Los sistemas cognitivos artificiales

en la enseanza de la matemtica1

Francy Nelly Jimnez-Garca

Universidad Autnoma de Manizales.
Manizales, Colombia.
jufra25@hotmail.com

Resumen

Este artculo presenta la implementacin de los sistemas cognitivos artificiales (SCA)

en los procesos de enseanza-aprendizaje de las matemticas. La justificacin terica
de tal implementacin se hace desde el punto de vista de la Matemtica y la Educacin Matemtica como ciencias y la Ciencia Cognitiva, de las cuales emerge el Modelo Computacional-Representacional de la Matemtica (MCRMAT). Este modelo de
las matemticas da cuenta del porqu los procesos de enseanza-aprendizaje de las
matemticas pueden y deben ser mediados mediante los sistemas cognitivos artificiales, que deben ser entendidos como herramientas de reorganizacin cognitiva. La
comprensin que se alcance sobre el conocimiento producido con la mediacin de las
herramientas proporcionadas por los sistemas cognitivos artificiales es importante
para la enseanza de la matemtica. En los ejemplos que se presentan en este trabajo se ha empleado software licenciado como Matlab y Mathcad.

Palabras clave

Enseanza de las matemticas, mtodo educativo, aprendizaje virtual, matemticas,

programa informtico de aprendizaje, tecnologa educacional (Fuente: Tesauro de la
Unesco).

Recepcin: 2011-07-28 | Aceptacin: 2012-06-30

Para citar este artculo / To reference this article / Para citar este artigo
Jimnez-Garca, F. N. (2012) Los sistemas cognitivos artificiales en la enseanza de la matemtica. Educ. Educ. Vol. 15, No. 2, 167-183.

Este trabajo es un resultado del proyecto de investigacin Incorporacin de nuevas tecnologas a la enseanza
de la matemtica inscrito en la Unidad de Investigacin de la Universidad Autnoma de Manizales.

167

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

Artificial Cognitive Systems

in Teaching Mathematics
Abstract

Keywords

The use of artificial cognitive systems (ACS) in processes for teaching-learning mathematics is proposed in this article. The theoretical justification for that implementation is based on a view of mathematics and the teaching mathematics as sciences
and the cognitive sciences, from which the so-called Computational Representational
Model of Mathematics (MCRMATH) has emerged. This model of mathematics shows
why mathematics teaching and learning can and should be mediated by artificial
cognitive systems, which are to be understood as tools for cognitive reorganization.
An understanding of the knowledge produced through the use of tools provided by
artificial cognitive systems is important to the teaching mathematics. The software
licensed as Matlab and Mathcad was used in the examples presented in this study.

Teaching mathematics, educational method, virtual learning, mathematics, computerized learning program, educational technology (Source: Unesco Thesaurus)

Os sistemas cognitivos artificiais

no ensino da matemtica
Resumo

Este artigo apresenta a implementao dos sistemas cognitivos artificiais (SCA) nos
processos de ensino-aprendizagem da matemtica. A justificativa terica dessa implementao se faz sob o ponto de vista da Matemtica e da Educao Matemtica
como cincias e a Cincia Cognitiva, das quais emerge o Modelo ComputacionalRepresentacional da Matemtica (MCRMAT). Esse modelo da matemtica d conta
de por que os processos de ensino-aprendizagem da matemtica podem e devem
ser mediados pelos sistemas cognitivos artificiais, que devem ser entendidos como
ferramentas de reorganizao cognitiva. A compreenso que se atinge sobre o conhecimento produzido com a mediao das ferramentas proporcionadas pelos sistemas cognitivos artificiais importante para o ensino da matemtica. Nos exemplos
que se apresentam neste trabalho, empregou-se o software licenciado como Matlab
e Mathcad.

Palavras-chave

Ensino de matemtica, mtodo educativo, aprendizagem virtual, matemtica, programa informtico de aprendizagem, tecnologia educacional. (Fonte: Tesauro da
Unesco).

168

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

Introduccin

La matemtica como ciencia siempre ha estado

ligada a las necesidades del hombre de resolver problemas que involucran el conteo y la medicin. Desde el punto de vista histrico dichos problemas han
avanzado en complejidad desde la antigedad hasta
elaborados modelos de la ciencia actual. La solucin
de estos problemas ha involucrado una cantidad
cada vez ms creciente en el nmero de clculos
requeridos llegando al punto en que se ha hecho
imprescindible desligar al hombre de estas tareas
computacionales.
La enseanza de la matemtica, desde el punto
de vista de la solucin de problemas, debe asimilar
estos nuevos desafos, lo que lleva de inmediato al
uso de los computadores y software matemtico especializado. De otra parte, es sabido que la enseanza de esta ciencia requiere de un sistema variado y
flexible de formas de representacin de los objetos
y estructuras que la componen. A este respecto Kaput (1992), describe las actividades matemticas
que tienen lugar en el proceso de enseanza como:
las transformaciones sintcticamente restringidas
dentro de un sistema particular con o sin referencia a otros significados externos; traducciones entre
sistemas de notacin; construccin y verificacin de
modelos matemticos; consolidacin de relaciones
y procesos en objetos conceptuales que pueden ser
usados en relaciones y procesos de un orden ms
alto de organizacin. Estas actividades involucran
frecuentemente el uso de representacin de carcter algebraico, grfico y numrico. Una medida
de qu tan bien se aprenden las matemticas est
dada por la capacidad que alcanza el individuo en
el manejo de estas representaciones. El software
disponible actualmente permite tanto al docente
como al estudiante una mejor integracin de estas
formas de representacin liberando al individuo
de procesos de clculos repetitivos y permitindole
concentrarse en lo realmente importante que es la
comprensin e interiorizacin de los conceptos que
se abordan y su aplicacin en diferentes contextos.

Para el desarrollo de cualquier metodologa

encaminada a la enseanza de la matemtica es indispensable la identificacin de un modelo que d
cuenta de la forma como se aprenden los conceptos.
Uno de ellos es el modelo computacional representacional de mente (MCRM) desarrollado por Thagard
(2006), el cual da una explicacin de cmo el individuo realiza diversos procesos cognitivos.
En este escrito se retoma el modelo terico
descrito por Luis Alberto Toro, que justifica la enseanza de la matemtica mediada por ayudas computacionales, como el modelo computacional representacional de la matemtica (MCRMAT). As mismo
se presentan algunos ejemplos del uso del MCRMAT
en la enseanza de la matemtica en cursos dirigidos a estudiantes de ingeniera que han sido puestos a prueba con xito en la Universidad Autnoma
de Manizales (UAM), en el marco del proyecto de
investigacin Incorporacin de Nuevas Tecnologas en la Enseanza a la Matemtica del Grupo
de Investigacin en Fsica y Matemtica con nfasis
en la Formacin de Ingenieros. Para este trabajo de
investigacin se emplearon los softwares Matlab y
Mathcad, adquiridos por la UAM.

Contenido
Necesidad de incorporar los sistemas
cognitivos artificiales (SCA) en la enseanza
de la matemtica

Un hecho histrico: el estudio de los sistemas

dinmicos complejos inici en 1920 por los matemticos franceses Pierre Fatou y Gaston Julia, pero
hubo que esperar hasta finales de la dcada de los
setenta y comienzos de los ochenta para que el rpido desarrollo de las tcnicas de grficos por computadora permitiera a Benoit Mandelbrot y a otros matemticos visualizar algunas de las estructuras con
las que haban trabajado Fatou y Julia. Las figuras
increblemente bellas que surgieron de este estudio,
los fractales, se convirtieron desde entonces en una
especie de forma de arte por derecho propio.
169

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

El mencionado episodio histrico no justifica por

s slo la introduccin de las herramientas computacionales en la enseanza de las matemticas, pero s
nos dice que el cambio en la prctica de las matemticas nos obliga a repensar la educacin matemtica
a todo nivel, desde la primaria hasta la universitaria.
Tal justificacin tampoco proviene de la constatacin de que la computadora supone e impone una
transformacin sin precedentes en todos los mbitos de la actividad humana, y como la mquina de
vapor, determina las capacidades de la movilidad
social, de las maneras de producir y de hacer, pero
que adems condiciona nuestro estar en el mundo
como personas, puesto que se trata de un ingenio
que presenta fuertes analogas con las categoras
lgicas y mentales de la persona. Tal justificacin
debe darse desde la matemtica y la educacin matemtica como ciencias con la ayuda de la ciencia
cognitiva. De qu tratan stas ciencias?
La matemtica es la ciencia de las estructura. La
idea de estructura domina por completo la matemtica de hoy da (Toro, 2007). El matemtico examina estructuras abstractas: numricas, de formas, de
movimiento y del cambio, de comportamiento, las
estructuras con las que se repiten los sucesos aleatorios, las de simetra y las de regularidad, las del
razonamiento, las estructuras fundamentales del
universo. De dnde provienen estas estructuras?
Pueden ser imaginarias o reales, visuales o mentales, estticas o dinmicas, puramente utilitarias. Su
origen puede residir en el mundo real que nos rodea, o en las profundidades del espacio y del tiempo,
o en la actividad de la mente humana.
La educacin matemtica. Gutirrez (1999) estudia los procesos de enseanza-aprendizaje de los
saberes matemticos en los procesos terico-conceptuales y de resolucin de problemas, tratando
de caracterizar los factores que condicionan dichos
procesos.
La ciencia cognitiva (CC). Friedenberg (2006), se
puede definir como el estudio cientfico e interdisciplinario de la mente, que intenta comprender los
170

principios de la conducta cognitiva e inteligente que

permiten una mejor comprensin del proceso enseanza-aprendizaje y del desarrollo de aparatos inteligentes que aumentan la capacidad humana de
manera constructiva. Su metodologa primaria es
el mtodo cientfico, aunque muchas otras metodologas tambin contribuyen. La principal caracterstica de la CC es su aproximacin interdisciplinaria,
incluyendo filosofa, psicologa, lingstica, inteligencia artificial, robtica y neurociencia. Cada una
de ellas brinda un nico conjunto de herramientas
y perspectivas.
Cuando se estudia algo tan complejo como la
mente, ninguna perspectiva individual es adecuada,
en su lugar, la intercomunicacin y cooperacin entre los practicantes de estas disciplinas dicen mucho
ms. Para entender lo que realmente es la CC, todo
lo que se necesita es conocer cul es la perspectiva
terica acerca de la mente. Tal perspectiva se centra
sobre la idea de computacin, que alternativamente
puede denominarse procesamiento de informacin.
Los cientficos cognitivos ven la mente como un procesador de informacin, y por tanto estos procesadores deben representar y transformar la informacin.
Segn esta perspectiva una mente debe incorporar
alguna forma de representacin y procesamiento
mental, que acta sobre la informacin y la manipula. De acuerdo con lo anterior, la CC presenta el
modelo computacional representacional de la mente, MCRM, en el que adopta la hiptesis segn la
cual en la mente existen representaciones mentales
anlogas a estructuras de datos y procesos computacionales semejantes a los algoritmos que usan las
computadoras: representaciones mentales ms procesos computacionales producen el pensamiento.
Una representacin es un smbolo o conjunto
de smbolos que puede ser interpretado por la mente o por una computadora, y de cuya interpretacin
emerge un significado. Existen diversos tipos de representaciones, entre las que se encuentran los conceptos, las proposiciones, las reglas y las analogas. La
mente humana funciona simblicamente cuando

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

ciertas experiencias (smbolos) recuerdan estados

de conciencia y emociones que reflejan otras experiencias (significado de los smbolos). El cerebro
es capaz de percibir un objeto simblico al mismo
tiempo como algo real en s mismo y como la representacin de algo ms. DeLoache (2005) se refiere
a ello como la teora de la representacin dual, la
cual describe nuestra capacidad para atribuirle caractersticas y significados a cosas que en realidad
no las tienen, es decir, podemos imaginar cosas que no
estn presentes.
Las matemticas tienen un alto nivel representacional, debido al uso extensivo de smbolos
para denotar todo tipo de objetos matemticos, y
por lo tanto las representaciones ocupan un lugar
central en la enseanza de las matemticas. La razn de tal inters se debe encontrar en el hecho de
que hablar de representacin, equivale a hablar de
conocimiento, significado, comprensin, modelizacin. Sin duda, estas nociones constituyen el ncleo
central, no slo de la matemtica, sino tambin de
la epistemologa, psicologa y dems ciencias y tecnologas que se ocupan de la cognicin humana,
su naturaleza, origen y desarrollo. Esta diversidad
de disciplinas interesadas por la representacin es
la razn de la diversidad de enfoques y maneras de
concebirla. De otra parte los conceptos matemticos
(representaciones) se construyen mediante la combinacin (computacin) de otros conceptos matemticos (de nuevo representaciones). Por lo tanto,
en estrecha analoga con el MCRM, se puede hablar
de un modelo computacional-representacional de la
matemtica, MCRMAT, que considera que desde el
punto de vista interno de la matemtica como ciencia, la matemtica realiza cmputos con representaciones, cuyo objetivo final es la creacin de estructuras abstractas. Puede pensarse del MCRMAT como
un instrumento terico que capta lo esencial de la
matemtica: su carcter abstracto, representacional
y de estructura; pero adems es un instrumento terico para la enseanza de las matemticas. La figura 1 muestra el MCRMAT y su relacin con cualquier
tema de matemticas, o al menos los que se ensean en los curso de pregrado.

Figura 1. El MCRMAT y el aula de clase.

El siguiente ejemplo ayudar a comprender la

figura 1. Se est enseando ecuaciones diferenciales
ordinarias (EDOs). En primer lugar, aparece el concepto de ecuacin diferencial ordinaria (una representacin). Luego, es necesario traducir tal concepto mediante smbolos (representaciones) y dar una
adecuada explicacin de los smbolos que se usan
en tal representacin, haciendo nfasis en su abstraccin, es decir que podemos cambiar los smbolos
sin incidir en el concepto de ecuacin diferencial ordinaria. Sean las expresiones,

Las ecuaciones (1) son dos representaciones de

la misma ecuacin diferencial de primer orden. En
la primera, la funcin desconocida es y, la variable
independiente es x; mientras que en la segunda la
funcin desconocida es f y la variable independiente
es z. Las expresiones anteriores pueden escribirse en
forma de una estructura simblica general, pues en
realidad tales expresiones son funciones de la forma:
F (Derivada de la funcin desconocida, funcin
desconocida, variable independiente)=0.
Aqu F (u otro smbolo adecuado) se utiliza
para designar la relacin funcional entre las variables que intervienen en la ecuacin diferencial,
que se revela al pasar los trminos de los segun171

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

dos miembros, en las ecuaciones (1), al primero. De

acuerdo con lo anterior, las ecuaciones diferenciales
(1) pueden escribirse de la siguiente forma:

Otra forma de estructura aparece cuando se

estudian las soluciones de una EDO de orden homognea con coeficientes constantes, cuyas soluciones
tienen la estructura de espacio vectorial. A continuacin viene el concepto de solucin de una ecuacin
diferencial; luego se estudian los teoremas acerca
de cundo una EDO tiene solucin (nica o ms de
una), y cundo no la tiene. Despus, se presentan los
diferentes mtodos para obtener (computar) la o las
soluciones de una ecuacin diferencial; se tratan algunas cuestiones tericas y ejemplos especficos, que
preparan al estudiante para enfrentar la aplicacin
de las EDOs a la solucin de problemas (modelar y
simular) de las ciencias e ingeniera, donde las ecuaciones diferenciales son parte integral del modelo
matemtico del problema a resolver.
La mayora de los cursos actuales de ecuaciones diferenciales que se imparten en las universidades colombianas hacen nfasis en los aspectos
computacionales, es decir, la mayor parte del curso
se dedica a presentar mtodos para hallar soluciones analticas de las EDOs, descuidando los aspectos
representacionales y de aplicaciones (a los que se
dedica poco tiempo), lo que es, desde nuestro punto de vista un error metodolgico. Es en ste punto
donde el uso de sistemas cognitivos artificiales entra
en accin y restituye el equilibrio entre los aspectos
tericos, computacionales y aplicaciones en la enseanza de las EDOs, como se puede apreciar en los
ejemplos que se presentan posteriormente.
Lenguajes de programacin como Matlab y
MathCad, incorporan, adems de sistemas de representacin numrico y grfico, un sistema representacional que permite realizar cmputos algebraicos.
Esto significa, que adems de realizar clculo num172

rico y graficar ecuaciones, tales lenguajes permiten

hacer cmputos simblicos. Operaciones tales como
factorizacin de polinomios, derivacin e integracin
simblica (en una, dos y tres dimensiones), simplificacin de expresiones algebraicas y trigonomtricas, clculo simblico de determinantes (orden dos y
tres), operaciones con matrices simblicas, descomposicin en fracciones parciales, solucin de algunas
ecuaciones diferenciales ordinaria y parciales, por
mencionar solamente unas pocas, son realizadas eficientemente en tales sistemas representacionales.
As, puede verse como un sistema cognitivo artificial inducido por el MCRMAT revela no solamente el carcter computacional-representacional que
tiene la matemtica, sino su accin a travs de medios artificiales. Es cognitiva, porque tales sistemas
representacionales realizan actividades semejantes
a las cognitivas de la mente (memoria, anlisis, computaciones y toma de decisiones, entre otras) y artificiales, porque son llevadas a cabo por un agente
externo a la mente, la computadora. Por lo tanto la
enseanza de la matemtica puede y debe ser mediada por sistemas representacionales como los ya
mencionados.
El uso de sistemas representacionales artificiales numricos, grficos y algebraicos permiten estudiar una situacin matemtica dada desde cualquiera de los tres puntos de vista: numrico, grfico
o simblico. Pero lo ms importante es que, desde el
punto de vista cognitivo, tal situacin puede estudiarse integralmente desde los tres puntos de vista. La
anterior integracin abre la posibilidad de establecer
nuevas relaciones entre los tres tipos de representacin, y por tanto, emerge una mayor elaboracin conceptual de los objetos matemticos involucrados en la
situacin bajo estudio. Se concluye entonces que tales sistemas son aptos para la enseanza de las matemticas, y su uso representa un punto de inflexin
en la enseanza de tal ciencia.
No debe pensarse de los instrumentos tecnolgicos para la enseanza de las matemticas como

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

simples prtesis para la accin. Tales instrumentos

deben verse como reorganizadores de todo el funcionamiento cognitivo, ya que contribuyen al rediseo
de estrategias en la resolucin de problemas y a la
reconceptualizacin mediante la sustitucin de un
sistema de representacin, como los mismos autores lo han experimentado durante los aos que llevan usando diversos sistemas cognitivos artificiales
como instrumentos, no solamente para sus investigaciones sino tambin para la enseanza de la matemtica, y a los que se har referencia posteriormente.
Finalmente, uno de los objetivos del grupo de
investigacin en la implementacin de tecnologas
en la enseanza de la matemtica, es el de entender
cmo se debe realizar tal implementacin, ya que
los sistemas de representacin artificiales permiten
dos posibilidades: entenderlos como herramientas
de amplificacin o entenderlos como herramientas de
reorganizacin, y pasar de la amplificacin a la reorganizacin no es tarea fcil. De hecho se debe trabajar
en el marco de un currculum ya establecido, pero
la idea es que las innovaciones exitosas tendrn la
capacidad de erosionar los currculos tradicionales. Segn Moreno (2001), la comprensin que se
alcance sobre el conocimiento producido con la mediacin de las herramientas proporcionadas por las
tecnologas de la informacin, se torna de vital importancia para la enseanza de la matemtica.

Aspectos clave para una correcta

incorporacin de los SCA en la enseanza

Casi nadie considera que la matemtica es una

forma de pensar, de enfrentar problemas, de resolver problemas (si aceptamos que pensar es
en esencia resolver problemas), sin embargo, la
aparicin de la tecnologa contempornea ratifica cada vez ms que la actividad distintiva
del hombre es la resolucin de problemas y que
la matemtica como actividad tpicamente humana es esencialmente una actividad de pensamiento y no una rutina o mecanismo que las
mquinas pueden realizar, (Villanueva, 2004).

Cuando un individuo se enfrenta a un problema y no tiene a la mano soluciones dadas o externas,

lo ms natural es que surjan propuestas de diversa
ndole y eficiencia, pero la aplicacin repetitiva de
las soluciones encontradas no se traduce en un mejor desempeo en la ejecucin de la tarea, sino que
es a travs de la reflexin sobre las ventajas y desventajas de aplicar el mtodo lo que permite alcanzar nuevas y mejores formas de realizar el trabajo.
Lo anterior es vlido tanto para el estudiante como
para el profesor. Por ejemplo, no basta que el estudiante se aferre a esquemas o rutinas de aprendizaje preestablecidas para alcanzar su ptimo desempeo, sino es necesario que pueda dar razn sobre
las intencionalidades de cada actividad que realiza
para el logro de los objetivos, habilidades o competencias, que conozca sus debilidades y fortalezas y
la manera en que aprende, para que pueda replantear el proceso de aprendizaje que emplea. As mismo, el profesor debe reconocer que no es la prctica
repetida del ejercicio docente lo que lo hace mejor
maestro sino que es la reflexin permanente de su
quehacer, la evaluacin (cientfica) de su desempeo, la contrastacin con pares y la actualizacin en
las tendencias de la comunidad acadmica lo que
permite formular nuevas estrategias para una labor
ms eficiente en el proceso de enseanza.
Una de las reflexiones obligadas de los docentes es acerca de la forma en que sus estudiantes
aprenden, y es aqu donde cobran importancia los
modelos de aprendizaje como el MCRM discutido
anteriormente. Aunque estos modelos no son perfectos s explican tendencias y comportamientos, lo
que permite el planteamiento de metodologas de
enseanza que privilegien aquellos procesos que
conducen a una mejor aprehensin y construccin
del conocimiento.
Las estructuras de la matemtica como ciencia se nutren de diversas clases de representaciones
como smbolos, ecuaciones, comparaciones, enunciados verbales, grficos y tablas entre otros; el pensamiento matemtico surge cuando el individuo
173

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

genera habilidades para hacer uso de cada una de

estas representaciones y las relaciona entre s para
producir objetos cada vez ms complejos y elaborados. El xito al momento de enfrentar un problema
matemtico ya sea de naturaleza terica o aplicada
depende de la capacidad que posee la persona de
ligar dicho problema a las representaciones matemticas de que dispone. La facilidad de pasar de una
representacin a otra del mismo objeto matemtico incrementa la capacidad de procesamiento y por
tanto mejora las posibilidades de llegar a un camino
de solucin.
Dado que los objetos slo son accesibles por
medio de sus representaciones mentales, el proceso
de instruccin debe tener como objetivo el desarrollo de representaciones internas adecuadas y bien
conectadas en los estudiantes (Font, 2001).
Las diferentes heursticas que se abordan en
una metodologa de enseanza basada en la solucin de problemas pueden verse de alguna manera
como funciones o aplicaciones donde el argumento
de entrada es el problema a resolver y el de salida
la solucin. La eleccin de una u otra heurstica involucra procesos complejos de decisin que tienen
en cuenta entre otras las experiencias previas del
individuo, el tipo de representaciones que admite el
problema y la facilidad con que puede manejarlas o
transformarlas en otras ms accesibles para l.
Los sistemas representacionales importantes
para las matemticas y su aprendizaje tienen estructura, de manera que las diferentes representaciones dentro de un sistema estn relacionadas de
manera rica unas a otras (Goldin, 2001).
El computador permite de una manera gil el
cambio entre diversas formas de representacin de
un mismo objeto matemtico ya sea simblico, grfico o numrico. El alumno puede hacer uso de ellas
como un todo para una mejor comprensin del objeto en cuestin o elegir una que le sea ms familiar
para realizar de mejor forma su trabajo.
174

Las diferentes formas de representacin (diagramas, grficas y expresiones simblicas) han sido
enseadas y aprendidas como si fueran fines en s
mismas. Las representaciones deben ser tratadas
como elementos esenciales para apoyar la comprensin de los estudiantes de los conceptos y relaciones matemticas; en comunicar acercamientos,
argumentos e ideas matemticas a uno mismo y a
los dems, en reconocer conexiones entre conceptos matemticos relacionados; y en aplicar las matemticas a situaciones de problemas realisticos a
travs de la modelizacin (Rico, Castro, Coriat, Marn,
Puig, Sierra, Socas, 1997).

Modelos matemticos

Virtualmente, cada fenmeno de la naturaleza, sea biolgico, geolgico o mecnico, puede ser
descrito con la ayuda de las leyes de la fsica, en trminos de ecuaciones que pueden ser algebraicas,
diferenciales o integrales, que relacionan varias cantidades de inters. Tales expresiones matemticas
se denominan modelos matemticos. Ejemplos de
fenmenos fsicos que pueden modelarse matemticamente son la distribucin de sustancias contaminantes en la atmsfera, lagos o ros; la respuesta
de construcciones civiles (puentes, edificios, etc.) a
los terremotos; las vibraciones mecnicas de la suspensin de automviles o las de las alas de los aviones; el comportamiento de poblaciones de animales
en un cierto territorio (ecuacin logstica); la forma
cmo los seres humanos aprenden ciertos conocimientos (curvas de aprendizaje); la propagacin de
un rumor y la trayectoria que sigue un cohete lanzado al espacio, por mencionar unos pocos.
Cuando se estudia un fenmeno de la naturaleza, el cientfico, ingeniero o profesional se enfrenta
a dos grandes retos:
1.

La formulacin del modelo matemtico del

proceso fsico.

2.

Anlisis numrico y/o cualitativo del modelo

matemtico.

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

La formulacin matemtica del fenmeno fsico requiere de un conocimiento de las leyes que lo
gobiernan (i.e. leyes fsicas) y de ciertos conocimientos matemticos. En general, el modelo matemtico
resultante consiste en una o varias ecuaciones diferenciales (ordinarias o parciales) que relacionan las
cantidades de inters para entender y/o disear el
proceso fsico. El desarrollo del modelo matemtico
de un proceso se alcanza a travs de suposiciones
acerca de cmo el proceso se manifiesta. En una
simulacin numrica, un mtodo numrico implementado en un computador es usado para evaluar
el desempeo del modelo matemtico y estimar las
caractersticas del proceso.
Una vez la ecuacin diferencial que modela el
comportamiento del fenmeno fsico es obtenida,
cuya derivacin para fenmenos complejos es difcil, la siguiente tarea es obtener su solucin exacta
(solucin analtica). Sin embargo, existen muchas
situaciones de orden prctico en la cuales una solucin analtica no est disponible. Lo anterior se
presenta, por ejemplo, cuando la regin en la cual
se debe resolver la ecuacin diferencial tiene una
frontera que es tan irregular que la hace imposible
describir matemticamente; o se deben resolver
problemas que involucran materiales anisotrpicos, que generan ecuaciones diferenciales que contienen trminos no lineales. En tales casos se debe
recurrir a mtodos numricos para obtener una solucin aproximada de la ecuacin diferencial bajo
estudio.
Sin lugar a dudas, las ecuaciones diferenciales
(ordinarias y parciales) son un instrumento matemtico utilizado por ingenieros y cientficos para
modelar fenmenos de la naturaleza. Hallar soluciones analticas de ecuaciones diferenciales fue
la tarea primordial de muchos matemticos del
siglo XVIII y XIX. Los cursos actuales de ecuaciones
diferenciales ordinarias siguen esta tradicin, dando a entender a los estudiantes de ingeniera, que
el objetivo principal del estudio de las ecuaciones
diferenciales consiste en hallar artificios de clculo

que les permitan resolverlas. Existen tratados como

el de Murphy (1960) sobre ecuaciones diferenciales
donde se analizan las tcnicas conocidas para su
solucin. De otra parte, un programa de cmputo
simblico como Matlab puede dar cuenta de la mayora de las ecuaciones diferenciales ordinarias que
se estudian en un curso normal de tal asignatura.
Existen otros mtodos mediante los cuales es
posible estudiar las ecuaciones diferenciales: mtodos cualitativos (Campos, 2002) y numricos y de
aproximacin (Chapra,1999). Lo anterior no significa
que es necesario desechar los mtodos para hallar
soluciones cerradas de ecuaciones diferenciales, lo
que se quiere expresar es que se debe mermar el
nfasis en tales mtodos y centrarse, por ejemplo,
en aspectos ms tericos, de mtodos cualitativos, de
modelacin, de introduccin a los sistemas dinmicos y al caos. Al fin al cabo, los ingenieros usan las
ecuaciones diferenciales para modelar fenmenos
del mundo real, y una vez obtenido el modelo, lo
que ellos necesitan son simulaciones numricas y/o
grficas por computadora para estudiar el sistema
bajo variadas condiciones, y esto es lo que permite
finalmente utilizar los datos obtenidos para el diseo en ingeniera. Los comentarios precedentes dicen
que los procesos de enseanza-aprendizaje de las
ecuaciones diferenciales deben ser cambiados radicalmente, y que para tal cambio la introduccin de
las nuevas tecnologas de la informacin es de gran
ayuda, como se muestra en los ejemplos que se presentan posteriormente.

Experiencias didcticas

Los sistemas cognitivos artificiales pueden

emplearse para la enseanza de diversos temas de
la matemtica. En algunas ocasiones su incorporacin se hace imprescindible, como es el caso de la
generacin del campo de direcciones de una ecuacin diferencial de primer orden, el cual permite
realizar un anlisis cualitativo de las soluciones sin
resolver la ecuacin diferencial. En otros casos es
necesario emplear ayudas computacionales para lograr una mejor comprensin de un fenmeno fsico
175

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

en particular. Un ejemplo de ello es el problema de

encontrar la distribucin de temperaturas en una
lmina plana delgada cuando es sometida a ciertas
condiciones de frontera. La solucin que se obtiene
finalmente est en trminos de una serie infinita. Si
bien podra pensarse que la obtencin de esta solucin por parte del estudiante es un indicio suficiente
de la interiorizacin del mtodo, no puede decirse lo
mismo de su capacidad para hacer uso de dicha solucin de tal forma que le permita proponer hiptesis, argumentar sobre el fenmeno e inferir comportamientos, entre otros. La representacin grfica de
esta solucin facilita el desarrollo de las habilidades
anteriores, y es en este punto donde se hace indispensable el empleo de ayudas computacionales.
Es notable cmo algunos conceptos matemticos de uso frecuente para el estudiante en sus
primeros aos de pregrado en ingeniera o ciencias
aplicadas no logran ser asimilados de forma correcta, generando toda clase de conflictos que impiden
la formalizacin cientfica en otras reas fundamentales de su formacin profesional. Este es el caso
del concepto de derivada o el de la integral. Nuevamente los sistemas cognitivos artificiales pueden
ser usados de forma intencionada para mejorar la
asimilacin en temas problemticos como los que
se plantean, y esto puede lograrse gracias a la diversidad de representaciones que pueden conjugarse
en este proceso con ayuda del computador.
Los siguientes ejemplos muestran las situaciones mencionadas y una propuesta en cada caso
empleando el computador con miras a lograr una
mejor apropiacin de los diferentes conceptos.
Ejemplo 1. Es posible obtener el comportamiento cualitativo de la solucin de una ecuacin
diferencial sin resolver. La ecuacin diferencial de
primer orden y=f(t,y) en realidad dice que la pendiente de cualquier solucin de tal ecuacin en el
punto (t,y) es f(t,y), y por lo tanto, para cada punto
(t, y) dado se puede calcular y. Si se calcula y para
un gran nmero de puntos en el dominio de f(t,y)
176

se obtiene un campo de pendientes o campo de direcciones, que representa el comportamiento de las

soluciones en el conjunto de puntos seleccionado.
El procedimiento manual para graficar el campo
de pendientes es obtener y, trazar un pequeo segmento de recta de pendiente y y repetir el proceso
para todos los puntos (t,y). Tal forma de proceder es
tediosa y consume demasiado tiempo. Usando una
ayuda computacional, por ejemplo el software Matlab, el campo de direcciones se puede trazar con facilidad y en poco tiempo. Los comandos que se utilizan
para obtener el campo de pendiente son meshgrid
y quiver.
Como ejemplo se construye el campo de direcciones para la ecuacin diferencial, que se muestra
en la figura 2, con los siguientes comandos en Matlab:
f=inline(9.8-y/5,t,y); % Se define f(t, y)
h=5;t0=0;tf=50;inter=t0:h:tf; % Se define un intervalo para t.
[t,y]=meshgrid(inter, inter); % Se obtiene la malla de
puntos (t, y).
[n,m]=size(t);
dt=ones(n,m);
u=f(t,y);dy=u;
quiver(t,y,dt,dy)
Figura 2. Campo de direcciones
para la EDO y = 9.8 y/5

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

Ejemplo 2. A un objeto de masa m se aplica

una velocidad inicial v0 hacia abajo y se le permite
caer bajo la influencia de la gravedad. Suponiendo
que la fuerza gravitacional es constante y que la
fuerza debida a la resistencia del aire es proporcional a la velocidad del objeto, determinar la ecuacin
de su movimiento.
Para hallar la solucin, primero se elige un sistema de coordenadas. Dado que el objeto se mueve
hacia abajo, se elige como sistema de coordenadas
un eje vertical, cuya direccin positiva concuerde
con el movimiento del objeto. En segundo lugar se
debe obtener un modelo de la velocidad v(t) que tendr el objeto al cabo del tiempo t. A tal efecto se aplica la segunda ley de Newton del movimiento en una
dimensin para un objeto de masa constante: la
fuerza neta F que acta sobre un objeto de masa m
es igual a la masa m multiplicada por la aceleracin
a(t) del objeto en el tiempo t, es decir, F=mat. Pero
dado que a(t)=dv(t)/dt, se puede escribir F=m dv(t)/
dt. La fuerza F se obtiene como sigue: la fuerza ejercida por la gravedad es F1=mg, donde g es la constante
gravitacional cerca de la tierra; la fuerza debida a la
resistencia del aire es F2=-kv(t), siendo k>0 una constante y el signo menos se tiene en cuenta ya que en
este caso la fuerza de rozamiento acta en sentido
contrario al movimiento del objeto. Por lo tanto, la
fuerza neta es F=F1+F2=mg-kv(t), y la ecuacin diferencial que gobierna el movimiento del objeto es:

Dado que se conoce la velocidad en el tiempo

t=0 , v0= v0, se debe resolver el problema de valor
inicial (PVI):

Por lo tanto, la expresin para v(t) puede escribirse:

Dado que vt=dx(t)/dt, y x0=0, la ecuacin del

movimiento del objeto se calcula como

La siguiente sintaxis en Matlab calcula la anterior integral.

>> syms m g k v0 t
x=int(m*g/k,t,0,t)+(v0-m*g/k)*int(exp(-k*t/m),t,0,t)
x = (g*m*t)/k - (m*(1/exp((k*t)/m) - 1)*(v0 - (g*m)/
k))/k
Luego,

Por supuesto, todos los clculos anteriores

pueden realizarse con lpiz y papel, y el estudiante
debe ser capaz de ello. Sin embargo, se supone que
l ya est entrenado en la solucin de algunas ecuaciones diferenciales bsicas.
Con las expresiones para v(t) y x(t), stas se
pueden graficar para varios valores de la relacin
m/k (que se fija) y v0 (que vara). La figura 3 muestra grficas de velocidad para v0=25, 35, 45 (m/s) y
v0=25,35,45 (m/s) y m/k=5 s.
Figura 3. Grfica de velocidad vs tiempo para
el ejemplo 2.

El siguiente cdigo en Matlab, que usa la funcin dsolve, resuelve el anterior PVI.

177

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

Las grficas de la figura 3 fueron obtenidas de

la sintaxis en Matlab
>> t=linspace(0,30);
>> v0=[25 35 45];
>> for i=1:3
v=5*9.81+(v0(i)-5*9.81)*exp(-.5*t);
plot(t,v)
hold on

Ejemplo 3. Un problema clsico estudiado en

los cursos de matemticas avanzadas es el de encontrar la distribucin de temperaturas estacionaria en
una placa delgada con determinadas condiciones
de frontera, por ejemplo, la placa puede estar a una
temperatura de cero grados en tres de sus bordes y a
una funcin de temperatura f(x) en el otro. Este problema se modela mediante la ecuacin de Laplace
bidimensional as:

end
>> ylabel(v(t) (m/s)); xlabel(t (s))
Estas curvas presentan el comportamiento ya
determinado en el campo de direcciones tal y como
se muestra en la Figura 1.
La figura 4 muestra la grfica de x(t) para los
mismos valores de v0 de la figura 3 e igual intervalo
de tiempo.
Figura 4. Grfica de distancia vs tiempo para
el ejemplo 2.

La solucin de este problema de Dirichlet se

obtiene por el mtodo de separacin de variables
(Penney 2009), el cual genera una solucin expresada como el producto de una funcin en x y otra en y.
La solucin obtenida siguiendo este procedimiento
est dada en trminos de la serie infinita,

donde los coeficientes cn se obtiene de la condicin no homognea:

los cuales corresponden a los coeficientes de la

serie de Fourier en senos de f(x), es decir:
de donde,
La sintaxis en Matlab es:
>> t= linspace(0,30);
>> for i=1:3
x=49*t+5*(v0(i)-49)*(1-exp(-.2*t));
plot(t,v)
hold on
end
ylabel(x(t) (m))
xlabel(t (s))
178

por tanto:

Para una funcin especfica f(x) el problema

se convierte en un caso particular, por ejemplo si se
somete la placa a una temperatura constante T0 entonces f(x)= T0. Los coeficientes cn para esta funcin,
que se obtienen al calcular la integral anterior, estn dados por:

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

para n impar y cero para n par.

Por tanto, la temperatura estacionaria de la placa rectangular con su base mantenida a temperatura
T0, y tres de sus esquinas a temperatura cero es:

Si bien esta es la solucin del problema inicialmente planteado, no puede pensarse que los estudiantes tengan claro lo que ella significa, es necesario entonces, en este punto, proponerles algunas
preguntas que los lleve a hacer uso de la misma y
les permita argumentar sobre el fenmeno y comprender el comportamiento de la temperatura en
diferentes puntos de la placa. Algunas preguntas
podran ser: Cul es la temperatura en el centro de
la placa?, Qu sucede en puntos cercanos a los bordes de la placa?
La representacin grfica de esta solucin,
facilita, sin duda, encontrar respuestas a los interrogantes planteados y para ello se hace necesario
emplear ayudas computacionales. Si tomamos un
caso particular por ejemplo a=b=10 cm y T0= 100C,
la distribucin de temperatura puede representarse
grficamente como se muestra en la Figura 5, mediante los siguientes comandos en Matlab:

end
u=4*T0/pi*S;
mesh(X,Y,u)
ylabel(y (m))
xlabel(x (m))
Figura 5. Distribucin de temperaturas en una
placa plana para N=50 del ejemplo 3.

Entre ms grande sea el N que se tome mejor

es la aproximacin. En la figura 6 se muestra la distribucin de temperaturas empleando N=100.

Figura 6. Distribucin de temperaturas en una

placa plana para N=100 del ejemplo 3.

>> T0=100;
a=10;
b=10;
N=50;
y=0:10/100:10;
x=0:10/100:10;
S=0;
[X,Y]=meshgrid(x,y);
for n=1:2:2*N+1;
S=S+(1/n)*sin(n*pi*X/a).*sinh(n*pi*(b-Y)/a)/
sinh(n*pi*b/a);

El valor de la temperatura en un punto especfico, por ejemplo en el centro de la placa, puede

obtenerse de la grfica misma al posicionar el cursor sobre el punto de inters como se observa en las
figuras 5 y 6, mediante los siguientes comandos
en Matlab:
179

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

>>T0=100;

>>a=10;

a=10;

b=10;

b=10;

N=50;

N=50;

y=0:10/100:10;

S=0;

x=0:10/100:10;

y=5;

S=0;

x=5;
[X,Y]=meshgrid(x,y);
for n=1:2:2*N+1;
S=S+(1/n)*sin(n*pi*X/a).*sinh(n*pi*(b-Y)/a)/
sinh(n*pi*b/a);
end
u=4*T0/pi*S
u = 25.0000

[X,Y]=meshgrid(x,y);
for n=1:1:N;
I=-100*a*(-2*sin(1/2*n*pi)+n*pi*cos(1/2*n*pi))/
n^2/pi^2+100*a*(n*pi*cos(1/2*n*pi)+2*sin(1/2*n*pi)2*sin(n*pi))/n^2/pi^2;
S=S+(I)*sin(n*pi*X/a).*sinh(n*pi*(b-Y)/a)/
sinh(n*pi*b/a);
end

Cambiando los valores de x y y en los comandos anteriores, puede encontrarse el valor de la temperatura en el punto que desee.

u=S;

Si la funcin f(x) es una expresin un poco ms

compleja, por ejemplo:

xlabel(x (m))

mesh(X,Y,u)
ylabel(y (m))

Figura 7. Distribucin de temperaturas en la

una placa plana para el ejemplo 3.

Los coeficientes de la serie de dicha funcin

pueden obtenerse con ayuda computacional, ya que
los clculos son por dems extensos y algo tediosos.
En Matlab puede procederse as:
>>syms x n a
I=int(200*x/a*sin(n*pi*x/a),x,0,a/2)+int((200200*x/a)*sin(n*pi*x/a),x,a/2,a)
I =-100*a*(-2*sin(1/2*n*pi)+n*pi*cos(1/2*n*pi))/
n^2/pi^2+100*a*(n*pi*cos(1/2*n*pi)+2*sin(1/2*n*pi)2*sin(n*pi))/n^2/pi^2
Y para obtener la grafica para la distribucin
de temperaturas que se muestra en la figura 7, se
procede as:
180

Obsrvese que pueden hacerse variaciones

como ubicar el punto no en a/2 si no en otro que se
desee.
Los ejemplos expuestos muestran de manera
clara que resulta ineficiente invertir tiempo y esfuerzo en muchos de los procesos y rutinas matemticas
abordados en los cursos regulares de pregrado, dado

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

que un computador puede llevarlas a cabo en menos tiempo y con menor posibilidad de error. Esta
premisa cobra cada da mayor fuerza tanto para estudiantes como para docentes, si se tiene en cuenta
el acceso cada vez ms generalizado a los equipos de
cmputo y software especializado en matemtica.
Si bien el argumento anterior es fuerte, debe tenerse en cuenta que la matemtica como ciencia incluye ms que algoritmos repetitivos cuya ejecucin
debe memorizarse. Es mucho ms importante una
adecuada comprensin de los conceptos matemticos y aplicacin de stos a la solucin de problemas
concretos, que memorizar algoritmos. Mediante el
aprendizaje de las matemticas, el estudiante adquiere una forma de pensamiento ordenada, lgica
y argumentativa que le permite enfrentar de una
manera ms eficiente desafos en su vida acadmica, profesional y personal. Adems el modelamiento
matemtico exige formas de pensamiento complejo que permiten representar en el mundo matemtico objetos y fenmenos ajenos a ste, e inferir propiedades y comportamientos de los mismos. Es en
este tipo de problemas donde el pensamiento matemtico que ha desarrollado el estudiante debe establecer diferencias con el poder computacional de la
mquina. Identificar variables, plantear estrategias
de solucin, decidir qu conceptos matemticos son
aplicables y en qu situacin, validar hiptesis, analizar soluciones y proponer nuevos problemas son
slo algunas de las actividades donde la mente humana an es irremplazable.

Conclusiones
1.

Los procesos de enseanza-aprendizaje de la

matemtica pueden y deben ser mediados utilizando sistemas cognitivos artificiales (SCA).
Estas tecnologas ofrecen mltiples posibilidades para el logro de una correcta interiorizacin

y aplicacin de los conceptos matemticos, en

especial de aquellos que por su naturaleza involucran variadas formas de representacin. El
MCRMAT, que emerge de la matemtica y de
la educacin matemtica como ciencias y de la
ciencia cognitiva, sirve como soporte terico en
la implementacin y justificacin de metodologas que hacen uso de los SCA para la enseanza de esta disciplina.
2.

Los aspectos computacionales repetitivos a los

que se les da mayor importancia hoy da en la
enseanza de las matemticas pueden implementarse a travs de los sistemas cognitivos
artificiales cuyo valor agregado, desde el punto
de vista cognitivo, es la reorganizacin de conceptos matemticos, y que desde el perspectiva simblica, numrica y grfica hacen posible diferentes representaciones de un mismo
concepto matemtico. Esto hace evidente que
el MCRMAT y el uso de las nuevas tecnologas
pueden usarse con xito en la implementacin
de nuevas metodologas para la enseanza de
la matemtica donde se privilegie la comprensin de conceptos y su aplicacin a la solucin
de problemas.

3.

Surge como un imperativo, una propuesta del

estado para la educacin en general y de la matemtica en particular que sea coherente con
el advenimiento de las nuevas tecnologas de
la informacin y la comunicacin. Lo anterior
incluye inversin en formacin docente a todos
los niveles y apoyo financiero para una inmersin temprana de los estudiantes en el uso de
estas ayudas en sus procesos de aprendizaje, as
como un rediseo de los planes curriculares y
micro-curriculares de los diferentes programas
de formacin, en concordancia con el presente
cientfico y tecnolgico del que se dispone.

181

ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin

Referencias bibliogrficas
Campos, D.R. & Isaza, Jos F.D. (2002). Prolegmenos a los sistemas dinmicos. Bogot: Universidad Nacional
de Colombia.
Chapra, Steven C. & Raymond P. Canale. (1999). Mtodos numricos para ingenieros. s.c.: McGraw-Hill.
Cleve, M. (2004). Numerical Computing with Matlab. Filadelfia: MathWorks, Inc.
DeLoache, J. (2005, July 25). Mindful of Symbols. Scientific American Magazine, 17, 30-35.
Edwards, C. Henry, Penny, David E. (2009). Ecuaciones diferenciales y problemas con calores en la frontera. En
Cmputo y Modelado (4 Ed.). Mxico: Prentice Hall.
Font, Vincent. (2001). Algunos puntos de vista sobre las representaciones en la didctica de las matemticas.
Philosophy of Mathematics Education Journal, 14, 1-35.
Friedenberg, J. & Gordon, S. (2005). Cognitive Science: An Introduction to Study of Mind. Thousand Oaks: Sage.
Goldin, G. & Stheingold, X. (2001). System of Representations and the Development of Mathematical Concepts. En A. Cuoco y F. R. Curcio (Eds.). The roles of representations in school mathematics (pp. 1- 23).
Reston, VA: NCTM.
Gutirrez, . R. (Ed.). (1999). Didctica de la Matemtica. Madrid: Editorial Sntesis.
Kaput, J. (1992). Technology and Mathematics education. En Grouws, D.A. (Ed.). Handbook of Research on Mathematics Teaching and Learning (pp. 515-556). New York: Macmillan.
Marchand, P. & Holland, T. (2003). Graphics and GUIs with Matlab. (3rd. Ed). Boca Ratn: Chapman & Hall/CRC.
Moreno, L. (2001). Cognicin, mediacin y tecnologa. Avances y Perspectivas, 20, 65-68.
Murphy, G. (1960). Ordinary Differential Equations and their Solutions. New York: D. Van Nostrand Company.
Prez, C. (2002). Matlab y sus aplicaciones en las ciencias y la Ingeniera. Mxico: Prentice Hall.
Rico, L., Castro, E., Coriat, M., Marn, A., Puig, L., Sierra M., Socas, M. (1997). La educacin matemtica en la enseanza secundaria. Barcelona: ICE/Horsori.
Shampine, L. F., Gladwell, I., Thompson, S. (2003). Solving ODEs with Matlab. Cambridge: Cambridge University Press.
Thagard, P. (2006). La Mente. Introduccin a las ciencias cognitvas. Buenos Aires: Katz Editores.
The MathWorks. (1996). Partial differential Toolbox for Use with Matlab, Users Guide.
182

Los sistemas cognitivos artificiales en la enseanza de la matemtica

Francy Nelly Jimenez-Garcia

Toro, Luis Alberto C. (2007). Matemtica, Ingeniera y Computadora. Revista Educacin en Ingeniera. 2, 3, 55-65.
Toro, Luis Alberto C. (2010). El modelo computacional-representacional de la matemtica. Revista nfora,
28, 151-158.
Villanueva, Y. A. (2004). Tendencias actuales en la enseanza aprendizaje de las matemticas y la utilizacin de
las nuevas tecnologas de la informacin y las comunicaciones en la educacin. La Habana: Universidad
de las Ciencias Informticas.

183

Copyright of Palabra Clave is the property of Universidad de la Sabana and its content may
not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's
express written permission. However, users may print, download, or email articles for
individual use.