Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
308 CONOCIMIENTOS Y CREENCIAS SOBRE MODELIZACIÓN MATEMÁTICA EN LA ARGUMENTACIÓN REFLEXIVA DE UN FUTURO PROFESOR KNOWLEDGE AND BELIEFS ON MATHEMATICAL MODELLING WITHIN THE REFLECTIVE ARGUMENTATION OF A PROSPECTIVE TEACHER Telesforo Sol Facultad de Educación, Universitat de Barcelona, Barcelona, España telesforo.sol@ub.edu Carlos Ledezma Facultad de Educación, Universitat de Barcelona, Barcelona, España cledezar25@alumnes.ub.edu Gemma Sala-Sebastià Facultad de Educación, Universitat de Barcelona, Barcelona, España gsala@ub.edu Vicenç Font Facultad de Educación, Universitat de Barcelona, Barcelona, España vfont@ub.edu Resumen Este estudio se centra en la argumentación de un futuro profesor para justificar la incorporación (o no) de la modelización matemática en sus clases. Para ello se analizó la reflexión de un futuro profesor de matemática sobre el diseño de una tarea de modelización durante su periodo de práctica educativa. Metodológicamente, se trata de un estudio de caso intrínseco en que, a partir de la herramienta Criterios de Idoneidad Didáctica propuesta por el Enfoque Onto-Semiótico, el sujeto de estudio estructuró la reflexión sobre su práctica educativa en su Trabajo Final de Máster (TFM), cuyo eje central fue la modelización. El contexto de este estudio es un máster profesionalizante para la educación de profesores de matemática de educación secundaria y bachillerato (para enseñar a estudiantes de 12 a 18 años) en España. En esta comunicación se reporta una porción de los resultados de este estudio en que, mediante la técnica de diagramación, se pudieron inferir, entre otros elementos, los conocimientos y creencias del sujeto de estudio sobre modelización, a partir del análisis de la reflexión escrita en su TFM. Palabras clave: argumentación, conocimientos, creencias, criterios de idoneidad didáctica, modelización matemática. Abstract The aim of this study is focused on the argumentation of a prospective teacher to justify the incorporation (or not) of mathematical modelling in his lessons. To this end, we analysed the reflection of a prospective mathematics teacher on the design of a modelling task during his period of educational internship. In methodological terms, this is an intrinsic case study in which, based on the Didactic Suitability Criteria tool proposed by the Onto-Semiotic Approach, the study subject structured the reflection on his own educational internship in his Master’s Degree Final Project (MFP), whose central axis 309 was modelling. The context of this study is a professionalising master’s degree programme for the education of secondary and baccalaureate education (to teach to students aged 12–18) mathematics teachers in Spain. In this communication, we report a portion of the results of this study in which, through the diagramming technique, we could infer, among other elements, the study subject’s knowledge and beliefs about modelling, based on the analysis of the reflection written in his MFP. Keywords: argumentation, beliefs, didactic suitability criteria, knowledge, mathematical modelling Introducción En la actualidad existe un amplio consenso sobre la inclusión de la modelización matemática en los currículos educativos y en el desarrollo de competencias asociadas a este proceso (Kaiser, 2020). Del mismo modo, se considera que integrar la modelización ayuda a los estudiantes a mejorar su comprensión de la matemática, aporta contextos reales y auténticos para su aprendizaje y, como consecuencia, contribuye a desarrollar diferentes competencias matemáticas (Blum, 2011). Es por ello que, debido a su importancia, se requiere, por una parte, que los profesores cuenten con los conocimientos y estrategias de enseñanza adecuados para implementar la modelización en el aula (Blum y Borromeo, 2009); y, por otra parte, los profesores no sólo deben ser preparados en modelización, sino que, también, deben experimentarla, por lo que una instancia conveniente es durante sus prácticas educativas. En esta línea, la educación inicial y continua de profesores de matemática es uno de los mayores desafíos de la comunidad de investigación en Educación Matemática, donde se han propuesto y desarrollado varias agendas de investigación. Una de las que se destaca es la caracterización y el desarrollo del conocimiento didáctico y matemático que permita a los profesores favorecer el manejo de sus clases (Pino-Fan et al., 2015). Diversos estudios han abordado los conocimientos y creencias de futuros profesores de matemática sobre la modelización en diferentes contextos educativos (véase Doerr, 2007; Kaiser et al., 2013; entre otros). En estos estudios, mediante la aplicación de entrevistas y cuestionarios, y la observación de la práctica de los futuros profesores, se extraen los conocimientos y creencias de futuros profesores sobre la modelización. A diferencia de estos estudios, el que se reporta en esta comunicación utiliza la argumentación como medio para inferir estos conocimientos y creencias – entre otros aspectos – de un caso de estudio en un contexto de educación de profesores. El contexto es la educación de profesores en España donde, para ejercer docencia en los niveles de educación secundaria y bachillerato (estudiantes de 12-18 años), los futuros profesores deben cursar un máster profesionalizante. Para la obtención del grado, deben elaborar un Trabajo Final de Máster (TFM), que es un trabajo original, autónomo, e individual que, por una parte, refleje de manera integrada los contenidos formativos recibidos y las competencias adquiridas durante el programa de máster y, por otra parte, contribuya a la reflexión, análisis, y mejora sobre la propia práctica. El estudio que se reporta en esta comunicación es parte de una investigación de mayor envergadura, la cual pretende dar respuesta a las siguientes preguntas de investigación: (a) ¿qué argumentación realiza un futuro profesor para justificar la integración (o no) de la modelización matemática en sus clases?; y (b) ¿qué conocimientos, valores, creencias, y orientaciones para la acción, entre otros aspectos, se infieren en esta argumentación? Para responderlas se estudió el proceso de reflexión de un futuro profesor sobre el diseño, implementación, y rediseño de una tarea de modelización matemática, tanto durante su 310 práctica educativa como en la elaboración de su TFM. Este futuro profesor organizó la reflexión en su TFM utilizando la herramienta Criterios de Idoneidad Didáctica que propone el Enfoque Onto-Semiótico (EOS) (Godino et al., 2007). De este modo, se plantea como objetivo de esta investigación: inferir, a partir de la argumentación realizada en su reflexión docente en el diseño, implementación, y rediseño de una tarea de modelización, los conocimientos, creencias, valores, y orientaciones para la acción sobre modelización matemática de un futuro profesor. En esta comunicación se reporta una porción de los resultados de esta investigación en que, mediante la técnica de diagramación (Guevara, 2011), se pudieron inferir, entre otros elementos, los conocimientos y creencias sobre modelización de un futuro profesor, ello a partir del análisis de la reflexión escrita en su TFM. Esta técnica, poco habitual como referente para analizar los procesos de reflexión docente, se utilizó en forma combinada con los Criterios de Idoneidad Didáctica, permitiendo hacer un mapa espacial de la argumentación del futuro profesor y darle forma a su razonamiento escrito. Referentes teóricos En esta sección se presentan los referentes teóricos considerados para este estudio. Modelización matemática En términos generales, la modelización se considera como un proceso que transita desde el «mundo real» hacia la «matemática» para la resolución de una situación-problema tomada desdela realidad. Desde el plano teórico se han diseñado diferentes ciclos para su análisis (Borromeo, 2006) y han emergido distintas perspectivas sobre su implementación (Abassian et al., 2020). En este estudio se adopta el ciclo propuesto por Blum y Leiß (2007), ya que se adapta al contexto en que se desarrolló esta investigación. Figura 3 - Ciclo de modelización matemática Fuente: Traducido desde Blum y Leiß (2007, p. 225) El trabajo con modelización en el aula se suele desarrollar en pequeños grupos de estudiantes, a quienes se les plantea una situación-problema del mundo real que deben matematizar (Doerr y English, 2003), es decir, traducir al lenguaje matemático para poder trabajar con ella. En este contexto, la tarea de modelización debe cumplir con ciertas características (Borromeo, 2018): debe ser abierta y compleja, sin estar limitada a una respuesta o procedimiento específicos y se deben buscar los datos relevantes para su resolución; también, debe ser realista y auténtica, añadiendo elementos del mundo real en una situación coherente con un hecho que haya ocurrido o pueda ocurrir en la realidad; 311 y, finalmente, debe ser un problema que pueda ser solucionable mediante un ciclo de modelización, es decir, que no se pueda resolver mediante algoritmos conocidos y que requiera de las fases que componen un ciclo como de estrategias para su resolución. Modelo de Competencias y Conocimientos Didáctico-Matemáticos del profesor de matemática (modelo CCDM) El modelo CCDM, desarrollado en el contexto del EOS, considera que las dos competencias clave del profesor de matemática son la ‘competencia matemática’ y la ‘competencia de análisis e intervención didáctica’ (Breda et al., 2017; Godino et al., 2017). Sobre esta última competencia, su núcleo fundamental es el diseño, aplicación, y valoración de secuencias de aprendizaje propias y de otros, mediante técnicas de análisis didáctico y criterios de calidad, para el establecimiento de ciclos de planificación, implementación, y valoración, así como el planteamiento de propuestas de mejora. Esta competencia general se forma, entre otras, por la sub-competencia de valoración de la idoneidad didáctica de procesos de enseñanza y aprendizaje. Sub-competencia de valoración de la idoneidad didáctica de procesos de enseñanza y aprendizaje: Criterios de idoneidad didáctica La idoneidad didáctica de un proceso de enseñanza y aprendizaje se define como el grado en que dicho proceso (o una parte de éste) reúne ciertas características que permiten calificarlo como óptimo o adecuado para conseguir la adaptación entre los significados personales logrados por los estudiantes (aprendizaje) y los significados institucionales pretendidos o implementados (enseñanza), teniendo en cuenta las circunstancias y recursos disponibles (entorno). Un proceso de enseñanza y aprendizaje logrará un alto grado de idoneidad didáctica si es capaz de articular, de forma coherente y sistémica, seis criterios parciales de idoneidad didáctica, referidos a cada una de las facetas implicadas en el proceso de enseñanza y aprendizaje (ver Tabla 1). A su vez, cada criterio de idoneidad didáctica (CID) cuenta con sus respectivos componentes, y su operatividad exige definir un conjunto de indicadores observables que permitan valorar el grado de idoneidad de cada faceta del proceso de enseñanza y aprendizaje. Estos criterios y componentes se presentan en la Tabla 1, con la pauta de Breda y colaboradores (2017). Tabla 1 - Criterios de idoneidad didáctica y sus componentes Criterios Componentes Epistémico: Para valorar si la matemática que se enseña es una «buena matemática». – Errores. – Ambigüedades. – Riqueza de procesos. – Representatividad de la complejidad del objeto matemático. Cognitivo: Para valorar, antes de iniciar el proceso instruccional, si lo que se quiere enseñar se encuentra a una distancia razonable de lo que saben los estudiantes. – Conocimientos previos. – Adaptación curricular a las diferencias individuales. – Aprendizaje. – Alta demanda cognitiva. Interaccional: Para valorar si la interacción ha resuelto dudas y dificultades de los estudiantes. – Interacción docente-discente. – Interacción entre discentes. – Autonomía. – Evaluación formativa. Mediacional: Para valorar la adecuación de los recursos materiales y temporales utilizados en el proceso instruccional. – Recursos materiales. – Número de estudiantes, horario, y condiciones del aula. – Tiempo. 312 Criterios Componentes Afectivo: Para valorar la implicación (interés, motivación) de los estudiantes en el proceso instruccional. – Intereses y necesidades. – Actitudes. – Emociones. Ecológico: Para valorar la adecuación del proceso instruccional al proyecto educativo del centro, las directrices curriculares, las condiciones del entorno socio-profesional, etc. – Adaptación al currículo. – Conexiones intra e interdisciplinares. – Utilidad sociolaboral. – Innovación didáctica. Conocimientos, creencias, y concepciones El modelo CCDM considera que el conocimiento del profesor se organiza en tres grandes dimensiones: matemática, didáctica, y meta didáctico-matemática (Pino-Fan et al., 2018). La dimensión matemática se refiere al conocimiento que permite a los profesores resolver problemas o tareas matemáticas propias del nivel educativo en el que impartirán clases, y a vincular los objetos matemáticos de dicho nivel educativo con objetos matemáticos que se estudiarán en niveles posteriores. La dimensión didáctica se compone de seis subcategorías: epistémica, cognitiva, interaccional, mediacional, afectiva, y ecológica. La dimensión meta didáctico-matemática se refiere al conocimiento necesario para reflexionar sobre la propia práctica, que le permita al profesor valorar el proceso de enseñanza y aprendizaje, y realizar un rediseño que lo mejore. En el modelo CCDM (Figura 4), la creencia (‘yo creo P’) se entiende como una ‘disposición para la acción’, y la concepción se entiende como ‘un conjunto de creencias’. Asimismo, las creencias se basan en conocimientos que van acompañadas por valoraciones, y se evidencian en una disposición para la acción de acuerdo con ciertos principios/criterios que se valoran positivamente. Figura 4 - Modelo CCDM Fuente: Adaptado desde Pino-Fan et al. (2018, p. 66) 313 Argumentación La porción de los resultados que se reportan en esta comunicación se analizó utilizando la técnica de diagramación (Guevara, 2011). Esta técnica permite, por una parte, hacer un mapa espacial de las maneras posibles en que las premisas se relacionan para apoyar una conclusión, considerando el lenguaje y, por otra parte, representar visualmente el razonamiento escrito. En esta técnica se definen cuatro estructuras básicas de argumentos, con las cuales se pueden generar estructuras más complejas: • Convergente: Las premisas apoyan la conclusión de manera independiente. • Dependiente: Las premisas están unidas para apoyar la conclusión. • Divergente, una misma premisa está apoyando a más de una conclusión. • Encadenada: Una de las proposiciones está como conclusión de una premisa y, a su vez, está como premisa de otra conclusión. Aspectos metodológicos En este estudio se siguió una metodología de investigación cualitativa desde un paradigma interpretativo (Cohen et al., 2018), que consiste fundamentalmente en un estudio de caso intrínseco (Stake, 2005). En esta sección se describen los aspectos metodológicos de este trabajo. Contexto de la investigación Esta investigación se desarrolló en un programa de máster profesionalizante para la educación de profesores de matemática de educación secundaria obligatoria y bachillerato que imparten las universidades públicas de Cataluña (España), durante el año académico 2020-2021. Dentrodel módulo Formación Específica, el programa de estudios de este máster incluye un submódulo sobre modelización matemática, en que se enseña el ciclo propuesto por Blum y Leiß (2007). Durante el periodo de prácticas, los futuros profesores deben diseñar e implementar una secuencia de enseñanza y aprendizaje (conocida como ‘unidad didáctica’) la cual, al término de este periodo, deben valorar en sus TFMs. Para la elaboración de los TFMs, a los futuros profesores se les presentan los CID, junto con la pauta de componentes y descriptores que permite su aplicación (véase (Breda et al., 2017). De este modo, además de valorar la idoneidad didáctica de su unidad didáctica implementada, los futuros profesores deben proponer cambios para su rediseño. Sujeto de estudio En este trabajo se constituyó un estudio de caso intrínseco, ya que el interés se centró en el estudio del caso en particular (Stake, 2005). El sujeto de estudio de esta investigación fue el futuro profesor AD, con pregrado en ingeniería industrial y un grado académico de doctor en su área y experiencia de 15 años en docencia universitaria. El sujeto de estudio manifestó su interés por incluir la modelización en la unidad didáctica que debía implementar durante su práctica educativa. De este modo, la selección de este caso en particular se justifica, en primer lugar, por el interés del sujeto de estudio en implementar la modelización; en segundo lugar, y producto de lo anterior, el programa de máster le asignó dos tutores (el segundo y el cuarto autor) para su supervisión, lo cual permitió un acompañamiento al sujeto de estudio durante el desarrollo de su trabajo; y, en tercer lugar, en el posible análisis que el sujeto de estudio realizaría en su TFM sobre la implementación de la modelización. Estas tres razones se consideraron suficientes para estudiar la argumentación de este futuro profesor para justificar la incorporación (o no) de la modelización matemática y, de este modo, inferir sus conocimientos, valores, 314 creencias, y orientaciones para la acción a partir de esta argumentación. Durante su práctica educativa, el sujeto de estudio diseñó e implementó una unidad didáctica – compuesta de 18 sesiones de 60 minutos cada una – para la enseñanza de las funciones lineales y afines en el tercer curso de educación secundaria obligatoria (estudiantes de 14- 15 años), cuyo eje central fue la modelización, la asignatura de matemática contaba con cuatro clases a la semana (lunes, martes, jueves, y viernes), en una de las cuales (jueves) se desarrollaba un taller llamado ‘Món Matemàtic’ (‘Mundo Matemático’ en idioma catalán). En este taller, los estudiantes desarrollaban problemas ad hoc al contenido matemático trabajado en las clases regulares, y para el cual el sujeto de estudio diseñó una tarea de modelización para implementar en el taller. Recolección y análisis de datos Los datos se recolectaron del TFM de AD, específicamente, del capítulo en que reflexiona sobre la implementación de su unidad didáctica. En dicha reflexión se buscaron argumentos que dieran cuenta de, por una parte, la concepción del sujeto de estudio sobre el proceso de modelización y, por otra parte, después de su práctica educativa, cómo es que dicha experiencia le permitió pensar – y repensar – la modelización como un elemento para mejorar la idoneidad didáctica del proceso de enseñanza y aprendizaje. La reflexión del sujeto de estudio incluía comentarios valorativos sobre la idoneidad de su unidad didáctica implementada, los cuales estructuró con los CID. El análisis de esta reflexión se realizó de la siguiente manera: primero, se identificaron los criterios y componentes de los CID con los que el sujeto de estudio relacionó sus reflexiones sobre modelización cuando valoró la idoneidad de su unidad didáctica; segundo, para identificar las diferentes estructuras de los argumentos en la reflexión del sujeto de estudio, se adaptó la técnica de la diagramación, la cual es más adecuada para un texto argumentativo, como es el caso del TFM. Para realizar esta diagramación, se siguieron estos pasos: 1) se encerraron entre llaves todas las proposiciones del texto; 2) se enumeraron las proposiciones en orden de aparición; 3) se estructuró el argumento, ubicando espacialmente el lugar de la conclusión; 4) se propuso una manera en que las premisas se relacionan. Finalmente, en los diagramas de los argumentos se distinguieron las proposiciones que hacían referencia a la modelización de aquéllas que no. Presentación y análisis de resultados Como se ha declarado anteriormente, en esta comunicación se reporta una porción de los resultados de esta investigación. Más en concreto, se presentan los resultados de la diagramación de uno de los componentes de los CID en que el sujeto de estudio se expresó más ampliamente sobre modelización en la reflexión de su unidad didáctica implementada. En primer lugar, se presenta un extracto de la reflexión sobre el componente ‘Riqueza de procesos’ (del criterio epistémico); luego, se presenta el diagrama respectivo; y, finalmente, una interpretación de las proposiciones sobre modelización para inferir los conocimientos y creencias sobre este proceso. Diagramación El primer criterio con el que se valoró la idoneidad de la unidad didáctica implementada fue el ‘criterio epistémico’. En este criterio se encontraron comentarios valorativos sobre modelización en los componentes ‘Riqueza y procesos’ y ‘Representatividad de la complejidad del objeto matemático’. A continuación, se hace la diagramación de un extracto de la valoración del componente “Riqueza de procesos”, el texto ya tiene las proposiciones entre llaves (paso 1 de la diagramación) y enumeradas en orden de aparición (paso 2 de la diagramación), para estructurar los argumentos (paso 3 de la 315 diagramación) se ubica la conclusión del texto, la cual es: en la unidad didáctica se trabajó la riqueza de procesos considerando como eje vertebrador el proceso de modelización. Para el paso 4 se propone una relación de las frases enumeradas, buscando representar el razonamiento de la valoración. Por último, se distinguen con color verde las proposiciones que consideran el proceso de modelización: 1{Está claro que las actividades planteadas, no sólo deben suponer una ejemplificación de los conceptos matemáticos, sino también deben contribuir en el trabajo de competencias que pongan en juego las habilidades, conocimientos, actitudes y destrezas de los alumnos a través de procesos cognitivos}. 2{En este sentido, el eje vertebrador de la unidad didáctica es el proceso de modelización que permite muchas herramientas para trabajar distintas competencias}. [...]. Competencia 1. Traducir un problema a lenguaje matemático o representación matemática utilizando variables, símbolos, diagramas y modelos adecuados. 3{Esta competencia se ha trabajado ampliamente en todos los problemas de modelización, especialmente en las sesiones 2, 7 y 8, así como en el trabajo de síntesis, que finalmente no pudo llevarse al aula}. 4{Aquí destaca la expresión de los problemas en forma algebraica, gráfica o en forma de tabla de datos, que se han integrado en todos los problemas de modelización}, 5{no sólo con el fin de ver las diferentes formas de expresión del problema}, sino también 6{la capacidad de abstracción del alumno para entender una situación de un contexto ‘real’} como 7{la compra de fruta de la sesión 2, el cálculo de la velocidad de un corredor de la sesión 7, o la elección de la mejor tarifa de operadoras de móviles}. Asociada a esta competencia, 8{se ha trabajado intensamente en procesos de resolución de problemas y conversión entre distintas representaciones de funciones}, 9{en este caso, entre el lenguaje natural y matemático (traducción)}. En todos los casos 10{se ha insistido en que latraducción matemática sea formalmente correcta}, 11{intentando que en todo momento el alumno asigne correctamente y defina la o las variables independientes y dependientes, teniendo en cuenta las unidades y su compatibilidad y coherencia, así como la conversión de unidades en su caso}. Competencia 5. Construir, expresar y contrastar argumentaciones para justificar y validar las afirmaciones que se realizan en matemáticas. Al mismo tiempo, la competencia anterior, y sobre todo en el problema de modelización planteado en la sesión 8, 12{se motiva al alumno a hacer pequeñas conjeturas} sobre el comportamiento de tarifas de un servicio o, al menos, a 13{plantear una tesis y comprobarla matemáticamente}, 14{obligando al alumno a construir un modelo}, 15{expresar situaciones más o menos reales a través del modelo}, y 16{contrastar información o verificar si las afirmaciones son correctas o no}. 17{En términos de procesos, se ha trabajado la argumentación matemática}. 18{Los problemas de modelización, en general, siempre proponen no sólo modelizar, sino también aplicar este modelo a una situación, muchas veces muy cercana a la realidad} 19{(por lo que también trabajaría intensamente las competencias 6 y 7 del ámbito matemático, es decir “Emplear el razonamiento matemático en entornos no matemáticos” e “Identificar las matemáticas implicadas en situaciones cercanas y académicas y buscar situaciones que puedan relacionarse con ideas matemáticas concretas”)}. 20{El proceso asociado a estas competencias sería el de contextualización}. (TFM del sujeto de estudio, pp. 4–5) 316 Figura 5 - Diagramación de la valoración del componente ‘Riqueza de procesos’ Fuente: Interpretación de los autores Para inferir los conocimientos, creencias, valores, y orientaciones para la acción sobre modelización matemática del futuro profesor, a continuación, se considera la diagramación anterior, principalmente las proposiciones de color verde que es donde se tiene en cuenta el proceso de modelización, para relacionarla con los elementos del ciclo de modelización matemática. El sujeto de estudio realizó la valoración del componente ‘Riqueza de procesos’ considerando, además, las competencias establecidas en el currículo educativo para la asignatura de matemática. En este sentido, la proposición 3 muestra que el sujeto de estudio relacionó la competencia 1 del currículo al trabajo con modelización. Más en concreto, la competencia 1 guarda cierta relación con la definición de la transición ‘matematización’ que incluye el ciclo de modelización (véase Figura 3, nro. 3). En términos de Maaß (2010), existen tareas para trabajar determinadas transiciones del ciclo de modelización, lo cual no implica que se esté llevando a cabo un proceso de modelización como tal, dado que su intencionalidad es centrarse en alguna(s) sub-competencia(s) específica(s). No obstante, del relato se puede inferir que el sujeto de estudio consideró la idea: ‘al trabajar la competencia 1 estoy trabajando la modelización’. Por su parte, la proposición 6 muestra que el sujeto de estudio, en una de las creencias que forman su concepción de modelización, consideró la comprensión de la tarea en su contexto como un punto de partida para desarrollar el proceso de modelización. En particular, esta idea se puede relacionar con la transición ‘comprender/construir’ que incluye el ciclo de modelización (véase Figura 3, nro. 1). Asimismo, desde la proposición 12 a la 17, se puede interpretar que el sujeto de estudio consideró distintas transiciones del ciclo de modelización. Por ejemplo, la proposición 12 se puede relacionar con la transición ‘simplificar/estructurar’ (véase Figura 3, nro. 2), y la proposición 16 con la transición ‘validar’ (véase Figura 3, nro. 6). Finalmente, la proposición 18 evidencia ciertas interpretaciones limitadas del sujeto de estudio sobre modelización. Por una parte, se puede inferir un solapamiento entre los procesos ‘modelización matemática’ y ‘aplicaciones matemáticas’. En términos de Blum (2002), si bien ambos procesos denotan todo tipo de relaciones entre el «mundo real» y la «matemática», la modelización comienza desde el «mundo real» hacia la «matemática», centrada en el proceso; mientras que las aplicaciones comienzan en el sentido contrario, centradas en el objeto matemático. Por otra parte, el sujeto de estudio consideró que la modelización también implica aplicar un modelo matemático a una 317 situación cercana a la realidad. Si bien esta idea no es errónea, sí es imprecisa en el sentido que, como se planteó en la subsección 2.1., un problema de modelización se caracteriza por provenir de un contexto ‘realista’ y ‘auténtico’, y su relato parece evidenciar que coloca en entredicho – con la frase ‘muchas veces’ – la condición de cercanía con la realidad, y no como una condición sine qua non para plantear este tipo de problemas. Consideraciones finales La diagramación de la valoración de la unidad didáctica realizada en el TFM, guiada por los CID, permitió relacionar los argumentos en la reflexión de AD con algunos elementos del ciclo de modelización; también, identificar algunas ideas, concepciones, o creencias de AD respecto a la modelización que son (o no) compatibles con las características tanto de un problema de modelización como del trabajo con este proceso. En la diagramación de la valoración del componente ‘Riquezas de procesos’ ( Figura 5) del criterio epistémico, se pudo relacionar algunas proposiciones con las transiciones ‘matematización’, ‘comprender/construir’, ‘simplificar/estructurar’, y ‘validar’ que incluye el ciclo de modelización (véase Figura 3, nos. 1, 2, 3, 6). No obstante, se evidencian ciertas interpretaciones limitadas del sujeto de estudio sobre este proceso. Por una parte, se pudo inferir un solapamiento entre los procesos ‘modelización matemática’ y ‘aplicaciones matemáticas’ y, por otra parte, su conceptualización de modelización da un mayor peso a los aspectos matemáticos (‘modelo’ y ‘trabajo matemático’) que a la interpretación y validación de resultados con el contenido de la situación-problema planteada, poniendo en entredicho la cercanía de este proceso con el «mundo real». La justificación de AD de utilizar la modelización para trabajar diferentes competencias coincide con lo considerado por Blum (2011) al decir que la integrar la modelización contribuye a desarrollar las competencias matemáticas. Con relación a la primera pregunta de investigación, sobre qué argumentación realiza un futuro profesor para justificar la incorporación (o no) de la modelización matemática en sus clases, en la sección 4 se ha descrito una porción de los argumentos utilizados por el sujeto de estudio en la reflexión contenida en su TFM. Con relación a la segunda pregunta de investigación, sobre qué conocimientos, valores, creencias, y orientaciones para la acción se infieren en esta argumentación, se puede afirmar, a partir de la porción de resultados presentada, que el análisis detallado de los argumentos presentes en la reflexión del sujeto de estudio evidencia el uso de las tres 318 dimensiones de conocimientos que propone el modelo CCDM (matemática, didáctica, y meta didáctico-matemática), al mismo tiempo que aparecen conocimientos de las seis facetas del conocimiento didáctico (epistémico, cognitivo, interaccional, mediacional, afectivo, y ecológico). Además, el sujeto de estudio mostró tanto un buen conocimiento como un uso competente del constructo CID. Un último aspecto es que, a partir del análisis de la reflexión en el TFM del sujeto de estudio, se puede suponer que la educación de AD como ingeniero influyó en parte de sus creencias sobre modelización. Sin embargo, hace falta un análisis más profundo para poder afirmar totalmente esta conclusión, con untrabajo que incluya, por ejemplo, entrevistas o cuestionarios con el sujeto de estudio que se enfoquen en este aspecto específico. De todos modos, con base en los resultados presentados, existen un elemento que parcialmente refuerza esta conclusión, como fue el hecho que AD haya reducido el proceso modelización a la aplicación de un modelo matemático en una situación concreta, de manera similar a la visión de Pollak (1979) sobre las matemáticas aplicadas. Los resultados de este estudio pueden ser de utilidad para el programa de máster en que se desarrolló esta investigación, en el sentido que se podría desarrollar una pauta de CID con indicadores más específicos para determinar qué se entenderá por un proceso de modelización (véase Ledezma et al., 2022), o bien, replantear la manera en que se enseña la incorporación de la modelización para los niveles de educación secundaria y bachillerato dentro del submódulo dedicado a la enseñanza de dicho proceso. Esto apoya la idea de Blum y Borromeo (2009) de la necesidad de que los profesores cuenten con conocimientos y estrategias de enseñanza adecuados para implementar la modelización. Finalmente, este estudio abre una línea de investigación para inferir conocimientos y creencias del profesorado a partir de la argumentación realizada en su reflexión, la cual difiere de lo que es más habitual en este plano, como lo son la aplicación de cuestionarios o entrevistas, pues se incorpora una nueva manera de analizar la argumentación del profesorado mediante la técnica de diagramación. Agradecimientos Este estudio fue financiado por el Proyecto ANID/PFCHA nro. 72200458 (Chile), y el Proyecto de Investigación en Formación del Profesorado PID2021-127104NB-I00 (MINECO/FEDER, UE). Referencias Abassian, A., Safi, F., Bush, S. y Bostic, J. (2020). Five different perspectives on mathematical modeling in mathematics education. Investigations in Mathematics Learning, 12(1), 53–65. https://doi.org/10.1080/19477503.2019.1595360. Blum, W. (2002). ICMI Study 14: Applications and modelling in mathematics education – Discussion document. Educational Studies in Mathematics, 51(1–2), 149–171. https://doi.org/10.1023/a:1022435827400. Blum, W. (2011). Can modelling be taught and learnt? Some answers from empirical research. En G. Kaiser, W. Blum, R. Borromeo y G. Stillman (Eds.), Trends in Teaching and Learning of Mathematical Modelling: ICTMA 14 (pp. 15–30). Springer. https://doi.org/10.1007/978-94-007-0910-2_3. Blum, W. y Borromeo, R. (2009). Mathematical modelling: Can it be taught and learnt? Journal of Mathematical Modelling and Application, 1(1), 45–58. 319 Blum, W. y Leiß, D. (2007). How do students and teachers deal with modelling problems? En C. Haines, P. Galbraith, W. Blum y S. Khan (Eds.), Mathematical Modelling (ICTMA 12): Education, Engineering and Economics (pp. 222–231). Horwood. https://doi.org/10.1533/9780857099419.5.221. Borromeo, R. (2006). Theoretical and empirical differentiations of phases in the modelling process. Zentralblatt für Didaktik der Mathematik, 38(2), 86–95. https://doi.org/10.1007/bf02655883. Borromeo, R. (2018). Learning How to Teach Mathematical Modeling in School and Teacher Education. Springer. https://doi.org/10.1007/978-3-319-68072-9. Breda, A., Pino-Fan, L. y Font, V. (2017). Meta didactic-mathematical knowledge of teachers: Criteria for the reflection and assessment on teaching practice. EURASIA: Journal of Mathematics Science and Technology Education, 13(6), 1893–1918. https://doi.org/10.12973/eurasia.2017.01207a. Cohen, L., Manion, L. y Morrison, K. (2018). Research Methods in Education (8va ed.). Routledge. Doerr, H. M. (2007). What knowledge do teachers need for teaching mathematics through applications and modelling? En W. Blum, P. L. Galbraith, H.-W. Henn y M. Niss (Eds.), Modelling and Applications in Mathematics Education: The 14th ICMI Study (pp. 69–78). Springer. https://doi.org/10.1007/978-0-387-29822-1_5. Doerr, H. M. y English, L. D. (2003). A modeling perspective on students’ mathematical reasoning about data. Journal for Research in Mathematics Education, 34(2), 110– 136. https://doi.org/10.2307/30034902. Godino, J. D., Batanero, C. y Font, V. (2007). The onto-semiotic approach to research in mathematics education. ZDM – Mathematics Education, 39(1), 127–135. https://doi.org/10.1007/s11858-006-0004-1. Godino, J. D., Giacomone, B., Batanero, C. y Font, V. (2017). Enfoque Ontosemiótico de los conocimientos y competencias del profesor de matemáticas. BOLEMA: Boletim de Educação Matemática, 31(57), 90–113. https://doi.org/10.1590/1980- 4415v31n57a05. Guevara, G. (2011). Estructuras de argumentos. En L. Vega y P. Olmos (Eds.), Compendio de Lógica, Argumentación y Retórica. Trotta. Kaiser, G. (2020). Mathematical modelling and applications in education. En S. Lerman (Ed.), Encyclopedia of Mathematics Education (2da ed., pp. 553–561). Springer. https://doi.org/10.1007/978-3-030-15789-0_101. Kaiser, G., Schwarz, B. y Tiedemann, S. (2013). Future teachers’ professional knowledge on modeling. En R. Lesh, P. L. Galbraith, C. Haines y A. Hurford (Eds.), Modeling Students’ Mathematical Modeling Competencies: ICTMA 13 (pp. 433–444). Springer. https://doi.org/10.1007/978-94-007-6271-8_37. Ledezma, C., Font, V., Sala-Sebastià, G. y Breda, A. (2022). Principios de la modelización matemática desde la perspectiva de la idoneidad didáctica. En Investigación en Educación Matemática XXV (pp. 347–354). SEIEM. Maaß, K. (2007). Modelling in class: What do we want the students to learn? En C. Haines, P. Galbraith, W. Blum y S. Khan (Eds.), Mathematical Modelling (ICTMA 12): Education, Engineering and Economics (pp. 63–78). Horwood. https://doi.org/10.1533/9780857099419.2.63. 320 Maaß, K. (2010). Classification scheme for modelling tasks. Journal für Mathematik- Didaktik, 31(2), 285–311. https://doi.org/10.1007/s13138-010-0010-2. Pino-Fan, L. R., Assis, A. y Castro, W. F. (2015). Towards a methodology for the characterization of teachers’ didactic-mathematical knowledge. EURASIA: Journal of Mathematics, Science and Technology Education, 11(6), 1429–1456. https://doi.org/10.12973/eurasia.2015.1403a. Pino-Fan, L., Godino, J. D. y Font, V. (2018). Assessing key epistemic features of didactic-mathematical knowledge of prospective teachers: The case of the derivative. Journal of Mathematics Teacher Education, 21(1), 63–94. https://doi.org/10.1007/s10857-016-9349-8. Pollak, H. O. (1979). The interaction between mathematics and other school subjects. En B. Christiansen, T. J. Fletcher, A. Revuz, L. A. Santaló y H.-G. Steiner (Eds.), New Trends in Mathematics Teaching IV. UNESCO. Stake, R. E. (2005). Qualitative case studies. En N. K. Denzin y Y. S. Lincoln (Eds.), The SAGE Handbook of Qualitative Research (3ra ed., pp. 443–466). Sage.
Compartir