales (Zou, 2005, citado en Lin et. al,
2017); Cárdenas Tapia y Jiménez Vidal (2009) implementaron un modelo b-learning 20%
presencial y 80% virtual para impartir recursamientos de asignaturas en la ESCA Tepepan.
5
Para efectos de esta investigación, se entiende como enseñanza tradicional a aquella que es presencial y
centrada en la exposición del docente y no incorpora el uso de las TIC.
Las principales características del b-learning son (cf. Gómez, 2017):
1. Formación flexible. No hay un horario fijo específico para el estudio.
2. Formación personal y cálida. Debido a la interacción personalizada con el estudiante
mediante las herramientas electrónicas, la relación docente-alumno puede
fortalecerse en aras de conseguir un mejor aprendizaje.
3. Permite la discusión grupal: Además de la interacción dentro del salón de clase, se
pueden detonar discusiones sincrónicas o asincrónicas en los chats virtuales.
4. Conferencias de expertos: Algunas clases en línea pueden ser impartidas por otros
expertos sin importan su lugar de residencia.
5. Diversidad en cuanto a técnicas y metodologías de enseñanza. Combinando las
herramientas virtuales con las presenciales pueden diseñarse distintas actividades y
metodologías.
6. Puede mejorar algunas habilidades como el trabajo en equipo, generando mayor
comunicación entre los estudiantes, no solo presencial sino virtual.
7. Permite resolver problemas desde distintos enfoques. La diversidad de
representaciones permite atacar un mismo problema con varios métodos de solución.
8. Optimiza el tiempo presencial. Reduce el tiempo cara a cara del docente con los
estudiantes, reforzando el aprendizaje con actividades fuera de clase, mismas que
puede retroalimentar de manera sincrónica o asincrónica mediante la plataforma
virtual.
9. Permite una mejor planeación didáctica. El profesor puede priorizar de manera más
adecuada los temas por cubrir, retomando de manera presencial los más complejos y
utilizando las TIC para abordar y reafirmar los que exigen menos abstracción.
Ya en la década de 1980, algunas investigaciones arrojaron resultados sobre progresos
académicos significativos cuando se combina la enseñanza tradicional con el uso de la
enseñanza asistida por computadoras (Dalton & Hannafin, 1988, citado en Lin, 2017), por lo
tanto, no se trata de un modelo nuevo en estricto sentido, sino que ha estado presente por años
o décadas.
Básicamente, el b-learning combina cualquier herramienta e-learning (desde videos
transmitidos en vivo hasta el uso del e-mail y ambientes virtuales) con las clases tradicionales
dentro del aula para hacer más eficiente el proceso de aprendizaje (Marsh, 2001).
El surgimiento de este modelo educativo obedece, entre otras, a las siguientes razones:
a) económica, al reducir los costos operativos de las instituciones; b) mejoramiento de la calidad,
al permitir innovar métodos pedagógicos; c) remedial, como mejora al e-learning que dejó de
lado, en su primera etapa, los aspectos didáctico-pedagógicos; d) estratégica, al desarrollar
nuevas competencias en los estudiantes y así satisfacer las demandas de una sociedad donde la
información y el conocimiento cada vez son más valorados (Ruíz, 2011).
Este modelo reporta ventajas, no solo a los estudiantes e instituciones educativas, sino
también a los administradores (Patterson, 2011). Dentro del contexto educativo, algunas
ventajas se exponen en la Tabla 3 (Ruiz y Gómez, 2017).

Tabla 3. Ventajas del B-learning
Ventaja ¿Cómo?
Desarrolla habilidades de aprendizaje A través de actividades virtuales que debe realizar
independiente fuera de clase y que le exigen regular si propio tiempo
de estudio.
Satisface sus expectativas en cuanto al uso Las nuevas generaciones tienen una inclinación
de la tecnología natural hacia el uso de la tecnología.
Ofrece una flexibilidad creciente y El tiempo y lugar de estudio es determinado por cada
conveniente individuo
Ofrece mejores oportunidades para quienes Permite administrar los tiempos disponibles para
trabajan o presentan alguna otra dificultad invertirlos al estudio
para asistir
Reduce costos educacionales Se reduce el uso de las instalaciones institucionales y

lo que ello implica
Desarrolla en el alumno la capacidad de A través de la interacción de manera distinta a los

buscar herramientas y recursos para la métodos tradicionales de educación.
captación de conocimiento
Promueve el aumento en el nivel educativo Por medio de la interacción de los estudiantes y

de los alumnos mediante su interacción docentes de manera sincrónica y asincrónica
Facilita las tutorías personalizadas No es necesario ir al centro educativo, se puede hacer

mediante la plataforma virtual y en cualquier
momento
Garantiza el rápido y eficiente acceso a la Las actividades virtuales se resuelven en línea, donde
red para solventar dudas o realizar alguna se pueden consultar distintas fuentes de información
consulta
Detona un aprendizaje más significativo Al ser los discentes quienes elaboran, seleccionan y
reflexionan sobre la información contribuyen a una
mejor asimilación del conocimiento
Los materiales de aprendizaje se actualizan El potencial de elaboración y actualización que tienen

rápidamente los ambientes virtuales favorecen el diseño y
construcción de actividades
Mueve al estudiante de un papel pasivo a Al exigir la resolución de actividades por su propia
uno más activo sobre si propio aprendizaje cuenta, aunque siempre teniendo el apoyo del
profesor.
Otras ventajas derivadas del uso del b-learning, según el tercer Congreso Virtual
Iberoamericano sobre la Calidad en Educación a Distancia, son (Ruíz, 2011): aumenta el interés
de los alumnos mediante la diversidad de representaciones y abarcando más estilos de
aprendizaje; promueve el pensamiento crítico como resultado del uso de la tecnología y los
diferentes sistemas de representación de los objetivos; promueve la comunicación docente-
alumno y alumno-alumno dentro y fuera del salón de clases a través de las aulas y chats
virtuales; favorece la interacción entre los estudiantes a través de la participación en foros
virtuales o la colaboración en wikis, además de las actividades que implemente el docente de
manera presencial; mejora el logro académico derivado de las ventajas que se han identificado
por el uso de las TIC; estimula el uso del lenguaje y de la narrativa a través de las participaciones
en los foros de discusión y demás herramientas de las plataformas virtuales; mejora la
autoestima como resultado del logro personal; produce sinergia en la ejecución de ciertas tareas
complementando el trabajo en equipo emprendido en el salón con sesiones virtuales a través de
foros y chats; obliga al estudiante a ser más explícito con otros en sus intenciones, metas, planes
y entendimiento de las actividades, pues la comunicación escrita favorece esas cualidades; tiene
más flexibilidad para el acceso a los recursos pues se tienen permanentemente disponibles en
un repositorio virtual; brinda facilidad para evaluar el proceso mediante una diversidad más
amplia que los métodos tradicionales dentro del aula, tales como las autoevaluaciones virtuales
u otras actividades en línea que no precisamente se deben aplicar en un tiempo y lugar
específicos; permite el estudio de casos por medio de foros; operativiza y simplifica la tarea
docente poniendo a su disposición una herramienta que complementa lo virtual con lo
presencial; genera la posibilidad de entregar tareas y consultar dudas sin tener que ir al facultad;
aumenta la motivación en el estudiante y facilita la actualización del docente y del curso.

En el mismo Congreso, un estudio cualitativo (Turpo Gebera, 2008) concluye que el b-
learning:
cumple con un rol decisivo en los procesos de innovación educativa de las
universidades de Iberoamérica, propiciando la adquisición de competencias
específicas para el desarrollo de la autonomía en el aprendizaje y la renovación
de la enseñanza; en definitiva, se trata de una modernizada forma de organización
didáctica para un nuevo contexto tecnológico y social. (p. 157)
En adición a lo anterior, y, por si fuera poco, el Consejo Nacional de Profesores de
Matemáticas (NCTM, por sus siglas en inglés) declara que:
Las computadoras y las calculadoras cambian lo que los estudiantes pueden hacer
con las representaciones convencionales y expanden el conjunto de
representaciones con las que pueden trabajar. Por ejemplo, los estudiantes pueden
mover, invertir, reducir, visualizar relaciones a través de programas de utilidades
o software dinámico… puede manipular expresiones, e investigar conjuntos
complejos de datos usando hojas de cálculo. Cuando los estudiantes aprenden a
utilizar estas nuevas herramientas versátiles, pueden también analizar las formas
en que algunas representaciones que se realizan empleando la tecnología difieren
de las representaciones convencionales. (Santos, 2011, p. 37)
Estas ventajas del b-learning facilitan la creación de un ambiente propicio para el logro
los objetivos de aprendizaje, mismos que solo se pueden alcanzar cuando el estudiante es capaz
de analizar, especular y explorar problemas de manera independiente para obtener opciones o

respuestas alternativas a las preguntas planteadas, además del estudio personal y una actitud de
independencia, los cuales son fundamentales para motivar la investigación y la creatividad (Lin
et. al., 2017),
Cabe señalar que, a pesar de las bondades que se han descrito anteriormente acerca del
b-learning, la literatura ha arrojado resultados contradictorios cuando se compara con la
modalidad tradicional o en línea. Por ejemplo, Márquez (2007, citado en Ruiz, 2011) comparó
tres grupos, uno con cada modalidad: presencial, en línea y b-learning sobre 3 tipos de
aprendizaje: conceptual, procedimental y total, y el b-learning obtuvo la menor puntuación
excepto en el procedimental donde ocupó el segundo lugar; McNamara, Swalm, Stearne y
Covassin (2008, citado en Ruiz, 2011) estudiaron la efectividad de las tres modalidades y no
hallaron diferencias significativas. Por lo anterior, el mismo autor señala que es necesario seguir
investigando sobre este tema.
En este mismo sentido, algunas desventajas que se han identificado respecto al b-
learning son (Ruíz, 2011):
1. Poca experiencia en la implementación del modelo
2. Problemas respecto del uso, disponibilidad y acceso a la tecnología
3. Falta de habilidades necesarias por parte del docente o del alumno para este modelo
4. Ausencia de una planeación adecuada (diagnóstico cuali-cuantitativo, precisar
objetivos de aprendizaje, definir criterios de evaluación, etc.)
5. Percepción de informalidad por parte de los alumnos principalmente en las
actividades virtuales
6. Incorrecta ponderación de las actividades virtuales como presenciales

Aunque existen estas debilidades, los beneficios que se obtienen con la implementación
de esta metodología superan los obstáculos que surgen para su aplicación y el mayor esfuerzo
que se requiere para que funcione con éxito (Gómez, 2017).
No obstante, no se debe perder de vista que, si bien la labor docente presencial es en sí
misma un reto sumamente ambicioso y complicado, agregar una herramienta para mejorarla
puede tener dos vertientes: por un lado supone facilitar un aprendizaje colaborativo e interactivo
profesor-estudiante; por el otro, exige del docente un dominio adecuado, suficiente y pertinente
de la herramienta virtual a utilizar, así como una planeación más compleja, misma que requiere
de una experiencia que pocas veces posee quien se quiere adentrar en este tipo de modelos
educativos; aunque esto último se puede solventar a través de la literatura.
El éxito de este modelo educativo (el b-learning) también depende de no caer en los
mismos errores que en el e-learning, y para ello se pueden considerar algunas ideas (Bartolomé,
2008):
1. Las Universidades o Centros de enseñanza no son centros de información, sino
de formación: muchas veces en los ambientes e-learning simplemente se “cuelgan”
los contenidos del curso como sustitución de una clase presencial por una clase
escrita. Lo que vale es la formación (ya sea de manera presencial o virtual, pues en
ambos modelos se puede dar), no la información, cabe tener claro que en esta era
tecnológica el estudiante puede conseguir más información en el internet de la que
le mismo curso ofrece, es por ello por lo que se enfatiza la formación;

2. Este modelo se debe adoptar como parte de un plan de mejora en los procesos de
aprendizaje o enseñanza, se trata de adaptación: el modus vivendi de los alumnos es
una realidad mixta, presencial y no presencial (virtual).
Como bien lo ejemplifica Bartolomé (2008) al hablar de la diferencia entre Blended
Learning y Blended Lives. El b-learning pretende, por lo menos en su idea básica,
que los estudiantes se conecten cuando éstos ya viven conectados.
3. Los estudiantes y profesores no son productos manufacturados con un estándar
único: el aprendizaje de las personas no es como fabricar tornillos, según Bartolomé
(2008), pues un mismo foro, ejercicio, actividad, etc, puede funcionar con uno u otro
alumno o docente. El b-learning brinda la oportunidad de un ambiente e interacción
más personalizados.
Con base en estas ideas se puede decir que el b-learning se adapta a una realidad de la
cual se toma consciencia y, en algunos casos, se intenta reflejar en el entorno educativo. Según
Bartolomé (2008), si se requiere que los estudiantes hagan un trabajo en equipo y para ello usen
la tecnología, no necesitan tal instrucción, lo harán porque esa es su realidad.
Este modelo tiene que ver con un ambiente flexible, una visión diferente, rica y abierta
donde el estudiante tenga un entorno que facilite el diseño de su propio aprendizaje, ya que
también es él quien lo realiza y no solamente el profesor; una realidad-virtualidad inseparable,
donde ambas se funden cada vez más, sabiendo que la virtualidad es simplemente un modo
diferente de vivir la realidad, utilizando otros medios; un ambiente donde las barreras de
comunicación se rompen para rescatar todos los medios disponibles para ejercerla. No solo es
combinar materiales en línea y clases tradicionales, sino un curso que integra actividades de
clases online y tradicionales de una manera planificada y pedagógica donde algunas clases
tradicionales son reemplazadas por clases y materiales en línea (Scott, 2007).
Finalmente, otros beneficios potenciales del b-learning son: puede satisfacer la
necesidad de visualizar de una manera más dinámica relaciones matemáticas a través de
gráficos, reafirmando los elementos teóricos vistos en clase; promueve la interacción del
estudiante con el conocimiento adquirido al tiempo que despierta su curiosidad por entender lo
que sucede al cambiar algunas condiciones o parámetros, pues estos cambios se ven reflejados
en la pantalla de manera inmediata sin pasar por un proceso algebraico manual que a priori
podría inhibir esta relación estudiante- saber; se pueden abarcar, por lo menos de manera más
sencilla y directa, los diferentes estilos de aprendizaje presentes en el aula a través de videos,
imágenes, gráficos, etc.; el contacto online entre estudiantes puede motivar el contacto dentro
del aula de clases entre quienes no lo tienen.
2.2 La enseñanza de las matemáticas
Es pertinente realizar una pequeña reflexión sobre la enseñanza de las matemáticas.
Lograr que el conocimiento trascienda en aquellos que lo están recibiendo se convierte en un
reto mayúsculo, desde el diseño y preparación de los materiales didácticos, hasta la puesta en
escena mediante una didáctica que garantice resultados exitosos. Si a la complejidad propia de
esta actividad se le agrega aquella inherente al conocimiento matemático entonces se convierte
en un nuevo reto quizá un poco mayor que el primero.
No obstante, esta tarea se vuelve ineludible debido a la importancia y trascendencia que
desde la sociedad se les atribuye a las matemáticas como parte de una educación integral. Por
esta razón, no solo los matemáticos y aquellos con perfiles afines se han preocupado por resolver
el problema de enseñar y aprender matemáticas, ha sido abordado desde distintas disciplinas
tales como la psicología, la filosofía, la pedagogía, entre otros.
Tampoco se trata de un interés y preocupación recientes, ya los griegos se ocupaban en
la reflexión y planteamiento de problemas matemáticos con base en el saber empírico de las
antiguas civilizaciones y en perpetuar dicho conocimiento mediante la enseñanza a sus
discípulos. Hombres como Tales de Mileto, Pitágoras de Samos, Platón y su academia y
Arquímides, considerados como grandes matemáticos de la historia antigua, son un claro
ejemplo de esta labor.
Desde los métodos griegos hasta los nuevos paradigmas educativos, la forma en la que
se ha transmitido el conocimiento matemático ha adoptado distintos enfoques a lo largo de la
historia. De manera tradicional, el énfasis de la enseñanza de las matemáticas se ha puesto en el
trabajo de ejercicios rutinarios y mecanizados donde el estudiante tiene poca o nula oportunidad
para reflexionar sobre estos procesos (Gamboa, 2007),
Se puede decir que el paradigma clásico que ha imperado en la enseñanza de las
matemáticas es el conductista, que, si bien tiene algunas ventajas, deriva en un aprendizaje
mecánico sin una cabal comprensión de los procesos con los que se resuelven los ejercicios o
problemas. Esta forma de abordar el conocimiento genera una brecha creciente entre los
conceptos teóricos y su aplicabilidad (Gamboa, 2007).
Una práctica común en la enseñanza de las matemáticas es mostrar movimientos
correctos y caminos acertados en la resolución de problemas, sin tomar en cuenta la verdadera

comprensión (Gamboa, 2002). El problema inherente a esta metodología es que los alumnos
automatizan algoritmos, que, en el mejor de los casos, pueden replicar con cierto grado de éxito
en las evaluaciones y sobre ejercicios homólogos a los resueltos en clase. Peralta (1994, citado
en Gamboa, 2007) afirma que este tipo de aprendizaje induce a los estudiantes a seguir
procedimientos sin siquiera preguntarse si éstos tienen sentido o no.
Otro problema común al que se enfrenta la enseñanza de las matemáticas es la extensión
de los temarios que deben ser cubiertos en un curso, situación que muchas veces presiona al
docente a no ofrecer diferentes alternativas para la resolución de problemas, además de llevar a
un grupo completo al mismo ritmo de aprendizaje sin tomar en cuenta las diferencias que
pudieran existir en los estudiantes. De esta forma, las evaluaciones se realizan mediante
exámenes que exigen, a lo sumo, replicar algunos procesos de resolución vistos en clase sobre
algunos ejercicios un tanto diferentes en lo superficial, sin dar oportunidad a la reflexión o
creatividad por parte del alumno.
En México, hasta antes de la reforma de 1992, las matemáticas se consideraban un mito
y su enseñanza tenía como base fundamental la enseñanza-aprendizaje de fórmulas y
procedimientos únicos, repetitivos, sin lograr un entendimiento del por qué y para qué de lo
aprendido. Con esta reforma se pretendía brindar una educación más contextualizada a través
de un enfoque de resolución de problemas, objetivo que no se cumplió del todo debido a factores
como la falta de capacitación docente (Ávila, 2004).
Esta problemática encierra diversas aristas y requiere, para su resolución, del
funcionamiento de varios elementos tales como el diseño de materiales didácticos, decisiones y
hábitos docentes y estudiantiles, entorno educativo y sociocultural, procedimientos de

evaluación, entre otros. La correcta articulación de estos aspectos puede garantizar, con mayor
probabilidad, el éxito del proceso educativo,
Un paradigma socorrido para resolver esta cuestión es el constructivista, pues promueve
la creatividad, originalidad y la búsqueda del conocimiento de manera autónoma en el
estudiante. Este enfoque aprovecha los errores cometidos en la resolución de problemas de
manera positiva, considerándolos como un camino descartable que no lleva al resultado
deseado. Behr y Harel (1990) afirman que la mayoría de los psicólogos interesados en la
educación matemática son, en algún sentido, constructivistas.
La complejidad que encierra la enseñanza de las matemáticas se hereda al aprendizaje
de estas. En este contexto, uno de los indicadores más relevantes para un aprendizaje efectivo
es la actitud, entendiéndose por actitud a una predisposición aprendida a responder positiva o
negativamente a un objeto, situación, institución o persona específica (Lin et.al., 2017). Existe
la creencia que la actitud hacia el aprendizaje juega un papel crucial en el contexto del
conocimiento matemático (Neale, 1969, citado en Lin et.al., 2017).
Casi cualquier docente cuya principal tarea es la enseñanza de las matemáticas puede
constatar que la actitud de los estudiantes hacia su aprendizaje es cada vez más renuente, sobre
todo en el nivel superior. Es un obstáculo que siempre han tenido que sortear los profesores de
este campo del conocimiento.
Sin embargo, parece que se han perdido algunas batallas en este frente, pues, en mi
experiencia personal y compartida por varios colegas, la actitud de muchos docentes es de un
desistimiento de lucha para transformar la didáctica utilizada en aras de sacar al estudiante de

su aversión hacia el conocimiento matemático, es decir, ahora no solo se tiene que luchar con la
actitud hacia el aprendizaje de las matemáticas, sino también con la actitud hacia la enseñanza
de estas. Esto representa una barrera más difícil de traspasar.
Lo anterior puede obedecer a distintos factores, uno de los principales es el
empoderamiento que se le ha dado al estudiante en algunos centros e instituciones de enseñanza,
y su participación en la forma en la que se evalúa a los docentes, cuyos resultados condicionan
la continuidad como profesores. Por otro lado, la calificación que se concede al docente con
base en los resultados cuantitativos ocasiona que estos pierdan de vista el objetivo toral de su
labor, enfocándose en suplir a toda costa las deficiencias estudiantiles reflejadas en las bajas
calificaciones, mismas que sufren una adecuación que obedece a los índices máximos de
reprobación permitidos por las autoridades superiores de los planteles y no a una nivelación
educativa extraordinaria.
De esta manera, parece haber una postura institucionalizada que genera que los actores
del proceso educativo tomen una actitud de desdén, rechazo y arrogancia ante el conocimiento
y sus estrategias para aprehenderlo (por parte de los estudiantes) y de desconcierto, indiferencia
y desinterés (por parte de los docentes) hacia el aprendizaje y enseñanza de las matemáticas.
Por lo tanto, se requiere un compromiso creciente por parte del docente que desea marcar
una diferencia y lograr los objetivos de aprendizaje; se requieren estrategias que motiven al
alumno a salir de la apatía y las malas disposiciones hacia el conocimiento que permean en la
mayoría de las aulas; se requiere una convicción interna y un interés genuino que trascienda las
aspiraciones personales de grandeza; se requiere creatividad y el tiempo suficiente para ponerla

en marcha; se requiere atacar la problemática desde las diferentes aristas de las que se tenga
consciencia.
Todo ello a pesar de la posible existencia de posturas institucionales (conscientes o
inconscientes) que pudieran llevar una contracorriente a los ideales de la educación matemática.
En este contexto, el correcto uso de la tecnología puede ser un factor diferencial en la
consecución de esos ideales.
2.3 Algunos resultados sobre el b-learning
Los resultados que se han obtenido con la implementación del b-learning son muy
interesantes. Cada vez son más las universidades o centros de enseñanza que buscan nuevas
formas de aprendizaje con el objetivo de incrementar su matrícula. En los Estados Unidos de
Norteamérica, el número de estudiantes que habían tomado por lo menos un curso en línea creció
en más de 570,000 de 2010 a 2011, dando un total de 6.7 millones (Allen & Seaman, 2013), sin
embargo, para esas fechas solo 2.6% de las instituciones de educación superior contaban con un
Curso Masivo Abierto y en Línea (MOOC, por sus siglas en inglés). El crecimiento de los cursos
en línea se ha dado principalmente por la reducción de los costos que este modelo representa
para las instituciones educativas.
En la Universidad Politécnica Tomsk, en Rusia, se aplicó un modelo híbrido para
estudiantes de las asignaturas de Álgebra y Geometría Analítica, logrando una mejora de 0.7 en
el promedio del semestre para aquellos que adoptaron este modelo en comparación con aquellos
que llevaron un curso tradicional (Imas et. al., 2015). A pesar de algunos resultados no tan
exitosos como el número de estudiantes que reprobaron exámenes (17% para b-learning vs 8%
para el tradicional), una encuesta realizada arrojó que los estudiantes estaban interesados en el
modelo híbrido y que, en general, los profesores participantes están satisfechos con los
resultados y con la forma de trabajo. Cabe mencionar que las condiciones de los profesores en
relación con el b-learning no era la óptima en el sentido de que la mayoría de ellos había
comenzado a utilizar el b-learning en los últimos 3 años y su capacitación no se había
completado aun, además ellos fueron los responsables tanto de la parte virtual como de la
presencial, lo cual incrementó sus cargas de trabajo.
En la Universidad de Uyo, Nigeria, se realizó una encuesta para investigar la percepción
de los estudiantes sobre los desafíos de las herramientas e-learning para lograr un modelo de b-
learning en la enseñanza y aprendizaje de las matemáticas. El cuestionario contenía 3 secciones:
disponibilidad, accesibilidad y habilidades de los estudiantes sobre el uso de las TIC.
Los resultados revelaron falta de disponibilidad, accesibilidad e inadecuadas habilidades
para el uso de TIC (Umoh & Akpan, 2014). Como conclusión los autores afirman que los
profesores e instituciones necesitan identificar los desafíos y oportunidades percibidos por los
alumnos sobre el b-learning y apoyar con la creación de ambientes virtuales para el aprendizaje
de las matemáticas; esto puede ayudar a otras instituciones a preparase adecuadamente si
pretenden adoptar un esquema combinado de enseñanza como el b-leanirng, tanto en el diseño
de contenidos como en el enfoque pedagógico para la enseñanza de las matemáticas.
Otro análisis interesante sobre si el b-learning realmente reporta mayor satisfacción a los
estudiantes es el expuesto por la Dr. Sophia Scott, de la Universidad Estatal del Sureste de
Missouri, donde los hallazgos determinaron que este tipo de enseñanza genera la misma
satisfacción en los alumnos, pero sí ayuda a bajar los costos debido a que no había necesidad de
trasladarse al campus para aquellos que se ubicaban fuera de la Universidad (Scott, 2007).
Además de considerar los buenos resultados que se derivan de la aplicación de este
modelo, se deben tomar en cuenta las particularidades de cada grupo, institución y país, pues en
el caso de la modalidad b-learning, no se sigue un esquema instruccional uniforme, por lo tanto,
el impacto en el proceso de aprendizaje será diferente (Ruiz, 2011).

Capítulo 3. Metodología
Los objetivos de la investigación son implementar un modelo de b-learning, identificar
y cuantificar sus beneficios sobre el aprendizaje de los estudiantes mediante el impacto en sus
calificaciones.
Algunas acciones previas a la implementación son: 1) la elección del curso donde se
implementa el modelo b-learning, y; 2) la elección de la plataforma sobre la cual se colocan las
actividades virtuales y donde se llevará la parte virtual del curso.
La materia que se eligió es Seguros y Actuaría de la carrera de Administración
Financiera del Centro de Ciencias Económicas y Administrativas de la Universidad Autónoma
de Aguascalientes, en Aguascalientes, México.
Las razones principales para esta selección son: 1) disposición y cooperación por parte
del docente durante todo el periodo del estudio; 2) es una carrera con un bajo perfil matemático,
sin embargo, el contenido de la última unidad tiene una base matemática sólida y compleja, cuya
comprensión puede detonar un aprendizaje significativo; 3) el contenido matemático de esta
unidad es teórico-práctico (series de tiempo y métodos de pronóstico), ideal para el uso de
herramientas tecnológicas; 4) dado que los estudiantes de esta materia no tienen un perfil
primordialmente matemático, se considera que es una circunstancia ideal para medir el impacto
del b-learning, pues no son alumnos apasionados por el conocimiento matemático.

La plataforma virtual utilizada es Moodle, y se elige con base en la familiaridad,
disponibilidad y uso que tienen los estudiantes con ella. Esto reporta un beneficio adicional al
no tener que invertir tiempo en capacitar a los alumnos en el uso de una nueva herramienta.
La metodología utilizada es de tipo cuantitativa-cualitativa, es decir, se adopta un
modelo mixto (Hernández, 2014). La complejidad del fenómeno que se pretende estudiar
respalda la adopción de dicha metodología. Hernández (2014) afirma que los fenómenos como
el aprendizaje y otros son tan complejos, que el uso de un enfoque único, cuantitativo o
cualitativo es insuficiente para lidiar con esta complejidad. Lo anterior no es limitativo a abordar
este tipo de problemáticas con un único enfoque.
El diseño es cuasi experimental con post prueba únicamente, y no un experimento puro.
La diferencia crucial es el grado de confiabilidad que se puede tener sobre la equivalencia inicial
de los grupos. En este caso los sujetos no se asignan al azar ni se emparejan (lo que daría más
confiabilidad), sino que se trabaja con grupos naturales que ya están formados (Hernández,
2014).
Las variables dependientes que se van a considerar en esta investigación son las
calificaciones de la última unidad y la final; sobre estas se identifica el impacto de la variable
independiente, que en este caso es la implementación del b-learning. El grado de manipulación
de esta última es presencia/ausencia.
Es importante cuidar la validez interna en una investigación, y la manera de lograrlo es
mediante dos acciones: 1) varios grupos de comparación (mínimo dos) y, 2) equivalencia de los
grupos en todo, excepto en la manipulación de la variable independiente lo cual se logra

asignando aleatoriamente a los individuos en cada grupo (Hernández, 2014). Como resultado
de cuidar este aspecto, se puede conocer la relación causal. En otras palabras, se trata de
controlar la influencia de variables extrañas en la variable dependiente para así tener la seguridad
de que las variables independientes tienen un efecto real sobre la dependiente; se depura la
relación entre variables.
Tomando en cuenta estas consideraciones, el estudio se realiza en dos semestres con dos
grupos (control y experimental). El primer semestre se trabaja con el grupo control (ausencia de
b-learning) y el segundo semestre se trabaja con el grupo experimental (presencia del b-
learning). Posteriormente se contrastan los resultados para identificar los beneficios del nuevo
modelo con base en las calificaciones.
Como se mencionó anteriormente, los sujetos no pueden asignarse al azar en cada uno
de los grupos, sin embargo, el trabajar con grupos naturales completos subsana de alguna manera
la falta de aleatoriedad (Hernández, 2014). Cabe señalar que los grupos que se toman
corresponden a los primeros semestres de dos años consecutivos, es decir, comienzan en enero
y terminan en junio. Esto es importante porque estos grupos están conformados por estudiantes
que obtuvieron los mejores resultados en su examen de admisión en el año respectivo, por lo
tanto, los grupos son similares en esta variable. Los semestres en los que se trabaja son 2018-II
y 2019-II.
En relación con el acopio de información, se tienen varias fuentes. Primero se tiene un
acercamiento con el docente para conocer las necesidades de los estudiantes y del curso, así
como las políticas escolares y las herramientas tecnológicas disponibles para los alumnos; con
base en esta información se diseña el modelo de b-learning.

En segundo lugar, se capturan las calificaciones de la última unidad y la calificación
final de la asignatura para el grupo control y para el experimental. Finalmente, se diseña y aplica
una encuesta en papel de manera presencial a los estudiantes para tener información de algunas
otras variables de interés tales como el grado de dificultad de la materia, su utilidad para el
desempeño profesional, edad, género, entre otras.
Es pertinente comentar que, en la dinámica de la asignatura, según lo comentado con el
docente, las unidades I y II se conjuntan en una sola, la unidad III del temario en realidad se
convierte en la unidad II dentro del curso y, finalmente la unidad IV corresponde a la unidad III
en la práctica. Por lo tanto, solo se tienen tres unidades, aunque en el temario se marcan cuatro.
El modelo de b-learning se aplicará en la última unidad, la de mayor contenido matemático y
que exige un poco más de conocimientos previos y análisis para la resolución de problemas,
además que se considera de mucha utilidad para el desempeño profesional de los egresados.
Los contenidos de la materia son: Unidad I – Concepto de la actuaría; Unidad II –
Conceptos de seguros; Unidad III – Tablas de mortalidad y cotizaciones; Unidad IV –
Herramientas para pronósticos. La última unidad abarca la teoría de las series de tiempo, un
tema que está sustentado en la estadística, aunque en este caso se aborda de una forma muy
sencilla.
Con base en estos elementos, el modelo de b-learning consiste en la instrumentación de
actividades de aprendizaje a través de la plataforma Moodle. Con la finalidad de promover el
uso y aprovechamiento de la herramienta tecnológica, se solicita a los estudiantes comentar un
mínimo de participaciones de otros compañeros, y algunas actividades solo pueden ser

retroalimentadas a través de la plataforma por parte del docente. Estas acciones tienen
calificación asignada.
La última unidad de la asignatura tiene una duración de 30 horas, que se cubren
aproximadamente en un mes. En este modelo de b-learning se realiza una sesión virtual cada
semana en el laboratorio de cómputo y guiada por el docente. Las consultas pueden realizarse
de manera individual presencial y también existe la opción de hacerlo a través de un chat
personal para resolverse de manera asincrónica. Se tienen previstas cuatro actividades, una cada
semana, cuya solución y retroalimentación es exclusivamente a través de la plataforma y se les
pide como requisito comentar un mínimo de respuestas de sus compañeros.

Capítulo 4. Análisis de datos y resultados
La principal fuente de información utilizada para realizar el análisis son las
calificaciones de los exámenes y tareas de la última unidad, y la calificación final de la
asignatura. A través de estos datos se pretende medir el beneficio de la implementación del
modelo de b-learning. Se trabaja con dos grupos, uno control y otro experimental, ambos
dirigidos por el mismo docente para evitar diferentes metodologías de enseñanza como variable
de confusión. El horario del grupo control es de 4:00 – 5:00 pm y el del grupo experimental de
6:00-7:00 pm.
En los dos grupos se aplicó una encuesta al final del semestre para conocer algunas
variables de interés que pudieran caracterizarlos, con la finalidad de contrastar las similitudes
de los grupos y tener más elementos para descartar variables de confusión que pudieran influir
de manera significativa en los resultados.
4.1 Grupo control
4.1.1 Caracterización
El primer grupo con el que se trabajó (el grupo control) está constituido por 35
estudiantes de los cuales 19 son hombres y 16 son mujeres; todos están en un rango de edad
entre los 21 y 26 años con lo cual se puede considerar de alguna manera que el manejo de la
tecnología, en general, no será un obstáculo considerable para llevar a cabo el cuasi-
experimento. La Gráfica 1 muestra la distribución por edades de este grupo, el 90% tiene 22
años o menos, y solo el 5% es mayor a 23 años; es un grupo joven.

En este grupo hubo dos casos extremos, alumnos con muchas inasistencias y que no
cumplían con casi ninguno de los requerimientos de la clase.
Gráfica 1. Distribución por edades, grupo control
5% 11%
5%
32%
47%
20 años 21 años 22 años 23 años Mayor a 23 años
Cabe mencionar que el grupo control fue el primer grupo después del cambio y rediseño
del programa de la asignatura, por lo tanto, sus resultados no son comparables con los grupos
anteriores. Si bien se trabajó con la plataforma Moodle, solamente se utilizó para brindar
material audiovisual de apoyo a los temas vistos en clase y se dejó como actividad replicar los
ejercicios que se resolvían en los videos, tomando como evidencia el llegar a los mismos
resultados. No se mantuvo un monitoreo constante de las actividades virtuales.
Dentro de este primer grupo el 75% de los encuestados considera que la materia es
complicada, y el 68% cree que la unidad más difícil es la última, además, es considerada la de
menor aprendizaje (considerado como malo o regular por el 70%).

Este resultado era esperado en cierto sentido, ya que en esta unidad se abordan temas
con mayor contenido matemático y que exigen cierto nivel de conocimientos previos en la
materia, desde la aritmética hasta el álgebra y algunos temas de la geometría plana. Las Gráficas
2-5 muestran estos resultados.
Gráfica 2. Porcentaje de estudiantes según su consideración sobre cuál es la unidad más compleja, grupo control
7%
25%
68%
Unidad 2 Unidad 3 Sin respuesta
Gráfica 3. Porcentaje de estudiantes según su consideración sobre la complejidad de la materia, grupo control
25%
75%
Fácil Complicada
Gráfica 4. Porcentaje de estudiantes según la forma como consideran su aprendizaje en la última unidad, grupo control
7% 7%
25%
61%
Malo Regular Muy Bueno Excelente
Gráfica 5. Porcentaje de estudiantes según su consideración sobre la unidad con mayor aprendizaje, grupo control
14%
25%
61%
Unidad 1 Unidad 2 Unidad 3

En el grupo control no se implementó el modelo b-learning, sin embargo, sí se utilizó
Moodle como plataforma para asignar algunas actividades, aunque sin la ayuda o
retroalimentación por parte del docente de manera sincrónica o asincrónica a través de la
plataforma, solo de manera presencial. En este contexto, se les consultó a los estudiantes qué
elementos o actividades consideraban que les habían ayudado más para su aprendizaje en la
última unidad, solo una persona mencionó las actividades en línea (Gráfica 6).
Este resultado obedece a que pocos estudiantes realmente aprovechan los recursos
tecnológicos (algunos manifestaron no recordar que la hubieran usado en este curso) que tienen
a disposición y a que el curso no incorporó de manera formal actividades virtuales. Por otro
lado, lo presencial sigue siendo de gran valor.
Gráfica 6. Porcentaje de estudiantes según su consideración sobre los elementos que contribuyen mejor al
aprendizaje de la última unidad, grupo control
4%
25%
46%
21%
4%
Actividades en clase Clase y en línea

Clase y maestro Explicaciones del maestro
Otro punto interesante es la importancia y utilidad que le conceden los estudiantes a la
materia y a las matemáticas en general para su desempeño profesional. En una escala de 1 a 10,
donde a mayor valor mayor importancia, solo el 14% le asignó la calificación más alta a la
materia; en contraste, la misma calificación fue asignada a las matemáticas en general por casi
el 80% de los encuestados. No obstante, más del 80% le dio una calificación mayor que 8 a la
materia, mientras que este mismo rango para las matemáticas representó más del 90%. (Ver
Gráficas 7 y 8).
Gráfica 7. Porcentaje de estudiantes según su concepto de utilidad de la materia, grupo control
4% 4%
14% 11%
32%
36%
Calificación 4 6 7 8 9 10
Gráfica 8. Porcentaje de estudiantes según su concepto de utilidad de las matemáticas, grupo control
4% 4%
14%
79%
Calificación 7 8 9 10
4.1.2 Resultados del grupo control
Las variables dependientes son: la calificación de la tercera unidad y la calificación final,
siendo la primera la de mayor relevancia pues es donde se pretende implementar el modelo de
b-learning. A pesar de lo anterior, se incluyen los resultados de las dos primeras unidades con
la finalidad de contrastarlos.
En congruencia con los resultados de la encuesta, en la tercera unidad se obtuvieron las
calificaciones más bajas. La Gráfica 11 indica que casi el 30% reprobó y el 40% apenas alcanzó
la calificación mínima aprobatoria (la calificación mínima aprobatoria es de 7) y solo una
persona (3%) alcanzó la máxima calificación; en contraste, en la segunda unidad alrededor del
70% de los alumnos alcanzó una calificación de 9 o 10, además, los casos de máxima
calificación son 10 veces más que en la última unidad, como se indica en la Gráfica 10. Respecto
al índice de reprobación, en la última unidad (31%) es casi el triple comparado con el de la
segunda unidad (11%).
Gráfica 9. Calificaciones Unidad I, grupo control

14 13
12
10
Alumnos
8 7
6
6 5 12
4
4 8
4
6
5
2
0
Reprobados 7 8 9 10
Calificación
Calificación final Examen

Gráfica 10. Calificaciones Unidad II, grupo control
14 13
12
12
10
10
Alumnos
8
5 13
6
4 3
2
5
2 4
3
0
Reprobados 7 8 9 10
Calificación
Gráfica 11. Resultados Unidad III, grupo control
16
14
14
12
10
10
Alumnos
8
5
6 12 5
11
4
6
2 5 1
0 1
Reprobados 7 8 9 10
Calificación

La primera unidad parece seguir una distribución parecida a la normal, mientras que la
segunda y tercera presentan una asimetría negativa y positiva respectivamente. Por otro lado, la
calificación de los exámenes es congruente con los resultados finales de cada unidad.
Cabe señalar que para la construcción de las gráficas se juntaron todas las calificaciones
reprobatorias en un solo rango y, como consecuencia, el coeficiente de asimetría, la curtosis y
demás medidas de dispersión se calcularon con estos datos corregidos con la finalidad de que
haya congruencia con lo que presenta el gráfico. Así, la gráfica de la unidad III (Gráfica 11)
presenta una asimetría positiva (Pearson), es decir, tiene un sesgo a la derecha lo cual implica
que pocos obtuvieron calificaciones altas mientras que la mayoría obtuvo calificaciones bajas;
la gráfica de la unidad II (Gráfica 10) presenta una asimetría negativa o sesgo hacia la izquierda,
lo cual indica que la mayoría de las calificaciones son altas y solo pocos casos son calificaciones
bajas.
Por otro lado, la Gráfica 12 refleja las calificaciones finales de la asignatura del grupo
control, la cual, también parece presentar una asimetría positiva, es decir, la media grupal se
carga un poco más hacia la izquierda, a las calificaciones más bajas; solo una cuarta parte del
grupo logró obtener 9 o 10 como nota final.
En relación con el índice de reprobación de la asignatura, para el grupo control fue del
9%, muy similar al de la unidad II y un tercio del de la unidad III. Aunque puede parecer baja
esta estadística, se señaló como una de las materias con mayor índice de reprobación dentro del
Departamento.
Gráfica 12. Calificaciones finales, grupo control
14
12
10
Alumnos
13
6
10
4
5
2 4
3
0
Reprobados 7 8 9 10
Calificación
Con base en los resultados expuestos hasta aquí, resulta evidente que se requiere un
reforzamiento y una estrategia distinta para lograr un mejor aprendizaje y mejores resultados en
la materia, sobre todo en la última unidad, donde se abordan los contenidos matemáticos más
fuertes. En la Tabla 4 se pueden observar los siguientes resultados: la media de la última unidad
es la menor, tanto para el examen como para la calificación final; la moda (la calificación que
más se repite) de la unidad 3 es una calificación reprobatoria; la desviación estándar de la unidad
III también es menor, indicando que el resultado es más homogéneo, es decir, la mayoría obtiene
una baja calificación.
El tamaño de la ‘muestra’ está en el límite de lo que académicamente se considera una
muestra pequeña (<30) (Freund, Miller y Miller, 2000), son 35 estudiantes. En estricto sentido
se puede invocar el Teorema Central del Límite (Mood, Graybill y Boes, 1973) para realizar las
pruebas estadísticas en el presente estudio, sin importar la forma real de la población
muestreada, pero se analizan los resultados descriptivos de los datos.
Tabla 4. Estadísticos descriptivos, grupo control
Asimetría Curtosis
Casos Mínimo Máximo Media D. E. Varianza Estadístico D.E Estadístico D.E.
UIII_c 35 .00 9.99 6.9327 1.77931 3.166 -1.643 .398 5.693 .778
Final_c 35 4.00 10.00 7.8286 1.42428 2.029 -.716 .398 1.528 .778
En ambas variables la asimetría es distinta de cero y la curtosis es distinta de 3, por lo
tanto, parecen no seguir una distribución normal. Además de obtener estas medidas se realizaron
las pruebas de Kolmogorov-Smirnov y Shapiro-Wilks para contrastar la distribución observada
con la distribución teórica, en este caso, la normal. La aproximación a la distribución normal
cuando la muestra n es suficientemente grande permite omitir el hecho de que los datos no
cumplan con los supuestos de normalidad, sin embargo, por tener una ‘n’ cerca de la frontera
mínima se realizan pruebas no paramétricas para no asumir distribución alguna, y también las
pruebas paramétricas, implicando que las muestras provienen de poblaciones normales.
Las pruebas de bondad de ajuste de Kolmogorov-Smirnov y Shapiro-Wilks tienen las
siguientes hipótesis:
H0: “Los datos siguen una distribución normal”

H1: “Los datos NO siguen una distribución normal”
El error estadístico tipo I es rechazar H0 cuando esta es verdadera, es decir, afirmar que
los datos no se distribuyen normalmente cuando sí lo hacen. Queremos que esta probabilidad
sea muy baja, así que fijamos un valor de 0.05, que es el más comúnmente utilizado por
convención pero que además nos brinda un muy buen nivel de confianza, el 95%.
El error tipo II es no rechazar H0 cuando esta es falsa, es decir, afirmar que los datos
siguen una distribución normal cuando no es así. En este caso la probabilidad de este error es
más complicada de calcular y tiene que ver con el cálculo del tamaño de muestra, y dado que
no podemos modificar este dato, basaremos las pruebas del presente trabajo en el nivel de
significancia alfa, la probabilidad del error tipo I.
Con ayuda del paquete estadístico SPSS, se realizaron las pruebas con un nivel de
confianza del 95%. Si el p-value es mayor a 0.05 (significancia) entonces no se rechaza la
hipótesis nula, y la distribución es normal; si es menor a 0.05, se rechaza la H0.
La Tabla 5 muestra los resultados de estas dos pruebas de bondad de ajuste, las cuales
indican que ambas variables dependientes (UIII y Calificación Final) no siguen una distribución
normal, a excepción de la prueba de Komogorov-Smirnov de la U3. Los p-values son mucho
menores a 0.05.
Tabla 5. Resultados de pruebas de normalidad, grupo control
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.

UIII - G. Control .122 35 .200* .883 35 .001
Final - G. Control .195 35 .002 .880 35 .001
a. Corrección de la significación de Lilliefors
*. Este es un límite inferior de la significación verdadera.

También se realizaron pruebas para comparar si las calificaciones son independientes de
la variable sexo. Por la ‘no normalidad’ de los datos realizamos la prueba U de Mann Whitney
para diferencia de medianas. La razón principal de este ejercicio es que en el grupo experimental
la proporción de mujeres respecto a los hombres es de 2.25, es decir, por cada hombre hay más
de dos mujeres, mientras que en el grupo control fue de 0.84, por cada hombre hay 0.84 mujeres,
o sea, casi uno a uno. Asimismo, la Tabla 6 muestra que las mujeres tienen un mejor promedio
que los hombres, tanto en la última unidad como en la calificación final, pero ¿es esta diferencia
estadísticamente significativa?, ¿se puede afirmar que el promedio depende del sexo? Las
diferencias en los promedios son de 1.26 puntos y 1.58 para UIII y Calificación final
respectivamente.
Tabla 6. Promedios finales, hombre vs mujeres, grupo control
Desviación estándar Promedio final de la Desviación estándar

Sexo
Promedio Unidad III asignatura
Hombres 6.35 0.4661 7.10 0.3234
Mujeres 7.61 0.2864 8.68 0.2183
Las hipótesis de la prueba de U de Mann se plantean de la siguiente manera, tanto para
la Unidad III como para la calificación final de la asignatura:
H0: “Mediana de hombres = Mediana de mujeres”

H1: “Mediana de hombres ≠ Mediana de mujeres”
El nivel de confianza (alfa) elegido, por regla general y convención, es del 95% y se
realizó con el programa estadístico SPSS. Cabe señalar que si el p-value es menor a la
significancia (α=0.05) entonces se rechaza la H0 y las calificaciones son significativamente
diferentes en términos estadísticos según la variable sexo.

Los resultados afirman que, para ambas variables sí hay diferencia estadísticamente
significativa entre las medianas entre hombres y mujeres, es decir, las calificaciones difieren
según el sexo dentro del grupo control. Los p-values resultan ser menores a 0.05, por lo tanto,
se rechaza la H0 de igualdad de medianas (Tabla 7). En el caso de la variable de calificación
final, existe diferencia significativa a cualquier nivel de confianza prácticamente.
Tabla 7. Prueba U de Mann Whitney para diferencia de medianas, variable de agrupación ´sexo´, grupo control
Calificación UIII Calificación Final
U de Mann-Whitney 85.000 42.500
W de Wilcoxon 275.000 232.500
Z -2.219 -3.777
Sig. Asintótica (bilateral) 0.027 0.000
El tamaño de muestra es de 35, y como ya se dijo anteriormente, se realizan pruebas
tanto paramétricas como no paramétricas. En este sentido y asumiendo que los elementos
muestrales provienen de una población normal, se puede realizar la prueba paramétrica para
determinar si existe diferencia en las medias de calificaciones entre hombre y mujeres. Esto se
lleva a cabo mediante la prueba t para muestras independientes.
Estas pruebas paramétricas tienen como H0 que las medias (no las medianas como en la
prueba no paramétrica) de ambos grupos (hombres y mujeres) son iguales. De la misma forma,
si el p-value asociado es menor a 0.05 (significancia elegida) entonces la decisión es rechazar
la H0, lo cual implica que la diferencia entre las medias, agrupando por la variable sexo, es
estadísticamente significativa.
En la
Tabla 8 se puede observar al estadístico t con su nivel de significación bilateral, que
refleja el grado de compatibilidad entre la hipótesis de igualdad de medias (H0) y la diferencia
entre medias poblacionales observada. Ya que todos estos valores son menores que 0.05, la
conclusión es que se debe rechazar la hipótesis nula de igualdad de medias. Las medias son
diferentes para hombres y mujeres. Este resultado se corrobora con los intervalos de confianza
para estas diferencias, los cuales no incluyen al cero, descartando así la igualdad de medias.
Además del resultado anterior, también se obtienen resultados para la prueba de las
varianzas de ambos grupos, y dado que los valores de la significación son mayores a 0.05, se
concluye que las varianzas son iguales en ambos grupos, hombres y mujeres. Esto implica que
la variabilidad en las calificaciones no difiere en hombres y mujeres desde el punto de vista
estadístico.
En la prueba no paramétrica y la paramétrica se obtienen resultados análogos. Estos
resultados implican que, al contrastar los dos grupos, el control y el experimental, debemos
hacerlo con base en la variable sexo. Cabe señalar que las mismas pruebas, paramétricas y no
paramétricas se harán para determinar las diferencias en las variables de interés del grupo
experimental agrupando por la variable sexo, así como las pruebas finales de contraste entre el
grupo control y el experimental, también agrupando por la variable sexo.

Tabla 8. Prueba t para muestras independientes, variable de agrupación ´sexo´, grupo control
.
Prueba de
Levene de
igualdad de
varianzas prueba t para la igualdad de medias
95% de intervalo de
Diferencia confianza de la
Sig. Diferencia de error diferencia
F Sig. t gl (bilateral) de medias estándar Inferior Superior
Calificación Se asumen
Unidad III varianzas .793 .380 -2.189 33 .036 -1.25376 .57263 -2.41879 -.08873
iguales
No se asumen
varianzas -2.292 29.170 .029 -1.25376 .54707 -2.37237 -.13515
iguales
Calificación Final Se asumen
varianzas .144 .706 -3.898 33 .000 -1.58224 .40592 -2.40808 -.75640
iguales
No se asumen
varianzas -4.054 30.530 .000 -1.58224 .39026 -2.37868 -.78580
iguales
4.2 Grupo experimental
4.2.1 Caracterización
El grupo experimental está compuesto por 25 mujeres y 10 hombres, una proporción
mucho mayor de mujeres comparado con el grupo control. Se trata también de un grupo joven,
donde las edades oscilan entre 20 y 28 años (ver Gráfica 13).
Casi el 80% de los estudiantes tienen entre 20 y 21 años. Esta composición es favorable
ya que supone una cualidad equiparable con el grupo control y se puede despreciar como
variable de confusión.
Gráfica 13. Porcentaje de estudiantes por edades, grupo experimental
3%
3%
9%
9%
46%
31%
20 años 21 años 23 años 24 años 25 años 28 años
En este grupo fue implementado el modelo de b-learning principalmente para la unidad
III. No obstante, como en el caso del grupo control, se utilizó la plataforma Moodle para algunas
comunicaciones en las otras unidades, así como para recomendar algunos videos y actividades.
Cabe mencionar que la experiencia en esta materia es que los alumnos no aprovechan
los recursos tecnológicos disponibles, son pocos los que explotan la plataforma con toda su
potencialidad, algunos del grupo control incluso no recordaban el haber usado la plataforma
durante todo el semestre, aun cuando por ese canal se dejaron algunas actividades.
Para estimular el uso de la plataforma por parte de los estudiantes se abrieron algunas
actividades, a partir de las unidades I y II donde se les requería compartir una opinión sobre
algunos sitios de interés relacionados con la materia, además de comentar a por lo menos 3
compañeros. Los resultados fueron muy gratificantes, las participaciones no eran breves y el
nivel de reflexión fue muy satisfactorio.
Este tipo de actividades llevaban inherentes un valor agregado sobre la calificación. Si
bien eran opcionales, sí representaban la posibilidad de obtener puntaje extra al final del periodo.
Cabe mencionar que las actividades en el grupo control también tenían una calificación
asociada, sin embargo, la respuesta no fue la esperada, pocos participaron.
Probablemente el hecho de comenzar el uso de la plataforma con actividades que eran
del interés del grupo contribuyó al éxito en esta ocasión. Se proyectaron películas relacionadas
con la materia o con el uso de las matemáticas en un ambiente práctico. Esto motivó más a los
estudiantes a participar en el uso de la tecnología y con ello se fueron familiarizando y
acostumbrándose a utilizar la plataforma como herramienta para su aprendizaje.
Por otro lado, se realizaron actividades virtuales con retroalimentación presencial en las
unidades I y II, aunque en menor proporción que en la última unidad, con la finalidad de llevar
a los estudiantes al uso recurrente de la plataforma; los resultados en este contexto fueron muy
satisfactorios. De esta manera se preparó al grupo para el máximo aprovechamiento posible de
las actividades virtuales del modelo b-learning implementado en la unidad III.
Se aplicó la misma encuesta que en el grupo control, en este caso se aplicaron 35
encuestas. En cuanto a la complejidad de las unidades, la última se considera la más complicada
y esto obedece, como se mencionó en los resultados del grupo control, al contenido matemático;
el 77% (27 casos) lo consideró de esta manera (Gráfica 14).
El aprendizaje en la unidad III se consideró malo o regular por el 80% del grupo, y solo
el 20% como muy bueno o excelente (Gráfica 16). Este resultado contrasta con el del grupo
control donde los porcentajes fueron de alrededor del 70% y 30% respectivamente, contrario a
lo que se esperaba dada la implementación del modelo b-learning.
En relación con la complejidad de la materia, el 80% (28 casos) la considera complicada
y solo en dos casos muy complicada (
Gráfica 15), en contraste con el grupo control donde el 75% la consideró complicada y
no hubo casos donde se consideró muy complicada. Aparentemente, en este grupo experimental,
la percepción sobre la complejidad de la materia y de la última unidad es mayor que en el grupo
control. Incluso la percepción sobre la unidad donde se tuvo un mejor aprendizaje, la última
unidad representa el 8% en el caso de este grupo experimental (Gráfica 17) en contraste con el
14% del grupo control.
Los resultados anteriores contrastan significativamente a los esperados en el grupo
experimental donde se diseñaron actividades virtuales especialmente para facilitar el

aprendizaje en la tercera unidad. Se esperaba que con el modelo de b-learning se lograra mejorar,
no solo los resultados, sino también la percepción de los alumnos en cuanto a su aprendizaje y
la complejidad de la materia.
Gráfica 14. Porcentaje de estudiantes según su consideración de la unidad más compleja, grupo experimental
3%
20%
77%
2 3 Sin respuesta
Gráfica 15. Porcentaje de estudiantes según su consideración sobre la complejidad de la materia, grupo experimental
6% 14%
80%
Fácil Complicada Muy complicada

Gráfica 16. Porcentaje de estudiantes según su consideración de aprendizaje en la última unidad, grupo
experimental
3% 11%
17%
69%
Malo Regular Muy bueno Excelente
Gráfica 17. Porcentaje de estudiantes según su consideración sobre la unidad con mayor aprendizaje, grupo
experimental
9% 3%
29%
60%
1 2 3 Todas
En este grupo se concientizó más a los estudiantes sobre el uso de la plataforma Moodle
como herramienta de comunicación y aprendizaje a través de actividades iniciales donde tenían
la oportunidad de compartir sus experiencias y comentar la de sus compañeros mediante foros

asincrónicos de participación. Se diseñaron actividades muy específicas para coadyuvar el
aprendizaje en la tercera unidad, las cuales tenían la bondad de ser interactivas e intuitivas donde
el estudiante tenía la oportunidad de “jugar” y observar el impacto que se generaba en los
resultados.
En relación con lo anterior se preguntó a los estudiantes sobre los medios o elementos
que aportaron más para lograr un mejor aprendizaje en la última unidad. El resultado es muy
interesante comparado con el grupo control, en este caso las actividades relacionadas con la
tecnología fueron altamente valoradas. En primer lugar, fueron los laboratorios (clases
desarrolladas en un centro de cómputo aprovechando la bondad de la tecnología) con el 28.5%
de preferencia, seguido de las actividades en clase, las actividades en línea y las explicaciones
del maestro que sorprendentemente tienen la misma preferencia, el 23%. Un solo caso puso a la
par los laboratorios y las explicaciones del maestro, como lo muestra la Gráfica 18.
Los resultados anteriores contrastan con los del grupo control donde solo una persona
identifica a las actividades en línea como coadyuvantes para el aprendizaje, y esto en
combinación con las actividades en clase. De esta forma se logró posicionar en el grupo a la
parte tecnológica como ingrediente esencial del modelo educativo.
La relevancia o utilidad de la materia para el desempeño profesional es otro punto
interesante que se le cuestionó al grupo. El 23% le concedió la calificación más alta a la materia
en contraste con el 14% del grupo control, mientras que la calificación que prevaleció fue de 8
con casi el 40%. La calificación más baja fue de 5 (Gráfica 19). En relación con la importancia
que los estudiantes les conceden a las matemáticas para su desempeño profesional, el 83%
considera que son muy útiles y le dieron la calificación más alta; la nota más baja para este rubro
fue de 8. Cabe recordar que en el grupo control el 75% le concedió la máxima puntuación a las
matemáticas y la menor calificación fue de 7. Parece que este grupo tiene un poco más de
consideración hacia el conocimiento matemático en su carrera. Estos resultados se muestran en
la
Gráfica 20.
Gráfica 18. Porcentaje de estudiantes según su consideración sobre las actividades que aportan más al aprendizaje, grupo
experimental
23% 23%
23%
29%
3%
Actividades en clase Laboratorios Laboratorios y Maestro

Actividades en línea Explicaciones del Maestro
Gráfica 19. Porcentaje de estudiantes según la calificación de utilidad (0-10) que le dieron a la materia, grupo
experimental
3% 6%
23% 9%
23% 37%
5 6 7 8 9 10
Gráfica 20. Porcentaje de estudiantes según la calificación de utilidad (0-10) que les dieron a las matemáticas, grupo
experimental
3%
14%
83%
8 9 10
4.2.2 Resultados del grupo experimental
Las variables dependientes son las calificaciones de la tercera unidad y la final. Los
resultados en este grupo experimental muestran, por lo menos de manera a priori, que hubo una
mejoría en los resultados de la última unidad y en la calificación final.
En la Gráfica 23 se puede ver que en la unidad III se redujo el índice de reprobación, del
30% en el grupo control a una décima parte de eso en este grupo experimental; la calificación
mínima aprobatoria representa el 8%, en contraste con el 34% en el grupo control.
Las calificaciones más altas (9-10) representan el 62% lo cual contrasta
significativamente con el 19% del grupo control. Incluso la asimetría de las gráficas para esta
unidad III entre el grupo control y el experimental son contrarias, pues la calificación
predominante en este caso es de 9 con el 38%, y en el grupo control fue de 7 con el 35%.
Un resultado interesante en este grupo experimental es que nadie obtuvo una calificación
de 10 en el examen de la última unidad, sin embargo, el 24% alcanzó esa calificación final, esto
obedece a que el examen tiene un peso del 60% y además algunas actividades aportaban puntos
extra a la calificación del examen (la misma oportunidad tenían los del grupo control).
Las unidades I y II son muy similares en sus comportamientos. En la primera unidad
(Gráfica 23) el 46% lograron la máxima calificación y solo el 5% de índice de reprobación; si
se toman en cuenta las dos calificaciones más altas (9-10) suman el 73%. En la segunda unidad
(Gráfica 22) el 54% obtuvieron la máxima calificación y solo el 5% reprobó. Tomando en cuenta
las dos calificaciones más altas suman 76% del grupo.

Gráfica 21. Resultados Unidad III, grupo experimental
20 19
18 15
16
14
12
Alumnos
10
8 9
14
6
10
4 1 2
2 3 0
0 1
Reprobados 7 8 9 10
Calificación
Gráfica 22. Resultados Unidad II, grupo experimental

25
20 17
20
15
Alumnos
10
7 7
5
5
8
5 1
2 2
0
Reprobados 7 8 9 10
Calificación

Gráfica 23. Resultados Unidad I, grupo experimental
18
16 17
14
14
12
Alumnos
10 9
8 6
6
6
2 10
4
2 5
2 3
0
Reprobados 7 8 9 10
Calificación
La calificación final de la asignatura para este grupo se puede ver en la Gráfica 24. El
porcentaje de reprobación es del 3%, solo un alumno, contra el 9% del grupo control; las dos
calificaciones más altas representan el 73% mientras que en el grupo control fue del 25%. El
sesgo de la gráfica es hacia la izquierda en contraste del grupo control que fue a la derecha. En
general se mejoraron las calificaciones de la última unidad y de la asignatura.
Gráfica 24. Calificaciones finales, grupo experimental
18
16
14
12
Alumnos
10
8 17
6
10
4
2 5
4
0 1
Reprobados 7 8 9 10
Calificación
Las medidas estadísticas que nos ayudan a vislumbrar de manera resumida los resultados
del grupo experimental se reflejan en la Tabla 9. Las medias subieron notablemente en la
calificación final y la tercera unidad en comparación con las obtenidas por el grupo control, lo
cual podría ya dar un indicio de la efectividad del nuevo modelo implementado; además se tiene
una menor dispersión o varianza, es decir, es un grupo (el experimental) más homogéneo en su
aprendizaje y resultados, lo cual es deseable en el ámbito educativo.
Nuevamente la asimetría no es cero y la curtosis es distinta de 3 para ambas variables, y
juntamente con el tamaño de muestra cercano a 30, se podría dudar de la normalidad de los
datos, por lo tanto, se realizan ambas pruebas, las paramétricas y las no paramétricas.
Tabla 9. Medidas estadísticas, grupo experimental
Casos Asimetría Curtosis

Mínimo Máximo Media D. E. Varianza Estadístico D.E Estadístico D.E.
Grupo UIII_c 35 .00 9.99 6.9327 1.77931 3.166 -1.643 .398 5.693 .778
control Final_c 35 4.00 10.00 7.8286 1.42428 2.029 -.716 .398 1.528 .778
Grupo UIII_e 37 4.00 10.00 8.53 1.20993 1.464 -1.558 .388 4.090 .759
Exp Final_e 37 6.21 10.00 8.81 1.06116 1.126 -.815 .388 -0.109 .759
Las pruebas de normalidad de Komogorov-Smirnov y de Shapiro-Wilks se realizan para
contrastar la distribución de las variables con la distribución teórica. Análogo al resultado del
grupo control, las distribuciones de las variables resultan ser no normales a excepción de la U3
para la prueba de Kolmogorov-Smirnov (Tabla 10) con un nivel de confianza de 95%. Incluso
el resultado para la U3 tiene un p-value justo en la frontera de la significancia, en este caso se
tomará esta variable también como no normal para las pruebas no paramétricas.
Tabla 10. Pruebas de normalidad, Calificaciones vs sexo, grupo experimental
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
U3 .144 37 .051 .878 37 .001
Final .298 37 .000 .839 37 .000
a. Corrección de la significación de Lilliefors
La Tabla 11 presenta un resultado muy interesante, las diferencias absolutas entre los
promedios finales de hombres y mujeres disminuyó notablemente, aunque siguen siendo las
mujeres las que obtienen mejores notas. Surge nuevamente la necesidad de preguntar si estas
diferencias son estadísticamente significativas.
Se procede entonces de la misma manera que como en el grupo control, se aplican las
pruebas de U de Mann Whitney para la diferencia de medianas, en el contexto no paramétrico,
y la t para diferencia de medias bajo el supuesto de normalidad en la parte paramétrica. En
ambas pruebas la variable de agrupación es Sexo. Cabe resaltar aquí que este análisis es
necesario para eliminar el factor de confusión ‘sexo’, y garantizar que, de existir diferencias
significativas en las medias entre el grupo control y el experimental, obedezcan solamente al
modelo b-learning y no a la conformación por sexo de cada grupo, ya que en el grupo
experimental hay poco más del doble de mujeres que de varones.
La significancia vuelve a ser de 0.05 y el nivel de confianza es del 95%. El tamaño de
muestra es muy similar, 37 estudiantes. Se debe recordar que la regla de decisión es que si los
p-values resultan ser menores a 0.05, se rechaza la H0 que supone la igualdad de medianas o de
medias según sea el caso no paramétrico o paramétrico respectivamente.

Tabla 11. Promedio finales, hombres vs mujeres, grupo experimental
Desviación Promedio final de la Desviación

Sexo
Promedio Unidad III estándar asignatura estándar
Hombres 6.35 0.4661 7.10 0.3234
Grupo 0.2864 0.2183
control Mujeres 7.61 8.68
Diferencia
H vs M 1.26 puntos 1.58 puntos
Hombres 8.16 0.2677 8.29 0.3200
Grupo 0.2562 0.1959
Exp Mujeres 8.68 9.03
Diferencia
H vs M 0.52 puntos 0.74 puntos
El resultado de la prueba no paramétrica para la variable Calificaciones de la UIII tiene
un p-value muy cercano a la frontera de la significancia (0.058) mayor a 0.050, indicando que
no hay diferencia significativa entre las medianas de hombres y mujeres. En relación con la
Calificación final sí hay diferencia significativa, pues tiene un p-value asociado de 0.038 menor
a 0.050, lo que implica que las medianas entre hombres y mujeres sí son estadísticamente
significativas (ver Tabla 12).
El resultado anterior se podía anticipar de alguna manera con la Tabla 11, pues la
diferencia en el promedio de la UIII entre hombres y mujeres es menor que aquella para la
Calificación final. Los varones mejoraron su promedio de manera drástica en la tercera unidad
(1.81 puntos), aún más que en la Calificación final (1.19 puntos).

Tabla 12. Prueba U de Mann Whitney para diferencia de medianas, variable de agrupación ´sexo´, grupo experimental
W de Wilcoxon 152.000 150.500
Z -1.898 -2.072
La prueba t para diferencia medias (
Tabla 13) arroja un resultado análogo a la prueba no paramétrica, en este caso los p-
values son más determinantes, por lo tanto, se concluye que no existe diferencia significativa
entre las medias de las calificaciones de la UIII entre hombres y mujeres. En cuanto a la
Calificación final se concluye que sí existe diferencia significativa entre las medias de hombres
y mujeres, aunque el p-value asociado es apenas menor que 0.50 (0.049).
Al analizar la tabla completa (
Tabla 13) de resultados también se puede determinar que se tiene igualdad de varianzas
(homocedasticidad), lo cual valida el uso de pruebas paramétricas; el intervalo de confianza para
la variable Calificación de UIII contiene claramente el cero indicando que la igualdad de medias
que refleja la H0 no se puede rechazar; por otro lado, el intervalo de confianza para la
Calificación final está muy cerca del cero en su límite superior pero no lo incluye, por lo tanto,
se rechaza la H0 y la diferencia sí es apenas estadísticamente significativa.

Tabla 13. Prueba t para muestras independientes, variable de agrupación ´sexo´, grupo experimental
Prueba de
Levene de
igualdad de
95% de intervalo de
F Sig. T gl (bilateral) de medias estándar Inferior Superior
Unidad III varianzas .467 .499 -1.214 35 .233 -.52483 .43235 -1.40255 .35290
iguales
No se asumen
varianzas -1.416 27.487 .168 -.52483 .37062 -1.28464 .23499
iguales
varianzas .541 .467 -2.040 35 .049 -.74664 .36594 -1.48954 -.00374
iguales
No se asumen
varianzas -1.990 17.898 .062 -74664 .37528 -1.53540 .04211
iguales
4.3 Contrastes entre grupos
Una vez que se han descrito los dos grupos a contrastar y que se ha determinado que la
composición por sexo podría resultar en un factor de confusión, se procede a realizar las pruebas
pertinentes para ver si la implementación del modelo b-learning tiene un impacto positivo en el
aprendizaje, lo cual se mide a través de sus calificaciones. Este resultado se enriquece con
algunos otros derivados de la encuesta aplicada al final de cada curso.
Se realizan dos ejercicios de contraste para determinar si hay un impacto positivo en los
promedios finales con la implementación del b-learning, el primero es comparando los dos
grupos de manera general, y el segundo es comparando los dos grupos, pero diferenciando entre
hombres y mujeres.
En la
Tabla 14 se puede observar el incremento en los promedios tanto de la UIII como de la
calificación final para el grupo experimental que siguió el modelo de b-learning en comparación
con el grupo control que trabajó con el método presencial solamente.
Cabe mencionar que el mayor énfasis y trabajo, así como el mayor diseño de actividades
virtuales se realizó en la tercera unidad que es la de mayor contenido matemático, lo cual es
congruente con los resultados obtenidos pues es en esta unidad donde se tuvo el mayor
incremento en el promedio final, 1.6 puntos.

Tabla 14. Promedios finales, grupo control vs grupo experimental
Desviación Desviación
Promedio Unidad III Promedio final de la asignatura
estándar estándar
Grupo 6.93 0.30076 7.82 0.24075

control
Grupo Exp 8.53 .19891 8.81 .17445
Diferencia 1.6 puntos 0.99 puntos
Por otro lado, la Tabla 15 muestra una sustancial mejora en los promedios finales de la
Unidad III y de la Calificación final agrupando por la variable sexo. El promedio de los hombres
subió casi 2 puntos en la UIII y poco más de un punto en la calificación final; en el caso de las
mujeres fue de un punto en la UIII y casi medio punto en la calificación final. Es evidente que
las mujeres tienen un mejor promedio que los varones como ya se había comentado en la sección
anterior.
Tabla 15. Calificaciones promedio finales, UIII y Final, grupo control vs grupo experimental
Desviación Promedio final de la Desviación

Sexo
Promedio Unidad III estándar asignatura estándar
Hombres 6.35 0.4661 7.10 0.3234
Grupo 0.2864 0.2183
control Mujeres 7.61 8.68
Hombres 8.16 0.2677 8.29 0.3200
Grupo 0.2562 0.1959
Exp Mujeres 8.68 9.03
Diferencia H vs H 1.81 puntos 1.19 puntos
entre
grupos M vs M 1.07 puntos 0.35 puntos
Ahora se realiza el contraste entre ambos grupos para determinar si existe diferencia
estadísticamente significativa entre sus promedios con base en la variable modelo, es decir, con
y sin la implementación del b-learning, tomando los grupos completos sin agrupar por la
variable sexo. Aplicando la prueba no paramétrica de U de Mann, el resultado indica que las
diferencias entre las medianas entre ambos grupos son estadísticamente significativas, tanto para
la calificación de la UIII como para la calificación final pues los p-values son menores a la
significancia 0.05. Esto quiere decir que el modelo b-learning sí genera una diferencia
significativa en el promedio del grupo experimental, y esta diferencia es positiva con un nivel
de confianza del 95% (ver Tabla 16).
Cabe mencionar que el nivel de significancia que por default arroja el paquete estadístico
es del 0.05 y es el mismo que se eligió desde las pruebas anteriores.
Tabla 16. Contraste entre los grupos control y experimental según el modelo educativo, prueba no paramétrica U de Mann-
Withney
W de Wilcoxon 880.000 1003.000
Z -4.480 -3.183
La prueba análoga en el caso paramétrico es la prueba t de diferencia de medias (Tabla
17). Al realizar esta prueba, el primer resultado que se obtiene es que se pueden asumir varianzas
iguales; las diferencias en ambas variables de interés tienen una significación bilateral menores
a 0.05, en el caso de la UIII es significativa a cualquier nivel de confianza, no solo al 95% como
se realizó la prueba.
Los intervalos de confianza para las diferencias no contienen al cero, este es un elemento
más con el que se puede verificar que la diferencia de las medias entre los dos grupos es
estadísticamente significativa para la Calificación de la UIII y para la Calificación final. La
conclusión es la misma, el modelo b-learning mejora de manera estadísticamente significativa
el promedio del grupo experimental.
En ambas pruebas se rechaza la hipótesis nula de igualdad. Entre más pequeño es el p-
value más fuerte es la evidencia de las muestras para rechazar H0 y confirmar la significancia
de las diferencias.
Tabla 17. Prueba t para muestras independientes, diferencia de medias, grupo control vs grupo experimental. Grupos
completos
Prueba de
Levene de
igualdad de
95% de intervalo de
F Sig. T gl (bilateral) de medias estándar Inferior Superior
Unidad III varianzas 1.808 .183 -4.483 70 .000 -1.59970 .35687 -2.31145 -.88795
iguales
No se asumen
varianzas -4.436 59.498 .000 -1.59970 .36058 -2.32110 -.87830
iguales
varianzas 1.097 .298 -3.350 70 .001 -.98792 .29492 -1.57612 -.39971
iguales
No se asumen
varianzas -3.323 62.742 .001 -.98792 .29731 -1.58209 -.39374
iguales
Con base en los resultados de las pruebas para saber si existe diferencia entre las
calificaciones entre hombres y mujeres, se realiza el contraste entre grupos, pero por la variable
sexo. Esto se hace con la finalidad de eliminar el probable factor de confusión que representa la
variable sexo. La Tabla 18 presenta un resumen de los resultados de las pruebas de diferencias
de medianas y medias entre las notas de hombres y mujeres tanto para el grupo control como
para el experimental.
Tabla 18. Significancia de las diferencias en las calificaciones entre hombres y mujeres, grupos control y experimental.
Unidad III Calificación Final
Grupo control Diferencia significativa Diferencia significativa
Grupo experimental Diferencia NO significativa Diferencia significativa
Las pruebas estadísticas que se llevan a cabo son las mismas que se han manejado hasta
ahora, para el caso no paramétrico la prueba U de Mann-Whitney para la diferencia de medianas,
y para el caso paramétrico la prueba t de diferencia de medias.
La prueba no paramétrica U de Mann-Whitney indica que sí hay diferencia significativa
en las calificaciones entre los hombres del grupo control y el grupo experimental. Esta diferencia
es estadísticamente significativa con un 95% de confianza y una significancia de 0.05, además
es para las dos variables de interés, las calificaciones de la Unidad III y para la calificación final
(ver Tabla 19).
Esto indica que el modelo adoptado de b-learning representa una mejora en las
calificaciones de la Unidad III y las finales. El modelo es exitoso y permite a los estudiantes
tener un mejor aprendizaje. Los p-values asociados a las pruebas son mucho menores a la
significancia fijada, entre más pequeños sean estos valores, mayor es la evidencia para rechazar
la H0 de la igualdad de medianas. Este resultado confirma la hipótesis del trabajo de
investigación expresada en la sección 1.6 del presente trabajo.
Tabla 19. Prueba de diferencia de medianas para hombres, grupo control vs grupo experimental
W de Wilcoxon 224.000 242.500
Z -3.035 -2.342
La misma prueba, pero para las mujeres indica que existe una diferencia significativa en
las calificaciones de las mujeres del grupo control vs las mujeres del grupo experimental de la
Unidad III, no así para las calificaciones finales cuyo p-value es 0.170 mayor que la significancia
fijada de 0.050.
Este resultado es congruente a la luz de la Tabla 15, donde claramente se ve que la
diferencia entre las calificaciones finales de las mujeres del grupo experimental y las mujeres
del grupo control es mucho menor a los demás casos. Y es que inicialmente el promedio de las
calificaciones finales de las mujeres en el grupo control no era bajo, 9 si se redondea, lo cual
exige un mayor nivel de aprendizaje y aprovechamiento para poder mejorar sustancialmente ese
promedio.
Este resultado implica que el modelo b-learning deriva en una mejora sustancial en el
promedio de las mujeres del grupo experimental de la Unidad III en contraste con el promedio
de las mujeres del grupo control. Por otro lado, este modelo no representa una diferencia
significativa en el promedio de las calificaciones finales entre las mujeres de ambos grupos,
control y experimental. Es interesante retomar que en la Unidad III se aborda el mayor contenido
matemático y es la unidad donde se trabajó con un mayor número de actividades virtuales.
Tabla 20. Prueba de diferencia de medianas para mujeres, grupo control vs grupo experimental
W de Wilcoxon 228.000 293.500
Z -3.006 -1.371
Las pruebas paramétricas para estos contrastes son las pruebas t para diferencia de
medias. El nivel de confianza es de 95% y la significancia también se fija en 0.05. Cabe recordar
que estas pruebas asumen que las muestras provienen de una población normal.
En este caso todas las significancias son menores a la significancia de 0.05, lo cual indica
que las medias de los grupos son diferentes con base en el modelo implementado. El resultado
es análogo para la prueba no paramétrica que se hizo para los hombres, es decir, el modelo b-
learning es efectivo para mejorar el aprendizaje de los varones del grupo experimental en
contraste con el grupo control (ver
Tabla 21). En la misma tabla también se puede notar que los intervalos de confianza para
las diferencias no incluyen el valor cero, confirmando el resultado de que la diferencia es
significativa.
Tabla 21. Prueba de diferencia de medias para hombres, grupo control vs grupo experimental
Prueba de muestras independientes

Prueba de Levene
para la igualdad Prueba T para la igualdad de medias
de varianzas
95% Intervalo de
Diferencia confianza para la
Sig. Diferencia
F Sig. t gl de error diferencia
(bilateral) de medias
estándar
Inferior Superior
Se han asumido
1.543 0.224 -2.779 28 .010 -1.80405 0.64908 -3.13364 -.47446
varianzas iguales
UIII No se han
asumido -3.356 26.621 .002 -1.80405 0.53752 -2.90769 -.70041
varianzas iguales
Se han asumido
0.003 0.953 -2.416 28 .022 -1.18656 0.49116 -2.19264 -.18047
varianzas iguales
Final No se han
asumido -2.607 25.870 .015 -1.18656 0.45506 -2.12217 -.25094
varianzas iguales
Para el caso de las damas, las pruebas paramétricas afirman lo mismo que las pruebas
no paramétricas. En la Tabla 22 el p-value para la Unidad III es menor a la significancia, lo cual
implica que la diferencia en las notas de las mujeres del grupo experimental es estadísticamente
diferentes que las del grupo control. El modelo es efectivo para mejorar el aprendizaje de la
Unidad III.
En contraste, las calificaciones finales no son estadísticamente diferentes entre los dos
grupos, tal cual resultó de las pruebas no paramétricas. En este sentido, el modelo b-learning no
mejora de manera sustancial el resultado final de las mujeres del grupo experimental respecto a
las mujeres del grupo control.
Es importante señalar que las varianzas en todas las pruebas se asumen iguales, pues el
p-value es mayor a 0.05, así que no se puede rechazar la H0 de igualdad de varianzas, lo cual
valida el uso de estas pruebas paramétricas.
Tabla 22. Prueba de diferencia de medias para mujeres, grupo control vs grupo experimental
Prueba de muestras independientes

Prueba de Levene
para la igualdad Prueba T para la igualdad de medias
de varianzas
95% Intervalo de
Diferencia confianza para la
Sig. Diferencia
F Sig. t gl de error diferencia
(bilateral) de medias
estándar
Inferior Superior
Se han asumido
0.014 0.906 -2.710 40 .010 -1.07512 0.39679 -1.87706 -.27318
varianzas iguales
UIII No se han
asumido -2.797 35.122 .008 -1.07512 0.38434 -1.85527 -.29497
varianzas iguales
Se han asumido
0.036 0.851 -1.158 40 .254 -0.35096 0.30310 -0.96356 -.26164
varianzas iguales
Final No se han
asumido -1.196 35.200 .240 -0.35096 0.29336 -0.94639 -.24446
varianzas iguales
Capítulo 5. Conclusiones
Con base en el análisis de los datos sobre las calificaciones y la encuesta aplicada, se
comprueba la hipótesis de que el modelo de b-learning logra incidir de manera positiva en los
promedios finales y de la tercera unidad del grupo experimental en contraste con los obtenidos
por el grupo control.
La combinación de actividades presenciales y en línea brinda a los estudiantes mejores
herramientas para autogestionar su aprendizaje; la motivación principal es el poder usar la
tecnología y hallar la utilidad y sentido del conocimiento, es decir, incorporar ese conocimiento
en su día a día. Con este modelo todos los estudiantes del grupo experimental utilizaron y
explotaron, en mayor o menor medida, la plataforma virtual, caso contrario del grupo control
donde incluso alguien dijo no saber que se había utilizado algún medio de comunicación virtual
en el curso.
La implementación de tareas y actividades en línea como herramienta para coadyuvar el
aprendizaje tiene un efecto positivo en la concepción estudiantil sobre la importancia de las
matemáticas y de la materia en su preparación académica y desarrollo profesional, es decir, le
da mayor sentido al conocimiento adquirido al visualizarlo de una manera aplicada. Asimismo,
el papel que tienen las actividades en línea es mucho más preponderante en el grupo
experimental, lo cual tiene sentido debido a la relevancia dada al trabajo virtual, pues se trata de
un modelo que se caracteriza justamente por ello.
Una de las principales ventajas de estos grupos es el rango de edad en el cual se
encuentran, todos son jóvenes, lo cual facilita el uso de la plataforma y disminuye la posibilidad
de que la tecnología sea un obstáculo por vencer en este modelo mixto. Por otro lado, la mayoría
de los alumnos (si no es que todos) había utilizado Moodle como medio de enlace virtual en
algunas materias, aunque solo para algunas comunicaciones muy básicas.
Es interesante notar que el método presencial o tradicional no puede dejarse
completamente de lado, el docente o facilitador sigue siendo una figura importante en el proceso
de enseñanza-aprendizaje. En ambos grupos un alto porcentaje de estudiantes considera que las
explicaciones del maestro son de las actividades que aportan más al aprendizaje.
Otro resultado interesante es que a pesar de las mejoras que reporta el b-learning y de
los contrastantes resultados obtenidos entre los dos grupos, la percepción de complejidad y
aprendizaje no es tan diferente entre ellos como lo muestra la Tabla 23.
Tabla 23. Percepción de aprendizaje y complejidad de la materia, grupo control vs grupo experimental
Grupo control Grupo Experimental
La materia es complicada 75% 77%
La UIII como la más compleja 67% 75%
Aprendizaje en la UIII es regular 60% 66%
Aprendizaje Muy Bueno o Excelente en la UIII 32% 19%
UIII con el mejor aprendizaje 14% 8.3%
Estos resultados parecen contradictorios a primera vista, sin embargo, con base en los
resultados de los contrastes entre las calificaciones entre ambos grupos se determina que sí hay
una diferencia en el aprendizaje. Cabe mencionar que los exámenes para los dos grupos son los
mismos, no así las actividades, ya que, en el grupo experimental, además de las desarrolladas
en clase, se dejaron algunas virtuales diseñadas especialmente sobre los temas que generan más
dudas.
El hecho de cumplir con un mayor número de actividades y por diversos canales, se
puede interpretar como que esto transmite al alumno un trabajo más arduo y por lo tanto mayor
complejidad en la materia, pero no en relación con los contenidos de esta, sino en cuanto al
trabajo necesario para acreditarla. Aunque ellos no hacen esta diferencia, mayor trabajo equivale
a mayor complejidad aun cuando implique mejor comprensión de contenidos. De manera
inconsciente el estudiante mejora significativamente su aprendizaje, sin embargo, no es lo que
tiene la mayor preponderancia, sino el “sinuoso camino” que tiene que recorrer para alcanzarlo.
Por otro lado, el b-learning también tiene la virtud de hacer más consciente al estudiante
acerca de los conocimientos que debe adquirir y dominar y la exigencia que ello requiere, por
eso en el grupo experimental una proporción mayor menciona a la UIII como la más compleja,
pues se sabe bien lo que se debe aprender.
En el contraste final entre los grupos, el resultado indica que el b-learning sí reporta
beneficios, mismos que se ven reflejados el promedio final de la UIII y el promedio final de la
materia.
Hay una diferencia estadísticamente significativa en los resultados de ambos grupos, es
decir, la mejoría en las calificaciones con base en el modelo b-learning es significativa, excepto
solamente para las calificaciones finales de las mujeres.
De esta manera se responde a las interrogantes de investigación que se plantearon
inicialmente. Se debe hacer hincapié en que el diseño de las actividades y la dinámica del b-
learning son fundamentales para obtener buenos resultados, así como la capacitación de los
docentes. Las características del modelo mixto ya se describieron con amplitud en el capítulo
anterior y referente al diseño de las actividades virtuales se puede remitir al apéndice A.
Con base en las experiencias y datos obtenidos hasta este punto, se desprenden algunas
líneas que se pueden abordar en subsecuentes investigaciones, tales como: el número ideal de
actividades en línea y presenciales, tener un correcto equilibrio; evaluar de manera directa si
este tipo de modelos es mejor para hombres o para mujeres, o si es indistinto con base en el sexo
tomando en cuenta las diferencias en habilidades y de rendimiento (ver, por ejemplo, Echavarri
et. al., 2007); ¿será efectivo este modelo para estudiantes en otros grupos de edad?,
principalmente adultos y adultos mayores; son solo algunas vertientes que será interesante
abordar en relación con el b-learning.
Finalmente se considera que los objetivos de esta investigación fueron cubiertos y las
interrogantes contestadas con los diferentes análisis de datos y con los resultados expuestos. Es
indudable que el uso de la tecnología puede ser un eje diferenciador en dinamitar, o por lo
menos, mejorar el aprendizaje de los estudiantes; también es claro que el papel del profesor de
manera presencial está lejos de ser reemplazado en su totalidad, por lo menos en el corto y
mediano plazo; es urgente la capacitación de los docentes para incorporar a su labor más y
mejores herramientas virtuales para gestionar el aprendizaje de sus estudiantes, siempre que
existan los recursos necesarios para implementarlas.

Referencias
Ackerman, S. & Com, S. (2013) Metodología de la investigación. Argentina:
Ediciones del Aula Taller. Recuperado de
http://upavirtual.upa.edu.mx/pluginfile.php/10089/mod_resource/content/2/Metodolog
%C3%ADa%20de%20la%20investigaci%C3%B3n%202.1.4.pdf
Alexander M. Mood, Franklin A. Graybill, Duane C. Boes. (1973). Introduction to the theory
of statistics. Singapore: McGraw-Hill.
Allen, I. & Seaman, J., (2013). Changing Course: Ten Years of Tracking Online
Education in the United States. Pearson. Recuperado de
https://onlinelearningconsortium.org/survey_report/changing-course-ten-years-
tracking-online-education-united-states/
Ávila, A. (2004). Entre la costumbre y las presiones de la innovación. La enseñanza de los
números en primer grado. Educación Matemática, 16(002), pp. 21-48. Recuperado de
https://www.redalyc.org/articulo.oa?id=40516202
Ávila, A. (2016). La investigación en educación matemática en México: una
mirada a 40 años de trabajo. Educación Matemática (28), 3, 31-59. Recuperado de
http://www.redalyc.org/articulo.oa?id=40548562002
Barnes, A. & Lawson, M. (2014). Using Blended Learning for the teaching of High
School Matehmatics. 12th International Conference of The Mathematics
Education into the 21st Century Project, At Herceg Novi, Montenegro. DOI:
10.13140/2.1.2721.3769
Bartolomé, A. (2008). Entornos de aprendizaje mixto en educación superior. Revista
Iberoamericana de Educación a Distancia, 11(1), 15-51. I.S.S.N.: 1138-2783.
Recuperado de http://revistas.uned.es/index.php/ried/article/view/955
Behr, M. y Harel, G. (1990) Understanding the Multiplicative Structure In G. Booker, P. Cobb, &
T.N. de Merldicutti (Eds.) Proceedings of the PME XIV Conference Volumen III (pp. 27-
34). México: Consejo Nacional de Ciencia y Tecnología, Gobierno del Estado de Morelos.
Recuperado de http://wayback.archive-it.org/org-
121/20190122152857/http://www.cehd.umn.edu/ci/rationalnumberproject/
Cárdenas, M. & Jiménez, S. (2009). Experiencias de b-learning en una IES
en México. Caso Instituto Politécnico Nacional, Escuela Superior de
Comercio y Administración Unidad Tepepan. Investigación Administrativa, 103, 74-
80. Recuperado de http://www.redalyc.org/articulo.oa?id=456045209005
DreamBox Learning, Inc., in partnership with Getting Smart, (2016). Guidebook:
Blended Learning for Math succes. Recuperado de http://www.dreambox.com/wp-
content/uploads/2016/02/wp0029-white-paper-dreambox-getting-smart-guidebook-
blended-learning-for-math-success-02-19-2016.pdf
Echavarri, Maximiliano; Godoy, Juan Carlos; Olaz, Fabián. (2, mayo-agosto, 2007).
Diferencias de Género en Habilidades Cognitivas y Rendimiento Académico en
Estudiantes Universitarios. Universitas Psychologica, 6, 319-329. 19 de abril de 2021,
De Redalyc Base de datos
Hernández, R., Fernández, C. & Baptista, M. (2014). Metodología de la
investigación. (Sexta edición). México. ISBN: 978-1-4562-2396-0.
Imas, O., Kaminskaya, V., Sherstneva, A. (2015). Teaching math through blended
learning. Interactive Collaborative Learning (ICL), International Conference on
Interactive Collaborative Learning, DOI: 10.1109/ICL.2015.7318081
Izcara, S. (2009). La praxis de la investigación cualitativa: guía para elaborar
tesis. ProQuest ebrary. México: Plaza y Valdés. Recuperado de
John E. Freund, Irwin Miller, Marylees Miller. (2000). Estadística matemática con
aplicaciones. México: Pearson Educación.
La comunicación escrita: redacción de tesis, artículos y ensayos. San José, C.R.: Editorial
Secade, 2014. 101-103. Recuperado de
Lin, Y.W., Tseng, C.L., Chiang, P.J. (2017). The Effect of Blended Learning in
Mathematics Course. EURASIA Journal of Mathematics Science and Technology
Education, 13(3), 741-770. DOI: 10.12973/eurasia.2017.00641
Manuel, L. & Santos-Trigo, M. (2011). La Educación Matemática, resolución de problemas, y
el empleo de las herramientas computacionales. Cuadernos de Investigación y
Formación en Educación Matemática, 6, 35-54. Recuperado de
https://www.researchgate.net/publication/321914936_La_Educacion_Matematica_reso
lucion_de_problemas_y_el_empleo_de_herramientas_computacionales
Marsh, J., (2001). How to Design Effective Blended Learning. Recuperado de
https://www.academia.edu/1142674/How_to_design_effective_blended_learning
Martínez, D., (2007). Blended-learning: Modelo virtual-presencial de aprendizaje y su
aplicación en entornos educativos. I Congreso Internacional Escuela y TIC.
Universidad de Alicante. Recuperado de http://www. dgde. ua.
es/congresotic/public_doc/pdf/31972. Pdf
Mora, A. (2005). Guías para elaborar una propuesta de investigación.
Revista Educación, 29(2), 77-97. ISSN:0379-7082. Recuperado de
http://www.redalyc.org/pdf/440/44029206.pdf
Patterson, J. (2011, enero, 5). The Benefits of Blended Learning Explained. Faculty Focus.
Recuperado de https://www.facultyfocus.com/articles/blended-flipped-learning/the-
benefits-of-blended-learning-explained/
Ruíz, C. (2011). Tendencias actuales en el uso del B-learning: Un Análisis
en el Contexto del Tercer Congreso Virtual Iberoamericano sobre la Calidad en
Educación a Distancia (EduQ@2010). Investigación y Posgrado 26(1), 9-30.
Universidad Pedagógica Experimental Libertador: Caracas, Venezuela. Recuperado de
http://www.redalyc.org/pdf/658/65828406002.pdf
Scott, S., (2007). The Blended Classroom: The Best of Both Worlds?. American Society
for Engineering Education. Recuperado de
https://www.academia.edu/9339300/AC_2007-
2525_THE_BLENDED_CLASSROOM_THE_BEST_OF_BOTH_WORLDS
Umoh, J. & Akpan, E. (2014). Challenges of Blended E-Learning Tools in
Matemathics: Students’s Perspectives University of Uyo. Journal of Education and
Learning, 4(3), 60-70. E-ISSN 1927-5269
White, B., Barnes, A. y Lawson, M. (2014). Using Blended Learning for the teaching of High
School Mathematics. 10.13140/2.1.2721.3769. Recuperado de
https://www.researchgate.net/publication/267568998_Using_Blended_Learning_for_th
e_teaching_of_High_School_Mathematics
Anexo 1
Actividad 1. Características de las gráficas.
Dentro de las actividades se realizaron paneles donde los alumnos tienen que elegir las características que presentan diversas
series con base en la información que se vio en la clase presencial y en los materiales virtuales, ya sea tendencia-ciclo o
estacionalidad. Se eligieron algunas series reales del sitio del INEGI que tienen alguna relación con su perfil universitario, series
económicas o financieras. Antes de presentar estas series, se tomaron otras de ámbito académico que muestran de manera muy
didáctica las características en cuestión.
Cabe señalar que en esta primera implementación del modelo b-learning el docente dejó libre el número de intentos para
resolver cada cuestionario y cada actividad. Esto derivó en dos vertientes, por un lado, hubo estudiantes que aprovecharon esta
libertad y mejoraron su calificación después de algunos intentos (3 a 5 intentos); por otro lado. hubo quienes trabajaron más por
ensayo y error y después de más de 25 intentos lograron sacar la calificación más alta. Independientemente de cuál haya sido la
estrategia de cada uno, se considera que la actividad tuvo un impacto positivo incluso en el caso de quienes se fueron por el ensayo
y error, en opinión del docente.
Las siguientes ilustraciones siguientes presentan algunas series académicas para que los estudiantes se familiaricen en el
análisis de series de tiempo, en las cuales es muy fácil identificar estas características.
Ilustración 1. Serie de tiempo académica con Tendencia.
Ilustración 2. Serie de tiempo académica con estacionalidad
Las Ilustraciones 3 y 4 presentan series de tiempo reales en el contexto económico-financiero muy adecuadas para el perfil
del estudiante. Los reactivos son de la misma naturaleza que los anteriores con las series académicas, pero en algunos casos las
propiedades de las series no son tan evidentes como en las académicas.
Ilustración 3. Serie de tiempo real, con tendencia y estacionalidad.

Ilustración 4. Serie de tiempo con aleatoriedad, sin tendencia ni estacionalidad
Para esta actividad se realizó una plantilla para evaluar los resultados, la retroalimentación que recibe el alumno es que
debajo de cada reactivo muestra la respuesta correcta como en la siguiente ilustración.
Ilustración 5. Reactivo completo sobre el análisis de las características de una serie de tiempo, incluye retroalimentación al alumno.
Actividad 2. Regresión lineal.
Se diseñó otra actividad para reforzar el tema de regresión lineal (en excel). El panel permite al estudiante probar diferentes
variables como variable dependiente y hasta 4 variables independientes. Nuevamente las variables son reales y relacionadas con
su perfil profesional. La herramienta también permite elegir si la regresión se hará con constante igual o diferente de cero y si es
simple o múltiple; en una parte se despliegan las gráficas de las variables seleccionadas para dar la oportunidad de una inspección
visual y comprobar la posible relación de estas. No solo se trata de ver una relación gráfica entre las variables, sino que
conceptualmente tenga sentido. Finalmente, en el mismo panel aparecen los resultados de la regresión, donde pueden verse
diferentes estadísticos para determinar la validez del modelo.
La herramienta incluye botones de control para elegir el tipo de regresión (simple o múltiple) y un combo para elegir la
serie dependiente y las series independientes. El docente es quien instruye en el uso de la herramienta de manera práctica en clase
presencial o virtual sincrónica. Dentro de los resultados de regresión se puede consultar la validez del modelo en general a través
del estadístico R y R cuadrada, así como la significancia de los coeficientes estimados para las variables independientes y del
intercepto en caso de que se haya estimado con esta opción. La Ilustración 6 muestra la actividad tal como el estudiante la trabajó
en el curso.
Ilustración 6. Actividad en línea para Regresión Lineal
Para que el estudiante pueda reforzar su aprendizaje, se deja un cuestionario sobre regresión con base en la herramienta de
Excel, el cual pueden contestar el número de veces necesario para obtener todos los puntos, es de opción múltiple. Cabe recordar
que estas actividades se realizan a través de Moodle, que permite limitar el número de intentos y algunas otras restricciones, y
arroja un reporte estadístico sobre la dinámica del grupo en relación con el número de intentos, calificaciones en ellos, etc (ver
Ilustración 7).
Este cuestionario se sube a la plataforma de Moodle y es similar a los cuestionarios anteriores, al finalizar el intento, el
alumno puede ver si calificación, pero no en dónde cometió errores, pero puede intentarlo las veces que lo desee (ver Ilustración
8).
Ilustración 7. Cuestionario, Regresión Lineal
Ilustración 8. Cuestionario sobre regresión lineal en Moodle.
Actividad 3. Métodos de pronósticos
La última actividad que se diseñó es para reforzar el tema de métodos de pronósticos. La herramienta permite elegir la serie
que se quiere trabajar mediante un combo de selección y también el método de pronóstico a utilizar. Como complemento se
incluyen casillas para seleccionar qué gráficos se desean incluir en el panel de gráficas. Con el fin de determinar el mejor método
al momento de compararlos, se despliega también la medida DAM que es el promedio de las diferencias. Las cajas de selección
permiten al alumno elegir tanto métodos de pronóstico como quiera comparar mediante el error de pronóstico (DAM), se incluyen
8 diferentes modelos, 4 de promedios móviles, 2 de suavizamiento (simple y doble), el método de Holt y el de Winter. El botón
superior de rangos sirve para actualizar las gráficas de los distintos indicadores que se vayan eligiendo. Las herramientas se
programaron en el ambiente de Visual Basic de Excel. La Ilustración 9 y la Ilustración 10 muestran la última herramienta orientada
a los métodos de pronósticos.

Ilustración 9. Panel de Actividades, Métodos de pronósticos. Panel completo
Ilustración 10. Herramienta para Métodos de pronósticos. Panel de análisis y selección.

CACQ Tesis

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

CACQ Tesis

Cargado por

Copyright:

Formatos disponibles

DIRECCIÓN DE POSGRADO E INVESTIGACIÓN

Implementación de un modelo de B-learning para la enseñanza de las

QUE PARA OBTENER EL GRADO DE

MAESTRO EN ENSEÑANZA DE LAS CIENCIAS

Carlos Alberto Clemente Quiroz

Aguascalientes, Ags., México Abril, 2022

Capítulo 1: Planteamiento del problema .......................................................................... 6

1.1 Antecedentes ...................................................................................................... 6

La Educación Matemática en México ...................................................................... 6

Primer Periodo .......................................................................................................... 7

Segundo Periodo (1991-2000).................................................................................. 8

Tercer Periodo (2002-2011) ..................................................................................... 9

1.2 Descripción o planteamiento del problema de investigación .......................... 22

1.3 Pregunta de Investigación .................................................................................... 23

1.4 Objetivos de Investigación............................................................................... 24

1.4.1 General ........................................................................................................ 24

1.4.2 Objetivos específicos .................................................................................. 24

1.5 Justificación ..................................................................................................... 24

1.6 Hipótesis .......................................................................................................... 26

Capítulo 2. Marco Teórico ............................................................................................. 26

2.1 El b-learning: potencialidades y oportunidades ................................................... 26

2.2 La enseñanza de las matemáticas ......................................................................... 38

2.3 Algunos resultados sobre el b-learning ................................................................ 43

Capítulo 4. Análisis de datos y resultados ..................................................................... 51

4.1 Grupo control ....................................................................................................... 51

4.1.1 Caracterización .............................................................................................. 51

4.1.2 Resultados del grupo control ......................................................................... 58

4.2 Grupo experimental ......................................................................................... 68

4.2.1 Caracterización .............................................................................................. 68

4.2.2 Resultados del grupo experimental ............................................................. 76

4.3 Contrastes entre grupos ........................................................................................ 84

Capítulo 5. Conclusiones ............................................................................................... 93

Anexo 1 ........................................................................................................................ 102

Actividad 1. Características de las gráficas. ............................................................ 102

Actividad 2. Regresión lineal. .................................................................................. 108

Actividad 3. Métodos de pronósticos ....................................................................... 111

La Educación Matemática en México

En México, la investigación en educación matemática se remonta a la década de los 70.

autonomía y orientación sistemática hacia la investigación fueron: la creación de la maestría en

ciencias con especialidad en matemática educativa en el CINVESTAV, y años más tarde, la

propuesta de formar especialistas en educación matemática (Ávila, 2016). Camarena (2015)

Para la década de 1980 aparecen las primeras publicaciones mexicanas en educación

matemática por parte de la Sección de Matemática Educativa del CINVESTAV. A finales de

intercambio con colegas extranjeros, principalmente de Francia (Ávila, 2016).

Según Ávila (2016), se puede dividir en 3 etapas el desarrollo de esta disciplina: el

madurez (siglo XXI, trabajos analizados de 2001 a 2012). A continuación, se exponen

relacionados con el uso e implementación de la tecnología para mejorar los procesos de

Desde sus inicios, la investigación en educación matemática incorpora el uso de la

tecnología para mejorar el aprendizaje de los estudiantes. En el periodo inicial, mayormente en

el nivel de secundaria, se comienza a experimentar con entornos computacionales y el uso de

las calculadoras para la enseñanza del álgebra.

Esta implementación, aunque todavía insuficiente, denota el interés y la importancia que

59 tenían relación con las TIC (Tecnologías de la Información y Comunicación), entre

ponencias, artículos, propuestas de intervención, informes y tesis de posgrado.

Tabla 1. Producción investigativa relacionadas con las TIC. 1980-1990

Temática Ponencias Artículos Propuestas Tesis Maestría Tesis Doctorado

Se trata de un claro periodo de expansión, pues crecen cuantitativa y cualitativamente

lo cual provoca que comiencen a cobrar relevancia en los niveles superiores.

En este periodo las investigaciones dejan notar cómo la computadora o calculadora

graficadora pueden contribuir a mejorar el aprendizaje de los estudiantes. Sin embargo, en su

mayoría, estos resultados se obtuvieron en situaciones controladas con profesores instruidos y

estudiar los beneficios en la realidad escolar nacional (Ávila, 2016).

comienzan a tomar relevancia y están orientados principalmente a evaluar las bondades y