Escolar Documentos
Profissional Documentos
Cultura Documentos
en la enseanza de la matemtica1
Resumen
Palabras clave
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
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)
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
Introduccin
Contenido
Necesidad de incorporar los sistemas
cognitivos artificiales (SCA) en la enseanza
de la matemtica
ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin
ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin
ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin
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.
2.
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
Experiencias didcticas
ISSN 01231294 | Educ.Educ. Vol. 15. No. 2 | Mayo-agosto de 2012 | pp. 167-183.
Universidad de La Sabana | Facultad de Educacin
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
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.
por tanto:
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.
>> 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);
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;
xlabel(x (m))
mesh(X,Y,u)
ylabel(y (m))
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.
3.
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
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.