BUSCAR CONTENIDOS

Búsqueda personalizada

Estrategias de Resolución de Problemas | Estrategias Cognitivas y Metacognitivas

ADS BY GOOGLE

Estrategias Metacognitivas


INTRODUCCIÓN

Entre los objetivos fundamentales de las instituciones educativas, desde el nivel de preescolar hasta el universitario, está el de impartir conocimientos y desarrollar habilidades de diferente naturaleza que permitan a los estudiantes adquirir herramientas para aprender, siendo una de las más importantes, la capacidad para resolver problemas.
Las actividades realizadas por los individuos cuando resuelven problemas, pueden analizarse en función de las estrategias cognoscitivas involucradas en el proceso de resolución. Históricamente, el estudio de la resolución de problemas ha recibido una atención ocasional por parte de los educadores y los psicólogos educativos; sin embargo, a partir de la década de los sesenta, el estudio sobre los procesos de pensamiento y la resolución de problemas se ha convertido en un área de gran relevancia, fundamentalmente a partir del surgimiento del enfoque de procesamiento de información.
La investigación realizada en esta área evidencia dos aspectos importantes: En primer lugar, que ha habido un progreso en la formulación de una nueva conceptualización de las relaciones entre la resolución de problemas y el conocimiento y, en segundo lugar, que se ha propiciado el desarrollo de una comprensión diferenciada de los procesos cognoscitivos involucrados en esta actividad, de naturaleza tan compleja.
A pesar de que el área de resolución de problemas está relacionada con varias disciplinas (física, química, matemática), el trabajo que se presenta a continuación está referido a algunos aspectos teóricos generales y a otros más específicos relativos al área de la resolución de problemas en matemática. En tal sentido, este título, el quinto de la serie “Enseñando a aprender”, tiene como propósito familiarizar a los docentes con el área de la resolución de problemas, cuál es su naturaleza, cuáles son sus componentes, qué estrategias podemos enseñar a nuestros estudiantes para resolver problemas, qué factores influyen en la resolución de problemas, cuáles metodologías existen para analizar los procesos involucrados en dicha actividad y qué implicaciones pedagógicas tiene esta área de conocimiento y de investigación.

Naturaleza de la resolución de problemas

¿Qué es un problema?

Un problema se define como una situación en la cual un individuo desea hacer algo, pero desconoce el curso de la acción necesaria para lograr lo que quiere (Newell y Simon, 1972), o como una situación en la cual un individuo actúa con el propósito de alcanzar una meta utilizando para ello alguna estrategia en particular (Chi y Glaser, 1983).

Gráfico 1
¿Qué es un problema?
clip_image001
Cuando hacemos referencia a “la meta” o a “lograr lo que se quiere”, nos estamos refiriendo a lo que se desea alcanzar: la solución. La meta o solución está asociada con un estado inicial y la diferencia que existe entre ambos se denomina “problema”. Las actividades llevadas a cabo por los sujetos tienen por objeto operar sobre el estado inicial para transformarlo en meta. De esta manera, se podría decir que los problemas tienen cuatro componentes: 1) las metas, 2) los datos, 3) las restricciones y 4) los métodos (Mayer, 1983).

Gráfico 2
Los componentes de un problema
clip_image002
Las metas constituyen lo que se desea lograr en una situación determinada. En un problema puede haber una o varias metas, las cuales pueden estar bien o mal definidas. En general, los problemas de naturaleza matemática son situaciones-problema con metas bien definidas. En el ejemplo: “Alvaro tiene 5 creyones. Javier le dio 8 creyones más. ¿Cuántos creyones tiene Alvaro en total?”, la meta está bien definida, consiste en saber cuántos creyones tiene Alvaro en total, después que Javier le dio 8 creyones. Por el contrario, los problemas de la vida real pueden tener metas no tan claramente definidas.
Los datos consisten en la información numérica o verbal disponible con que cuenta el aprendiz para comenzar a analizar la situación problema. Al igual que las metas, los datos pueden ser pocos o muchos, pueden estar bien o mal definidos o estar explícitos o implícitos en el enunciado del problema. En el ejemplo anterior, los datos están bien definidos y son explícitos: 5 creyones y 8 creyones.
Las restricciones son los factores que limitan la vía para llegar a la solución. De igual manera, pueden estar bien o mal definidos y ser explícitos o implícitos. En el ejemplo anterior, no hay restricciones. Sin embargo, vamos a dar un ejemplo de lo que es una restricción.
Anita tiene una muñeca y quiere vestirla con pantalón y franela. Tiene cuatro pantalones de color rojo, blanco, azul y negro, y tiene tres franelas de color verde, amarillo y rosado. Ella quiere hacer diferentes combinaciones con todos los pantalones y las franelas verde y rosada. ¿Cuántas combinaciones diferentes puede hacer?
En el ejemplo anterior, la restricción consiste en que Anita sólo quiere utilizar dos de las tres franelas, la verde y la rosada, en consecuencia, no todas las franelas van a ser consideradas para las diferentes combinaciones que quiere hacer. Esto es una restricción.
Los métodos u operaciones se refieren a los procedimientos utilizados para resolver el problema. En el caso del ejemplo referido a los creyones, la operación a realizar es una adición, por lo tanto, el solucionador deberá aplicar el algoritmo de la suma.

¿Qué es la resolución de problemas?

Según Dijkstra (1991), la resolución de problemas es un proceso cognoscitivo complejo que involucra conocimiento almacenado en la memoria a corto y a largo plazo.
La resolución de problemas consiste en un conjunto de actividades mentales y conductuales, a la vez que implica también factores de naturaleza cognoscitiva, afectiva y motivacional. Por ejemplo, si en un problema dado debemos transformar mentalmente metros en centímetros, esta actividad sería de tipo cognoscitiva. Si se nos pregunta cuán seguros estamos de que nuestra solución al problema sea correcta, tal actividad sería de tipo afectiva, mientras que resolver el problema, con papel y lápiz, siguiendo un algoritmo hasta alcanzar su solución, podría servir para ilustrar una actividad de tipo conductual. A pesar de que estos tres tipos de factores están involucrados en la actividad de resolución de problemas, la investigación realizada en el área ha centrado su atención, básicamente, en los factores cognoscitivos involucrados en la resolución.
Según Andre (1986), el proceso de resolución de problemas puede describirse a partir de los elementos considerados a continuación:
  1. Una situación en la cual se quiere hacer algo, pero se desconocen los pasos precisos para alcanzar lo que se desea.
  2. Un conjunto de elementos que representan el conocimiento relacionado con el problema.
  3. El solucionador de problemas o sujeto que analiza el problema, sus metas y datos y se forma una representación del problema en su sistema de memoria.
  4. El solucionador de problemas que opera sobre la representación para reducir la discrepancia entre los datos y las metas. La solución de un problema está constituida por la secuencia de operaciones que pueden transformar los datos en metas.
  5. Al operar sobre los datos y las metas, el solucionador de problemas utiliza o puede utilizar los siguientes tipos de información:
    • Información almacenada en su memoria de largo plazo en forma de esquemas o producciones.
    • Procedimientos heurísticos.
    • Algoritmos.
    • Relaciones con otras representaciones.
  6. El proceso de operar sobre una representación inicial con el fin de encontrar una solución al problema, se denomina búsqueda. Como parte del proceso de búsqueda de la solución, la representación puede transformarse en otras representaciones.
  7. La búsqueda continúa hasta que se encuentra una solución o el solucionador de problemas se da por vencido.

Etapas de la resolución de problemas

Varios investigadores han analizado la actividad de resolución de problemas y señalan que tal actividad es un proceso que involucra una serie de etapas. Desde principios de siglo se viene investigando sobre las fases en la resolución de problemas. Es así como Wallas (1926) señala que éstas incluyen las siguientes:
  1. La preparación, es la fase en la cual el solucionador analiza el problema, intenta definirlo en forma clara y recoge hechos e información relevante al problema.
  2. La incubación, es la fase en la cual el solucionador analiza el problema de manera inconsciente.
  3. La inspiración, es la fase en la cual la solución al problema surge de manera inesperada.
  4. La verificación, es la fase que involucra la revisión de la solución.
Otros autores (Andre, 1986; Hayes, 1981) señalan que las etapas en la resolución de problemas sirven para enfatizar el pensamiento consciente y para aproximarse analíticamente a la solución, así como también para ofrecer una descripción de las actividades mentales de la persona que resuelve el problema. En tal sentido, Andre (1986) propone que las etapas en la resolución de problemas son las especificadas en el cuadro 1:

Cuadro 1
Etapas en la resolución de problemas
  1. Darse cuenta del problema, de que existe una discrepancia entre lo que se desea y lo que se tiene.
  2. Especificación del problema, se trabaja una descripción más precisa del problema.
  3. Análisis del problema, se analizan las partes del problema y se aisla la información relevante.
  4. Generación de la solución, se consideran varias alternativas posibles.
  5. Revisión de la solución, se evalúan las posibles soluciones.
  6. Selección de la solución, se escoge aquélla que tenga mayor probabilidad de éxito.
  7. Instrumentación de la solución, se implementa la solución.
  8. Nueva revisión de la solución, de ser necesario.
Es de hacer notar que las etapas se aplican usualmente a problemas aritméticos y algebraicos, pero también pueden aplicarse a muchos otros tipos de problemas no necesariamente relacionados con disciplinas académicas.
Por su parte, Polya (1965) señala que un problema puede resolverse correctamente si se siguen los siguientes pasos:
  • Comprender el problema.
  • Concebir un plan para llegar a la solución.
  • Ejecutar el plan.
  • Verificar el procedimiento.
  • Comprobar los resultados.
Schoenfeld (1985), a partir de los planteamientos de Polya (1965), se ha dedicado a proponer actividades de resolución de problemas que se pueden llevar a cabo en el aula, con el fin de propiciar situaciones semejantes a las condiciones que los matemáticos experimentan en el proceso de desarrollo de resolución de problemas. Su modelo de resolución abarca los siguientes pasos: Análisis, Exploración y Comprobación de la solución y puede aplicarse a problemas matemáticos y algebraicos. Aunque estos pasos no necesariamente tienen que ser aplicados en su totalidad, en el Anexo 1 se incluye un ejemplo de resolución de un problema matemático siguiendo este modelo.
Análisis
  1. Trazar un diagrama, si es posible.
  2. Examinar casos particulares
  3. Probar a simplificar el problema
Exploración
  1. Examinar problemas esencialmente equivalentes: sustituir las condiciones por otras equivalentes, recombinar los elementos del problema de modo diferente, replantear el problema.
  2. Examinar problemas ligeramente modificados: establecer submetas, descomponer el problema en casos y analizar caso por caso.
  3. Examinar problemas ampliamente modificados: construir problemas análogos con menos variables, mantener fijas todas las variables menos una para determinar qué efectos tiene esa variable, tratar de sacar partido de problemas afines que tengan parecido en su forma, en sus datos o en sus conclusiones.
Comprobación de la solución obtenida
  1. Verificar la solución obtenida siguiendo criterios específicos: utilización de todos los datos pertinentes, uso de estimaciones o predicciones.
  2. Verificar la solución obtenida siguiendo criterios generales: examinar la posibilidad de obtener la solución por otro método, reducir la solución a resultados conocidos.
En síntesis, como puede observarse, desde principios de este siglo, diferentes autores han propuesto pasos, fases o etapas a cumplir para poder resolver problemas con éxito. Este aspecto es importante ya que permite, de antemano, planificar los pasos a seguir en la resolución de un problema, ejecutar esos pasos y, posteriormente, supervisar el proceso de resolución y comprobar la solución o resultado.

Representación en la resolución de problemas

Un aspecto importante a considerar en el proceso de resolución de problemas es la representación. Esta consiste en la transformación de la información presentada a una forma más fácil de almacenar en el sistema de la memoria, e incluye la identificación de las metas y los datos. La representación también ha sido denominada espacio del problema para referirse a las representaciones mentales de los individuos acerca de su estructura y de los hechos, conceptos y relaciones del mismo.
A continuación se presenta un ejemplo para ilustrar cómo se puede representar un problema en la memoria:

Un autobús parte de la parada en la mañana. Se detiene en la primera parada y recoge 5 personas. Sigue hasta la próxima parada y allí suben 6 personas. Continúa hasta la siguiente parada y suben 4 personas. En la próxima parada, suben 5 personas y se bajan 3. En la siguiente parada, suben 5 personas y se bajan 4. En la parada siguiente, suben 6 personas y se baja 1. La próxima vez, suben 3 personas y se bajan 2. La vez siguiente, se bajan 2 personas y no sube nadie. En la siguiente parada nadie espera por el autobús, de manera tal que este no se detiene. En la próxima parada, suben 10 personas y se bajan 3. En la siguiente, suben 3 personas y se bajan 6.
Finalmente, el autobús llega al terminal.
¿Cuántas paradas hay en la ruta del autobús?
(Tomado de Andre, 1986, p. 177)

La tendencia más común es que la mayoría de los estudiantes puedan decir cuántas personas llegan a la parada final, cuántas subieron o cuántas bajaron, pero muy pocos están en capacidad de indicar cuántas paradas hay en la ruta del autobús debido a que seleccionaron la información numérica como datos importantes y la representaron internamente en la forma de operaciones aritméticas.
En términos de los procesos involucrados en la resolución de problemas, esto sucede porque la meta del problema no estaba bien definida a pesar de que había datos numéricos explícitos precisos. El énfasis sobre el número de personas que suben y bajan del autobús hace posible que los estudiantes piensen que tienen que hacer algo con esos datos y, en tal sentido, construyen una meta la cual se representa como el logro de una cantidad total. Esta decisión conduce a los estudiantes a seleccionar cierta información como relevante (número de personas que suben y bajan del autobús) e ignorar otra (número de paradas del autobús).
Kintsch y Greeno (1985) señalan que una estrategia adecuada para resolver problemas consiste en traducir cada oración del enunciado del problema a una representación mental interna y, luego, organizar la información relevante en una representación mental coherente de la situación descrita en dicho enunciado. En este sentido, se puede señalar que las representaciones mentales, adecuadas o inadecuadas, utilizadas por los individuos para resolver problemas, pueden facilitar o inhibir la solución.

Diferencias en las representaciones de expertos y novatos

En la literatura sobre la resolución de problemas se pueden distinguir dos tendencias: una que enfatiza el proceso de resolución y otra que resalta el conocimiento base del individuo que resuelve el problema, particularmente la organización de ese conocimiento. En este sentido, podría señalarse que ha habido un cambio en el foco de interés en esta área, el cual ha pasado del análisis de las estrategias generales más o menos independientes de un dominio del conocimiento —como es el caso de los pasos sugeridos por Polya (1965)— al conocimiento base referido al área en la cual el individuo resuelve el problema, como por ejemplo, el conocimiento de la matemática, de la física o de la química, necesario para resolver problemas en estas disciplinas.
Resolver problemas en áreas o dominios específicos requiere, por lo tanto, del conocimiento de la disciplina involucrada. Sin embargo, se ha puesto en evidencia que la sola presencia del conocimiento almacenado en el sistema de memoria, no implica necesariamente que éste va a estar disponible en el momento de resolver el problema.
En años recientes, los investigadores en el área de la resolución de problemas han examinado la ejecución de individuos en tareas que requieren muchas horas de aprendizaje y de experiencia. Los estudios sobre la experticia han focalizado su interés en el examen de las diferencias experto/novato en diferentes áreas del conocimiento.
Desde los inicios de la década de los ochenta, Chi, Feltovich y Glaser (1981) y Chi, Glaser y Rees (1982), realizaron algunos estudios con el fin de examinar el comportamiento de los individuos expertos y novatos cuando resuelven problemas de física. Al resumir los diversos experimentos de sus estudios, estos autores concluyen que las diferencias que caracterizan a los expertos y los novatos cuando resuelven problemas de física son las siguientes:
  1. Las estructuras cognoscitivas (esquemas) de los expertos se basan en principios físicos (por ejemplo, el principio de la conservación de la energía y la segunda Ley de Newton), mientras que las de los novatos se basan en objetos (por ejemplo, planos inclinados) y en constructos (por ejemplo, fricción, gravedad).
  2. Los contenidos de los esquemas de los expertos y los novatos no difieren significativamente en información, sin embargo, las estructuras de los novatos carecen de relaciones importantes que constituyen la base de las soluciones. En los expertos existen vínculos entre la representación del problema y los principios físicos que constituyen la base para resolverlo, mientras que en los novatos estos vínculos no existen.
  3. Las estructuras cognoscitivas de los expertos están ordenadas jerárquicamente, de arriba hacia abajo, con los conceptos más generales e inclusores en la parte superior del nivel de abstracción, mientras que en los novatos, los diferentes niveles del conocimiento no están bien integrados y no hay acceso fácil de un nivel a otro.
Los resultados de los estudios realizados conducen a pensar que existen altos niveles de competencia en términos de la interacción entre la estructura de conocimiento del sujeto y sus habilidades de procesamiento, y señalan que las relaciones entre la estructura del conocimiento base y los procesos en la resolución de problemas están mediadas por la calidad de su representación (Gagné y Glaser, 1987).

Las estrategias de resolución de problemas

Las estrategias para resolver problemas se refieren a las operaciones mentales utilizadas por los estudiantes para pensar sobre la representación de las metas y los datos, con el fin de transformarlos en metas y obtener una solución. Las estrategias para la resolución de problemas incluyen los métodos heurísticos, los algoritmos y los procesos de pensamiento divergente.

A. Los métodos heurísticos

Los métodos heurísticos son estrategias generales de resolución y reglas de decisión utilizadas por los solucionadores de problemas, basadas en la experiencia previa con problemas similares. Estas estrategias indican las vías o posibles enfoques a seguir para alcanzar una solución.
De acuerdo con Monero y otros (1995) los procedimientos heurísticos son acciones que comportan un cierto grado de variabilidad y su ejecución no garantiza la consecución de un resultado óptimo como, por ejemplo, reducir el espacio de un problema complejo a la identificación de sus principales elementos (p. 20).
Mientras que Duhalde y González (1997) señalan que un heurístico es “un procedimiento que ofrece la posibilidad de seleccionar estrategias que nos acercan a una solución” (p. 106).
Los métodos heurísticos pueden variar en el grado de generalidad. Algunos son muy generales y se pueden aplicar a una gran variedad de dominios, otros pueden ser más específicos y se limitan a un área particular del conocimiento. La mayoría de los programas de entrenamiento en solución de problemas enfatizan procesos heurísticos generales como los planteados por Polya (1965) o Hayes (1981).
Los métodos heurísticos específicos están relacionados con el conocimiento de un área en particular. Este incluye estructuras cognoscitivas más amplias para reconocer los problemas, algoritmos más complejos y una gran variedad de procesos heurísticos específicos.
Chi y colaboradores (1981, 1982), señalan que entre el conocimiento que tienen los expertos solucionadores de problemas están los “esquemas de problemas”. Estos consisten en conocimiento estrechamente relacionado con un tipo de problema en particular y que contiene:
  • Conocimiento declarativo: principios, fórmulas y conceptos.
  • Conocimiento procedimental: conocimiento acerca de las acciones necesarias para resolver un tipo de problema en particular.
  • Conocimiento estratégico: conocimiento que permite, al individuo solucionador del problema, decidir sobre las etapas o fases que debe seguir en el proceso de solución.
Diversos investigadores han estudiado el tipo de conocimiento involucrado en la resolución de un problema, encontrándose que los resultados apoyan la noción de que la eficiencia en la resolución de problemas está relacionada con el conocimiento específico del área en cuestión (Mayer, 1992; Stenberg, 1987). En este sentido, estos autores coinciden en señalar que los tipos de conocimiento necesarios para resolver problemas incluyen:
  • Conocimiento declarativo: por ejemplo, saber que un kilómetro tiene mil metros.
  • Conocimiento lingüístico: conocimiento de palabras, frases, oraciones.
  • Conocimiento semántico: dominio del área relevante al problema, por ejemplo, saber que si Alvaro tiene 5 bolívares más que Javier, ésto implica que Javier tiene menos bolívares que Alvaro.
  • Conocimiento esquemático: conocimiento de los tipos de problema.
  • Conocimiento procedimental: conocimiento del o de los algoritmos necesarios para resolver el problema.
  • Conocimiento estratégico: conocimiento de los tipos de conocimiento y de los procedimientos heurísticos.
Ejemplo de problema
Alvaro tiene un fuerte. Javier tiene tres bolívares más que Alvaro. ¿Cuántos bolívares tiene Javier?

Cuadro 2.
Tipos de conocimiento requeridos para resolver un problema según Stenberg (1987)
Paso Tipos de conocimiento Ejemplos
Representación del problema Lingüístico Javier tiene tres bolívares más que Alvaro significa: J = A + 3.
Traducción Declarativo Un fuerte equivale a 5 bolívares.
Integración Procedimental Problema de comparación, consistente en dos subunidades y una supraunidad.
Solución del problema Tipos de conocimiento
Planificación Estratégico El objetivo es sumar 3 más 5.
Ejecución Algorítmico Procedimientos para contar.

Entre los procedimientos heurísticos generales se pueden mencionar los siguientes:
  • Trabajar en sentido inverso (working backwards). Este procedimiento implica comenzar a resolver el problema a partir de la meta o metas y tratar de transformarlas en datos, yendo de la meta al principio. El procedimiento heurístico es utilizado en geometría para probar algunos teoremas; se parte del teorema y se trabaja hacia los postulados. Es útil cuando el estado-meta del problema está claro y el inicial no.
  • Subir la cuesta (hill climbing). Este procedimiento consiste en avanzar desde el estado actual a otro que esté más cerca del objetivo, de modo que la persona que resuelve el problema, al encontrarse en un estado determinado, evalúa el nuevo estado en el que estará después de cada posible movimiento, pudiendo elegir aquel que lo acerque más al objetivo. Este tipo de procedimiento es muy utilizado por los jugadores de ajedrez.
  • Análisis medios-fin (means-ends analysis). Este procedimiento permite al que resuelve el problema trabajar en un objetivo a la vez. Consiste en descomponer el problema en submetas, escoger una para trabajar, y solucionarlas una a una hasta completar la tarea eliminando los obstáculos que le impiden llegar al estado final. Según Mayer (1983), el que resuelve el problema debe hacerse las siguientes preguntas: ¿cuál es mi meta?, ¿qué obstáculos tengo en mi camino?, ¿de qué dispongo para superar estos obstáculos? En el estudio de Larkin, McDermott, Simon y Simon (1980), se encontró que los estudiantes de un curso introductorio de física utilizaban el análisis medios-fin para resolver problemas, mientras que los físicos más expertos utilizaban otro procedimiento que evitaba la creación de muchas metas.

B. Los algoritmos

Los algoritmos son procedimientos específicos que señalan paso a paso la solución de un problema y que garantizan el logro de una solución siempre y cuando sean relevantes al problema.
Monereo y otros (1995) señalan que un procedimiento algorítmico es una sucesión de acciones que hay que realizar, completamente prefijada y su correcta ejecución lleva a una solución segura del problema como, por ejemplo, realizar una raíz cuadrada o coser un botón (p. 20).
Por otra parte, Duhalde y González (1997) señalan que un algoritmo es una prescripción efectuada paso a paso para alcanzar un objetivo particular. El algoritmo garantiza la obtención de lo que nos proponemos (p. 106).
De esta manera, el algoritmo se diferencia del heurístico en que este último constituye sólo “una buena apuesta”, ya que ofrece una probabilidad razonable de acercarnos a una solución. Por lo tanto, es aceptable que se utilicen los procedimientos heurísticos en vez de los algorítmicos cuando no conocemos la solución de un problema.

C. Los procesos de pensamiento divergente

Los procesos de pensamiento divergente permiten la generación de enfoques alternativos a la solución de un problema y están relacionados, principalmente, con la fase de inspiración y con la creatividad.
La adquisición de habilidades para resolver problemas ha sido considerada como el aprendizaje de sistemas de producción que involucran tanto el conocimiento declarativo como el procedimental. Existen diversos procedimientos que pueden facilitar o inhibir la adquisición de habilidades para resolver problemas, entre los cuales se pueden mencionar:
  • Ofrecer a los estudiantes representaciones metafóricas.
  • Permitir la verbalización durante la solución del problema.
  • Hacer preguntas.
  • Ofrecer ejemplos.
  • Ofrecer descripciones verbales.
  • Trabajar en grupo.
  • Utilizar auto-explicaciones.

Factores que afectan la resolución de problemas

Desde la perspectiva del enfoque cognoscitivo, se han revisado los factores que influyen en el proceso de resolución de problemas. Existen algunas categorías que permiten agrupar estos factores en: relacionados con los procesos dependientes del sujeto y ambientales.

Factores relacionados con los procesos

Los procesos mentales desarrollados por los individuos, mientras resuelven un problema, han sido objeto de estudio por parte de los investigadores del paradigma cognoscitivo. Por ejemplo, la mayor parte de las investigaciones en el área de la matemática, directa o indirectamente, tienen por objeto analizar y generar modelos que reflejen los procesos subyacentes a la ejecución de los sujetos.
Dentro de este marco se encuentran los trabajos de Suppes y Groen, quienes desde 1967 se han dedicado a explorar cómo los niños de los primeros grados de educación básica resuelven problemas de suma con números menores de diez. Estos autores han examinado varios modelos y, a partir de sus trabajos, se han estudiado muchos otros procesos aritméticos, como la sustracción, la multiplicación, la división, las operaciones con fracciones.
Tales modelos se han extendido para intentar explicar otros procesos.
En el análisis de los procesos involucrados en la resolución de problemas, es la aritmética mental (análisis cronométrico) la técnica que mejor información ha generado. En esencia, esta técnica consiste en medir el tiempo requerido por un sujeto para dar respuesta a un problema. Se parte del supuesto de que este tiempo está en función de los procesos cognoscitivos involucrados para resolver el problema.
El estudio de Groen y Parkman (1972) ilustra, de alguna manera, este tipo de análisis. En su estudio, estos autores presentaron a niños de primer grado problemas de adición y les pidieron emitir la respuesta en el tiempo más breve posible. Los autores comprobaron que los datos obtenidos se ajustaban, en primer lugar, al algoritmo simple de la suma, el cual consiste en tomar el valor del sumando mayor e ir añadiendo hacia arriba el número de veces que indica el sumando menor, por ejemplo, 4 + 2 = 6, el niño cuenta 4, 5, 6 y, en segundo lugar, al algoritmo de contar a partir de 1, comenzando por el primer sumando, así 1 y 5 es 6 porque el niño cuenta 1, 2, 3, 4, 5, 6. Los resultados también indicaron que las estrategias de conteo que se desarrollan antes de la escolaridad, juegan un papel importante en la determinación de los procedimientos utilizados en la escuela y los métodos que los niños emplean no son necesariamente los mismos que se les enseñan a través de la instrucción.

Factores dependientes del sujeto

Clásicamente, se ha considerado que las características de los individuos tienen un papel importante en el éxito o fracaso en la resolución de problemas. Algunos factores son el conocimiento y la experiencia previa, la habilidad en la lectura, la perseverancia, las habilidades de tipo espacial, la edad y el sexo.
En la actualidad, existe una tendencia orientada hacia la construcción de modelos que representan las diferencias entre los solucionadores de problemas eficientes e ineficientes o las diferencias en la ejecución de la tarea por expertos y novatos, a las cuales se hizo referencia anteriormente. Los individuos expertos poseen mayor información que los novatos, lo cual facilita la representación del problema en términos de esquemas, estructuras, procedimientos y métodos heurísticos. Las representaciones abstractas habilitan a los expertos para enfrentar con mayor eficiencia los problemas.

Factores ambientales

Existe un gran número de factores externos que pueden afectar la ejecución en la resolución de problemas. Sin embargo, la comunidad de educadores en el área de la matemática está de acuerdo en concentrar su esfuerzo en factores relacionados con la instrucción para desarrollar estrategias expertas de pensamiento, para enseñar el uso de herramientas específicas de pensamiento y para entrenar en el uso de reglas generales y específicas de naturaleza heurística.
Las estrategias expertas de pensamiento pueden ser utilizadas independientemente del tipo y de la naturaleza del problema y se orientan hacia el desarrollo de un pensamiento original, divergente y de actitudes positivas hacia la resolución de problemas.
Las herramientas específicas de pensamiento son estrategias que tienden a equipar al sujeto que resuelve el problema, con un conjunto de habilidades que supuestamente intervienen favorablemente, aunque su eficiencia no ha sido consistentemente comprobada.
Los métodos instruccionales diseñados para el entrenamiento en estrategias heurísticas generales o específicas han sido propuestos por Polya (1965). Entre las estrategias heurísticas específicas están: simplificar el problema, trabajar en sentido inverso, etc.; sin embargo, este tipo de estrategia es útil sólo en casos muy particulares. Las estrategias heurísticas generales, como ya señalamos anteriormente, se pueden utilizar en un amplio rango de problemas, siendo las principales el análisis medios-fin, la planificación y la organización de la información.

Metodologías para el análisis de procesos

Analizar procesos en el área de la resolución de problemas es una tarea que presenta algunas dificultades metodológicas, particularmente por el hecho de que los procesos no son observables sino inferibles a partir de la ejecución del sujeto que resuelve el problema. Las metodologías existentes para el análisis de procesos se han desarrollado, fundamentalmente, en el campo de la matemática, siendo algunas de ellas las siguientes: la aritmética mental, el análisis de protocolos, los estudios clínicos o de casos, la entrevista individual y el análisis de los patrones de errores.

La aritmética mental

Los análisis del tiempo de reacción se han aplicado con éxito en el examen de tareas simples y relativamente directas tales como juzgar “más que” y “menos que”, juzgar si una ecuación numérica simple es correcta o no, o calcular hechos numéricos de un solo dígito. Pero en estas tareas, la ejecución sigue un conjunto bastante estricto y limitado de reglas o algoritmos, y se realizan rápidamente sin mucho procesamiento consciente por parte del individuo que las ejecuta.
La técnica supone la existencia de modelos hipotéticos del tiempo y de los pasos requeridos para resolver el problema, el cual se divide en pequeñas unidades discretas denominadas operaciones. Uno de los supuestos principales es que el tiempo requerido para resolver un problema está en función del número de pasos involucrados.
Las limitaciones de los estudios cronométricos tienen que ver con algunos de los supuestos siguientes: 1) los individuos no siempre son consistentes en el uso de las estrategias que utilizan, aunque se trate de problemas idénticos o similares y 2) no existe una comprobación lo suficientemente robusta que evidencie que los tiempos para cada paso sean constantes.

El análisis de protocolos

Cuando las tareas son más complejas, cuando hay varios pasos que realizar, cuando se pueden seguir estrategias alternativas de solución o cuando las pausas y reconsideraciones son usuales en el transcurso de una solución, los tiempos de reacción no constituyen un método apropiado de análisis. Para examinar la ejecución de los individuos en este tipo de tarea más compleja, se utiliza la técnica del análisis de protocolos.
Los esquemas de protocolos se refieren a la producción de las secuencias de pasos de las acciones observables desarrolladas por un individuo cuando resuelve un problema. Estos esquemas de pasos han sido utilizados en forma extensiva en las áreas de la inteligencia artificial (IA) y en la enseñanza de la matemática. En IA, el análisis de protocolos tiene como propósito el descubrimiento de las regularidades de la conducta de quien resuelve el problema. Los protocolos, por lo general, se traducen en programas que simulan, a través del computador, el comportamiento ideal del sujeto.
En el área de la matemática, los protocolos tienen como propósito realizar análisis cualitativos que permitan describir las estrategias útiles o documentar acerca de su nivel de efectividad. Ya en 1967, Kilpatrick diseñó un protocolo riguroso que sirvió de paradigma a muchos otros desarrollados a posteriori. En dicho protocolo se esquematizan diversas conductas heurísticas consideradas importantes en la resolución de problemas matemáticos. El nivel de análisis debe ser lo más preciso posible y una vez definida la secuencia, ésta puede convertirse en símbolos los cuales, posteriormente, sirven como fuente de datos para análisis estadísticos.
Aunque los protocolos codifican básicamente conductas observables en secuencia, éstos pueden ser enriquecidos por otras técnicas complementarias tales como “pensar en voz alta” o las “autoexplicaciones”. Es decir, la conducta implícita puede ser explicitada por el individuo. Las técnicas complementarias deben ser consideradas con cierta cautela, pues en niños pequeños las verbalizaciones suelen ser bastante limitadas y cargadas de omisiones y distorsiones. Se recomienda su uso en adultos y en estudiantes de grados superiores.

Los estudios clínicos o de casos

Esta técnica de análisis ha sido promovida por la escuela rusa. Kantowski (1978) describe en qué consiste: 1) el diseño no es experimental, 2) se trata de un estudio longitudinal, 3) se intenta captar procesos y cómo estos se desarrollan, 4) el docente no es una variable control, por el contrario, constituye un elemento vital del ambiente, 5) los análisis cualitativos de los datos son más importantes que los cuantitativos.
Los estudios clínicos son experimentos desarrollados en ambientes naturales, donde se pretende explorar toda la riqueza y la diversidad que normalmente exige la escuela y los procesos que en ella se desarrollan.
El resurgimiento de la técnica de estudios de casos se debe, entre otras causas, al impulso dado por Piaget, la escuela rusa y las contribuciones de otras disciplinas como la psicología social, la antropología, etc. Esta metodología ha probado ser eficiente para comprobar hipótesis, replicar experiencias y hacer predicciones.

La entrevista individual

Una manera directa de indagar acerca de los procesos es a través de la entrevista. Por lo general, se presentan los problemas a los individuos en forma individual, y a partir de los registros de observación de su comportamiento —algunas preguntas formuladas por el entrevistador y de las respuestas del entrevistado— se infieren los procesos. Existen ciertas limitaciones a esta técnica. Una de ellas es que las explicaciones dadas por los niños no suelen ser muy precisas y, en consecuencia, pueden no reflejar los procesos desarrollados; la otra es que las inferencias extraídas por el entrevistador pueden presentar un alto grado de subjetividad.

El análisis de errores

Esta técnica ha sido muy útil en el diagnóstico de los errores y dificultades encontradas por los niños, sobre todo en la resolución de problemas aritméticos de tipo verbal.
Las destrezas aritméticas involucradas en la resolución de problemas de suma y de resta son procedimentales por naturaleza, por lo que estos tipos de tareas permiten observar, con bastante claridad, errores sistemáticos de tipo procedimental. Los errores de los aprendices son sistemáticos cuando existe un procedimiento que genera el error. Brown y VanLehn (1980) señalan que “en casi todos los casos, se ha encontrado que los errores sistemáticos consisten en desviaciones menores del procedimiento correcto” (p. 380).
Los errores cometidos por los niños en problemas de adición y sustracción han sido clasificados como errores inconscientes, sistemáticos o aleatorios (Brown y Burton, 1978). De estos tres tipos de errores, el error aleatorio es el más difícil de remediar porque no sigue un patrón determinado, ya que puede deberse a falta de conocimiento sobre hechos básicos o a fallas en el procedimiento.
El estudio de Brown y Burton (1978) tuvo como objetivo examinar ejemplos de patrones de errores generados a partir de un programa diagnóstico simulado por computadora denominado “Buggy”. Este programa consiste en una enumeración extensa de errores sistemáticos en los cuales incurren los niños cuando resuelven problemas de sustracción de varios dígitos. Al analizar los detalles de los procedimientos utilizados en problemas de resta, pudieron no sólo predecir la mayoría de los errores cometidos por los estudiantes, sino también identificar el tipo de error y su sistematicidad. Considérense los siguientes ejemplos:
45 78 2924 216
-27 -25 -1751 - 5
22 53 1233 241
Podría decirse que este estudiante sabe algo sobre restar con varios dígitos, pero aplica incorrectamente la regla que indica: “siempre se resta el número menor del número mayor”; en este caso, en particular, el estudiante la aplica sin importar si el número mayor está en la fila de arriba o en la de abajo. Aplicaciones incorrectas de reglas como éstas son las que conducen a los estudiantes a cometer el tipo de error considerado en el ejemplo anterior.
Es importante, entonces, que nosotros, como docentes, estemos atentos a los procedimientos que utilizan nuestros estudiantes para resolver tareas matemáticas como las antes ejemplificadas y resaltar que cuando se aplican reglas o algoritmos para resolver dichas tareas es necesario saber también cuándo se deben aplicar. Aquí entraría en juego no sólo el conocimiento declarativo y el procedimental sino también el estratégico.

Adquisición y desarrollo de estrategias de resolución de problemas en matemática

Uno de los principales objetivos de la enseñanza de la matemática, ha sido desarrollar en los estudiantes ciertos niveles de experticia que les permitan resolver problemas de manera eficiente, particularmente aquellos de naturaleza verbal. En tal sentido, tanto la enseñanza como el aprendizaje de la matemática han constituido una preocupación constante de los docentes, los padres y representantes, los estudiantes y los administradores de la educación, no solamente en nuestro país sino también en otros países del mundo. En los Estados Unidos, por ejemplo, uno de los seis objetivos educacionales para el año 2000 es lograr que los estudiantes norteamericanos ocupen el primer lugar, a nivel mundial, en las áreas de matemática y ciencia (Departamento de Educación, Oficina de Investigación Educativa y de Mejoramiento, 1991, pp. 3-4, citado en Mayer, 1992).
En nuestro país, han sido innumerables los esfuerzos por superar las deficiencias de nuestros estudiantes, particularmente en el campo de la matemática. Tales esfuerzos han sido desarrollados desde el Centro Nacional para el Mejoramiento de la Ciencia (CENAMEC), institución que se ha dedicado por más de veinticinco años a la realización de actividades dirigidas a docentes y estudiantes de los diferentes niveles de nuestro sistema educativo, con el fin de mejorar la calidad de la enseñanza y el aprendizaje de la matemática, además de otras áreas del saber.
Los resultados de diversos estudios realizados han permitido determinar las dificultades de los estudiantes al resolver problemas. Entre ellas se pueden mencionar las siguientes:
  • Poco dominio de procedimientos heurísticos, generales y específicos, para resolver problemas.
  • Bajo nivel de análisis o análisis superficial de la situación problemática planteada en el enunciado del problema.
  • Dificultad para planificar el proceso de resolución del problema: representación mental del enunciado del problema, aislamiento de la información relevante, organización de la información, planificación de estrategias de resolución, aplicación de procedimientos adecuados, verificación de la solución, revisión y supervisión de todo el proceso de resolución.
  • Ausencia de conocimiento metacognoscitivo, lo cual le impide tener conciencia de los procesos y estrategias que utiliza para la resolución del problema y corregirlos en caso de ser necesario.
  • Tendencia a operar directamente sobre los datos explicitados en el enunciado del problema.
  • Dificultad para encontrar los datos intermedios, no explícitos en el enunciado del problema.
  • Tendencia a mantenerse dentro de lo que exige el problema, sin ir más allá de su planteamiento.
  • Bajos niveles afectivos y motivacionales hacia la matemática y hacia la resolución de problemas.
  • Desconocimiento acerca de los tipos de conocimiento involucrados en la resolución de un problema.
  • Desconocimiento de las etapas y de los pasos generales que se pueden seguir para resolver un problema.
Estos hallazgos han constituido el centro de la preocupación por parte de todos aquellos involucrados en la enseñanza de la matemática y se ha concluido que ellos son la causa, en primer lugar, del fracaso consistente y generalizado por parte de los estudiantes en la adquisición de las habilidades matemáticas requeridas en los diferentes niveles del sistema educativo; en segundo lugar, de la dificultad evidente para realizar todas aquellas actividades que impliquen procesos de naturaleza matemática y/o algebraica; en tercer lugar, del desconocimiento de la importancia de la matemática para la vida cotidiana y otras disciplinas; y finalmente, del desconocimiento de que la matemática no sólo constituye un área específica del conocimiento sino que está vinculada con la estructura de pensamiento de los individuos.
El área de la resolución de problemas, específicamente en el campo de la matemática, ha sido objeto de interés por las diferentes corrientes del pensamiento que han dominado la teoría y la práctica educativa. Durante muchos años, el enfoque asociacionista enfatizó los principios generales del aprendizaje, particularmente la ley del efecto y la ley del ejercicio. Tanto la ejercitación como la práctica han tenido un papel fundamental en la historia de la enseñanza de la matemática, especialmente, en la aritmética. En un momento fue el medio principal de instrucción, sin embargo, hoy en día, ambas forman parte del currículo de matemática, aunque acompañadas de experiencias concretas y explicaciones de los principios matemáticos subyacentes.
Desde el punto de vista del enfoque cognoscitivo, sin embargo, se ha enfatizado el papel del razonamiento que permite al sujeto que resuelve el problema, comprenderlo, diseñar un plan, llevarlo a cabo y supervisarlo (Mayer, 1992). Este enfoque, según Schoenfeld (1985), representa un cambio de énfasis en la enseñanza de la matemática ya que en vez de preguntar “¿cuáles procedimientos debe dominar el aprendiz?”, la pregunta debe ser: “¿qué significa pensar matemáticamente?”. En vez de enfatizarse el producto de la resolución del problema (obtener un resultado correcto), este enfoque sugiere enfatizar el proceso de resolución (qué sucede en la mente del estudiante cuando resuelve un problema).

Problemas de naturaleza verbal

Existe consenso entre los investigadores en relación con la dificultad que presentan los problemas aritméticos expresados en palabras, es decir, de naturaleza verbal (Hegarty, Mayer y Monk, 1995).
Las teorías sobre la comprensión del lenguaje (Kintsch y van Dijk, 1978; Norman y Rumelhart, 1975) son congruentes con los estudios sobre la estructura textual específica de problemas de tipo verbal. Estos estudios han evidenciado que estos problemas, en aritmética o en álgebra, deben tratarse como un género especial de texto que utiliza el conocimiento del lenguaje del sujeto pero que, en contextos matemáticos, requiere una interpretación especial. Los autores señalan que es la complejidad del texto, más que las operaciones matemáticas involucradas, lo que influye en el procesamiento del problema.
Carpenter (1985) encontró que las principales variables son de naturaleza lingüística, es decir, variables de naturaleza sintáctica o semántica. Entre las variables sintácticas se encuentran el número de palabras, la secuencia de la información y la presencia de algunas palabras claves que puedan sugerir la realización de alguna operación matemática. Sin embargo, este autor considera que las variables semánticas son más importantes porque determinan los procesos utilizados por los aprendices en la resolución de problemas aritméticos de tipo verbal.
Resolver este tipo de problema implica construir una representación de las palabras del problema y encontrar la solución utilizando las reglas de la aritmética o del álgebra. Una de las dificultades que presentan los individuos en la resolución de problemas de tipo verbal parece ser la representación del problema, es decir, salirse del lenguaje (palabras, frases, oraciones) del problema a una representación mental coherente del mismo. Un subcomponente importante en el proceso de representación para problemas de tipo verbal es la traducción de cada oración. Existe cierta evidencia que señala que la habilidad para traducir proposiciones incrementa con la edad.
Otro aspecto en la representación de problemas de tipo verbal es reconocer tipos de problemas. El estudio de Greeno (1980) señala que los niños aprenden a categorizar problemas en tipos, es decir, adquieren lo que se ha denominado “esquemas de problemas”, y en consecuencia, pueden decidir cuál operación matemática realizar para alcanzar la solución del problema.
Hinsley, Hayes y Simon (1977) encontraron que a medida que los estudiantes leen las primeras palabras del enunciado de un problema, tienden a tomar una decisión en relación con el tipo de problema que es. Estos autores pidieron a estudiantes universitarios clasificar diferentes tipos de problemas en categorías. Los resultados permitieron identificar dieciocho categorías, tales como trabajo, movimiento, interés, triángulos, etc. Los sujetos pudieron realizar la tarea de clasificación de los problemas evidenciándose de esta manera que poseen esquemas para problemas de tipo verbal.
Por su parte, Mayer (1981) analizó los problemas de tipo verbal de varios textos de álgebra y encontró cien tipos de problemas básicos. Algunos eran muy comunes (diez veces por cada mil problemas), mientras que otros eran muy poco frecuentes o muy raros (una vez por cada mil problemas). En un estudio posterior, este autor pidió a los estudiantes que leyeran y trataran de recordar una serie de problemas de tipo verbal. Los problemas con alta frecuencia generaron un nivel de recuerdo más elevado que los de baja frecuencia.
Desde el inicio de la década de los ochenta, varios autores se han dedicado al estudio de la estructura semántica de problemas aritméticos verbales. Carpenter y Moser (1984) clasificaron estos problemas en términos de cuatro operaciones básicas: cambiar, combinar, comparar e igualar. Las cuatro operaciones determinan cuatro tipos de problemas cuyo nivel de dificultad diferirá dependiendo de la operación requerida (Ver Cuadro 3).
Los problemas de cambio se caracterizan por la presencia de una acción implícita o explícita que modifica una cantidad inicial y pueden resolverse “juntando” o “separando” objetos. En el caso de un problema que implique cambio juntando objetos, hay una cantidad inicial y una acción directa o implícita que causa un incremento en su cantidad. Cuando el cambio es separando objetos, existe un conjunto dado y un subconjunto que debe ser removido del conjunto mayor produciendo un decremento. En ambos casos, los cambios ocurren en el tiempo. Existe una condición inicial (C1) la cual es seguida de un cambio (C2) que produce un resultado final (C3). (Ver Cuadro 3 para los ejemplos que ilustran este tipo de problema).

Cuadro 3
Clasificación de problemas de tipo verbal según Carpenter y Moser (1984)
JUNTAR
CAMBIAR
SEPARAR
CAMBIAR
a) Connie tenía 5 metras. Jim le dio 8 más. ¿Cuántas metras tiene Connie en total? b) Connie tenía 13 metras. Le dio 5 a Jim. ¿Cuántas metras le quedan?
c) Connie tiene 5 metras. ¿Cuántas metras más necesita para tener 13? d) Connie tenía 13 metras. Le dio algunas a Jim y ahora le quedan 8. ¿Cuántas metras le dio Connie a Jim?
e) Connie tenía algunas metras. Jim le dio 5 más y ahora tiene 13 metras.
¿Cuántas metras tenía Connie al principio?
f) Connie tenía algunas metras. Le dio 5 a Jim. Ahora le quedan 8. ¿Cuántas metras tenía Connie al principio?
COMBINAR COMBINAR
g) Connie tiene 5 metras rojas y 8 azules. ¿Cuántas metras tiene en total? h) Connie tiene 13 metras. Cinco son rojas y el resto es azul. ¿Cuántas metras azules tiene Connie?
COMPARAR COMPARAR
i) Connie tiene 13 metras y Jim tiene 5. ¿Cuántas metras más tiene Connie que Jim? j) Connie tiene 13 metras y Jim tiene 5. ¿Cuántas metras menos tiene Jim que Connie?
k) Jim tiene 5 metras. Connie tiene 8 más que Jim. ¿Cuántas metras tiene Connie? l) Jim tiene 5 metras. El tiene 8 metras menos que Connie. ¿Cuántas metras tiene Connie?
m) Connie tiene 13 metras. Ella tiene 5 metras más que Jim. ¿Cuántas metras tiene Jim? n) Connie tiene 13 metras. Jim tiene 5 metras menos que Connie. ¿Cuántas metras tiene Jim?
IGUALAR IGUALAR
o) Connie tiene 13 metras. Jim tiene 5. ¿Cuántas metras tiene que ganar Jim para tener tantas metras como Connie? p) Connie tiene 13 metras. Jim tiene 5. ¿Cuántas metras tiene que perder Connie para tenertantas metras como Jim?
q) Jim tiene 5 metras. Si él gana 8, tendrá el mismo número de metras que tiene Connie. ¿Cuántas metras tiene Connie? r) Jim tiene 5 metras. Si Connie pierde 8 metras, tendrá tantas metras como Jim. ¿Cuántas metras tiene Connie?
s) Connie tiene 13 metras. Si Jim gana 5 metras, tendrá tantas como Connie. ¿Cuántas metras tiene Jim? t) Connie tiene 13 metras. Si ella pierde 5, tendrá tantas metras como Jim. ¿Cuántas metras tiene Jim?

En los problemas de cambio, ya sea éste “juntando” o “separando” objetos, se presentan tres modalidades. En la primera, se da la cantidad inicial y la magnitud del cambio y el sujeto debe obtener el resultado (Connie tenía 5 metras. Jim le dio 8 más. ¿Cuántas metras tiene Connie en total?). En la segunda, se conoce la cantidad inicial y el resultado y el sujeto debe obtener la magnitud del cambio (Connie tiene 5 metras. ¿Cuántas metras más necesita para tener 13?). En la tercera modalidad, se desconoce la cantidad inicial y se dan los otros elementos (Connie tenía algunas metras. Jim le dio 5 más y ahora tiene 13 metras. ¿Cuántas metras tenía Connie al principio?).
En los problemas de combinación se proponen dos cantidades que pueden considerarse aisladamente o como partes de un todo, sin que exista ningún tipo de acción. Los problemas de combinación pueden ser de dos tipos: en el primero se dan dos conjuntos y se pregunta por el resultado (Connie tiene 5 metras rojas y 8 azules. ¿Cuántas metras tiene en total?); en el segundo, se da la cantidad de un conjunto y la cantidad total resultante, y se pregunta por la cantidad del otro conjunto (Connie tiene 13 metras. 5 son rojas y el resto es azul. ¿Cuántas metras azules tiene Connie?).
Los problemas de comparación presentan la relación entre dos cantidades distintas, ya sea para establecer la diferencia entre ellas o para hallar una cantidad desconocida a partir de una conocida y la relación entre ellas. Una de las cantidades cumple funciones de “referente” y la otra funciones de “comparado” (Jim tiene 5 metras. Connie tiene 8 metras más que Jim. ¿Cuántas metras tiene Connie?). El tercer elemento del problema es la diferencia o la cantidad que excede entre ambos conjuntos. Cada uno de los elementos puede servir de incógnita. Los problemas de igualación, por su parte, contienen elementos de los problemas de comparación y de cambio. En ellos se presenta una acción implícita basada en la comparación de dos cantidades distintas. (Para los ejemplos, ver Cuadro 3).
Hegarty, Mayer y Monk (1995) se han dedicado a examinar las razones por las cuales algunos estudiantes tienen éxito al resolver problemas de naturaleza verbal —particularmente aquellos que contienen enunciados de tipo relacional, es decir, oraciones que expresan una relación numérica entre dos variables— encontrando que el proceso de comprensión ocupa un papel importante en la resolución de este tipo de problema.
Estos autores señalan que existen dos maneras de abordar tales problemas por parte de los solucionadores: el enfoque directo y el enfoque significativo.
En el enfoque directo, el solucionador de problemas selecciona los números y los términos claves de tipo relacional en el enunciado del problema (por ejemplo, “más”, “menos”) y desarrolla un plan de resolución, el cual involucra la combinación de los números en el problema, utilizando las operaciones aritméticas destacadas por las palabras claves; por ejemplo, adición, si la palabra clave es “más” o sustracción, si la palabra clave es “menos”. De esta manera, el solucionador intenta traducir directamente las proposiciones claves en el enunciado del problema a un conjunto de operaciones de cálculo que generarán una respuesta y no construye una representación cualitativa de la situación descrita en dicho enunciado. Se ha encontrado que este enfoque es bastante utilizado por los solucionadores menos exitosos. Este método también ha recibido el nombre de “calcule primero y piense después” (Stigler et al, 1990) y como el “método de la palabra clave” (Briars y Larkin, 1984).
En el enfoque significativo, el solucionador de problemas traduce el enunciado del problema a un modelo mental de la situación descrita en él. Este modelo mental se convierte, entonces, en la base para la construcción del plan de resolución.
Mayer (1992) resalta la utilidad de diferenciar entre los procesos involucrados en la construcción de una representación de un problema y los implicados en su resolución, ya que la investigación cognoscitiva en el aprendizaje de la matemática algunas veces enfatiza los procesos, tales como, procedimientos de cálculo y estrategias de resolución.
En este sentido, Hegarty, Mayer y Monk (1995) proponen que el proceso de comprensión involucrado en los problemas de naturaleza verbal abarca las siguientes fases: 1) construcción de un texto base, 2) construcción de una representación matemática y 3) construcción de un plan de resolución.

Etapa 1: Construcción de un texto base

Esta etapa supone que el texto en un problema matemático se procesa por pasos. En cada paso el solucionador lee una oración, es decir, una cláusula que expresa un trozo de información acerca de una de las variables o valores en el problema. En la construcción del texto base, el solucionador debe representar el contenido proposicional e integrarlo con la otra información en su representación del problema. En este proceso, el solucionador puede utilizar conocimiento de los tipos de enunciados que ocurren en problemas matemáticos (Mayer, 1981). Este incluye: asignaciones que expresan un valor para una variable, relaciones que expresan la relación cuantitativa entre dos variables y preguntas que expresan que se desconoce el valor de una determinada variable. Por ejemplo: En el supermercado “A” la margarina cuesta Bs. 65 la panelita. Esto es 5 bolívares menos que en el supermercado “B”. Si usted necesita comprar 4 panelitas de margarina, ¿cuánto le costará comprarlas en el supermercado “B”?
Asignación 1: Costo de la panelita de margarina en el supermercado “A”, Bs. 65.
Relación: Costo de la margarina en el supermercado “B”, 5 bolívares más que en el supermercado “A”.
Asignación 2: Margarina que usted necesita, 4 panelitas.
Pregunta: Costo total de la margarina en el supermercado “B”.

Etapa 2: Construcción de una representación matemática

En esta segunda etapa de comprensión, el solucionador es guiado por el objetivo de resolver un problema matemático y construye una representación. Es en esta etapa que los solucionadores se diferencian porque escogen un enfoque diferente: el directo o el significativo.
En el enfoque directo, esta segunda etapa consiste en que el solucionador toma la decisión de si el enunciado procesado contiene un hecho clave, por ejemplo, un número como 65 o una palabra clave como “más” o “menos” en el enunciado del problema sobre las panelitas de margarina. En el enfoque significativo, los solucionadores intentan construir un modelo del problema y modifican el formato de su representación: de una basada en proposiciones a otra basada en objetos.

Etapa 3: Construcción de un plan de resolución

Una vez que el solucionador ha representado la información que cree relevante para la resolución del problema, está listo para planificar los cálculos aritméticos necesarios para resolverlo. En el caso del problema sobre el precio de las panelitas de margarina, el plan correcto es primero añadir 5 bolívares al precio de las panelas en el supermercado “A” y entonces multiplicar el resultado de este cálculo por cuatro. Un solucionador que utilice el enfoque directo basará su resolución en palabras claves como “menos” y en los números del problema. Debido a que “menos” se asocia con la sustracción, el solucionador probablemente generará una solución incorrecta, esdecir, restará 5 bolívares del precio de la panelita de margarina, en lugar de añadírselos.
Para concluir esta sección, es conveniente señalar lo siguiente: los problemas aritméticos de naturaleza verbal son más difíciles de resolver que los presentados en forma matemática, porque demandan del sujeto solucionador del problema el desarrollo de otros procesos diferentes a los del cálculo y la ejecución. Los problemas de naturaleza verbal, como sugieren Hegarty, Mayer y Monk (1995), implican la construcción de un texto base a partir del procesamiento del enunciado del problema, la construcción de una representación matemática, es decir, salirse del lenguaje del problema y utilizar las reglas de la aritmética o del álgebra y, finalmente, la construcción de un plan de resolución que permita obtener la solución del problema.

Estrategias de adición

Existen tres niveles de estrategias para realizar adiciones y sustracciones: modelamiento directo con objetos o con los dedos, conteo de secuencias y hechos numéricos.
En las operaciones de sumas realizadas por modelamiento directo, los niños utilizan la estrategia de contar todos. Esta estrategia consiste en utilizar objetos (palitos, granos, entre otros) o los dedos como formas para representar los elementos de los conjuntos. Seguidamente, se comienza a contar todos y cada uno de los elementos de ambos conjuntos unidos. Contar todos los elementos es una estrategia temprana que utiliza el niño. Por ejemplo, para un problema como M + N = ? (3 + 2 = 5), la estrategia del niño es comenzar desde cero, luego incrementar M veces y luego N veces. Diversos estudios realizados han encontrado que un alto porcentaje de niños, entre 6 y 8 años, utilizan esta estrategia la mayor parte del tiempo.
Teóricamente, existen dos formas posibles para desarrollar esta estrategia. Una vez que los conjuntos son construidos, el niño físicamente puede juntar los dos conjuntos y, cuando están unidos, comenzar a contar las unidades; o puede comenzar a contarlas sin unir físicamente los conjuntos. Algunos niños utilizan diversas formas de organización de los elementos, pero estos arreglos no reflejan cambios en la estrategia.
El segundo nivel lo constituye el conteo hacia adelante, es decir, contar partiendo del primer sumando o del sumando mayor. Esta estrategia es más eficiente y menos mecánica que la de modelamiento directo. El niño se ha dado cuenta de que no es necesario construir la secuencia completa para contar. Contar hacia adelante es una estrategia más sofisticada que la estrategia de simple conteo. Para un problema del tipo M + N = ?, la estrategia es comenzar con M y luego incrementar N veces (contar a partir del primer sumando). Por ejemplo, para 4 + 3 = ?, el niño comienza por “cuatro” y luego cuenta “cinco, seis, siete”, la respuesta es “siete”.
La resolución de problemas aritméticos no sólo se obtiene por modelamiento o por conteo. Los niños aprenden una cantidad de hechos numéricos tanto en la escuela como fuera de ella y los aplican para resolver problemas diferentes. El estudiante memoriza una respuesta para cada problema simple, tal como 4 es la respuesta a 2 + 2. Hechos de esta naturaleza son aprendidos incluso antes de estudiar la tabla de sumar y se han denominado hechos numéricos conocidos.
La etapa de los hechos derivados se refiere a la fase en la cual el estudiante utiliza el conocimiento de algunos hechos numéricos para obtener la respuesta a problemas. Por ejemplo, para el niño que aprendió que 6 + 6 = 12, su recuperación es prácticamente automática. Si posteriormente debe resolver 6 + 8 = ?, lo podrá resolver de la manera siguiente: 6 + 8 = 6 + (6 + 2 ) = (6 + 6) + 2 = 12 + 2 = 14. Otra manera sería que el alumno ya sabe que 6 + 6 es igual a doce y que para llegar a catorce le faltan dos, así, cuenta doce más uno = trece, más uno = catorce.
Suppes y Groen (1967) propusieron cinco modelos sobre cómo los niños suman dos conjuntos por conteo. La X en cada modelo representa la variable repetida en el conteo.

Cuadro 4
Modelos de adición según Suppes y Groen (1967)
Modelo 1. X = M + N Este modelo sugiere que se cuenta tantas veces como la suma de los números dados. Por ejemplo, 2 + 6 = ?, se podría decir: 1, 2; 1, 2, 3, 4, 5, 6, es 1, 2, 3, 4, 5, 6, 7, 8. La respuesta es 8.
Modelo 2. X = M Este modelo sugiere que al sumar, se cuenta el primer número partiendo del segundo sumando. Por ejemplo, 2 + 6 = ?, se podría decir: 6, 7, 8. La respuesta es 8
Modelo 3. X = N Este modelo sugiere que se cuenta solamente el segundo número partiendo del primer sumando. Por ejemplo, 2 + 6 = ?, se podría decir: 3, 4, 5, 6, 7, 8, es decir, se empieza a contar desde 3. La respuesta es 8.
Modelo 4. X = max (M, N) Este modelo sugiere que al sumar, se suma el número mayor partiendo del menor.
Modelo 5. X = min (M, N) Este modelo sugiere que se cuenta el número menor partiendo del mayor.

Estrategias de sustracción

En las operaciones de sustracción se dan básicamente los mismos niveles que para la adición: modelamiento directo utilizando objetos o los dedos, conteo y recuperación a partir de hechos numéricos. En relación con los dos primeros niveles, los niños pueden utilizar diversas estrategias como las descritas en el cuadro 5.
La estrategia “separar de” implica un proceso de sustracción. En primer lugar, se representa la cantidad mayor (minuendo) y, posteriormente, se le quita la cantidad menor (sustraendo). La respuesta se obtiene contando los objetos no separados del conjunto mayor.
Las estrategias de conteo son paralelas a las estrategias por modelamiento directo. La diferencia más importante es que en el modelamiento el niño realiza las operaciones manipulando objetos. Los objetos concretos le brindan más seguridad en el desarrollo de las operaciones, pero el proceso cognoscitivo es similar. En el nivel de conteo, la estrategia paralela a “separar de” es “contar hacia atrás a partir de”. El niño toma como punto de partida el número mayor y de allí comienza a contar hacia atrás. Por ejemplo, 8 – 4 = ?, el niño comienza con 8, menos uno 7, menos uno 6, menos uno 5, menos uno 4. La respuesta es 4. Esta secuencia contiene tantas denominaciones (nombres de números) como indica el número menor (sustraendo). El último número de la secuencia es la respuesta.
La estrategia “separar a” es muy similar a la estrategia “separar de”, exceptuando que en la primera se van removiendo del conjunto mayor todos los elementos necesarios hasta igualar el número de objetos no removidos con el número de elementos contenidos en el conjunto menor. La respuesta se obtiene contando el número de elementos removidos.

Cuadro 5
Estrategias de sustracción
TIPO DESCRIPCIÓN
MODELAMIENTO DIRECTO
clip_image003 Consiste en representar la cantidad mayor usando objetos o dedos. A esta cantidad se le quita la menor. La respuesta es el número de objetos que quedan.
Ejemplo: 7 – 4 = ?
clip_image004 Consiste en separar elementos de la cantidad mayor hasta que queda el número indicado por la cantidad menor. La respuesta se halla contando el número de los elementos separados.
Ejemplo: 7 – 4 = ?
clip_image005 Consiste en representar con objetos la cantidad mayor y luego la menor. A ésta se le añaden los objetos necesarios para que sea equivalente a la cantidad mayor. La respuesta se consigue contando el número de elementos añadidos a la cantidad menor.
Ejemplo: 7 – 4 = ?
clip_image006 Consiste en disponer de dos cantidades de objetos en correspondencia uno a uno. La respuesta se obtiene contando los elementos no emparejados.
Ejemplo: 7 – 4 = ?
CONTEO
Contar hacia atrás desdes Consiste en contar hacia atrás sin ayuda (objetos o dedos) a partir del minuendo tantos pasos como marca la cantidad menor. El último número en la secuencia de conteo es la respuesta.
Ejemplo: 7 – 4 = ?
Se verbaliza a partir del minuendo (siete), es decir: seis, cinco, cuatro, tres. La respuesta es tres
Contar hacia adelante a partir de un número dado Consiste en contar a partir del número menor hasta alcanzar el mayor. La respuesta se obtiene contando los números contados para equiparar ambas cantidades.
Ejemplo: 7 – 4 = ?
Se verbaliza: cinco, seis, siete. Los números contados son tres, por lo tanto, la respuesta es tres.

El último par de estrategias involucra adición. El niño comienza con la cantidad menor y va sumando hasta construir el conjunto mayor. Cuando se trabaja con objetos concretos, el niño coloca un número de objetos igual al número menor dado y va añadiendo objetos al conjunto, uno cada vez, hasta que el conjunto sea igual al número mayor. Contando el número de objetos añadidos se obtiene la respuesta.
La estrategia paralela de conteo se denomina “contar hacia adelante a partir de un número dado”, en la cual el niño comienza a contar hacia adelante partiendo del número menor. La secuencia finaliza cuando se alcanza el valor del número mayor. La respuesta se obtiene contando el número de palabras de la secuencia. Por ejemplo, 7 – 3 = ?; tres más uno 4, más uno 5, más uno 6, más uno 7. La respuesta es 4.
Las estrategias de adición y sustracción analizadas representan diversos grados de abstracción. Por ejemplo, las estrategias de modelamiento directo con objetos es un nivel de estrategias relativamente primitivo y de naturaleza concreta que corresponde, según Piaget, a los primeros estadios de desarrollo de la inteligencia. Sin embargo, las estrategias de conteo requieren habilidades que implican la representación del mundo de lo concreto y, por lo tanto, se trata de un nivel más sofisticado.
Esta diferencia entre los niveles y las estrategias propiamente dichas determinará que los niños, dependiendo de su nivel de desarrollo intelectual, maduración, edad, entre otros factores, utilicen una u otra para resolver problemas aritméticos y algebraicos.
Los resultados de investigaciones realizadas señalan que los niños menores tienden a utilizar estrategias de naturaleza concreta (modelamiento directo con objetos o dedos), ya que les permite seguir, con mayor confianza, la secuencia de conteo y chequear el proceso varias veces. Los niños mayores tienden a utilizar estrategias más eficientes en términos de tiempo. Igualmente, los niños cambian las estrategias varias veces durante el proceso de adquisición de una determinada habilidad aritmética o algebraica (Goldman, 1989).
Los niños inician sus procesos de adición con la estrategia de “contar todos”, es decir, representan los dos sumandos mediante objetos o dedos y, posteriormente, cuentan todos los elementos de los conjuntos uno a uno. Una vez adquirida dicha estrategia, los niños recurren a las de conteo, consistentes en contar el segundo sumando partiendo del primero. Una vez consolidada esta estrategia, se encuentran preparados para utilizar otros procedimientos más sofisticados como el Modelo Min, el cual asume que el niño selecciona el sumando mayor y le suma el menor.
En la descripción de los cambios ocurridos durante el desarrollo de los niños, Siegler y Shrager (1983) sugieren una estrategia de selección la cual depende de las características de los individuos. La propuesta supone que los niños, en una primera instancia, tratan de resolver los problemas por recuperación de hechos numéricos almacenados en su memoria. Si este procedimiento no les resulta eficiente, vuelven a intentar resolverlo por el mismo procedimiento de recuperación. Si en este segundo intento fracasan, prueban una estrategia diferente como, por ejemplo, alguna estrategia de conteo. De esta manera, los modelos de conteo se utilizan sólo cuando la recuperación de los hechos almacenados en la memoria no ha sido eficiente para resolver el problema (Carpenter, 1985).
En términos generales, los resultados de las investigaciones pueden resumirse así: 1) los niños inicialmente ensayan estrategias del tipo “contar todos”, que paulatinamente se van disipando para dar origen a otras más eficientes como “contar hacia adelante” y “recuperar hechos numéricos conocidos”, 2) a pesar de que existe una variabilidad considerable en el uso de las estrategias dependiendo del tipo de problema, la estrategia de “contar hacia adelante” presenta un alto porcentaje de uso y perdura a lo largo de varios niveles de desarrollo en los niños examinados.
Lo ideal es lograr que los niños alcancen un repertorio de hechos numéricos que conforme la base para resolver un buen número de problemas. El acceso directo a los hechos numéricos almacenados en el sistema de memoria, presenta problemas de espacio en la capacidad de la memoria a corto plazo (MCP). Una forma de extender la capacidad de esta memoria es desarrollando automaticidad de la respuesta. En la medida en que ciertos procesos se puedan realizar automáticamente, sin necesidad de prestarle atención directa, habrá más espacio disponible en ella para los procesos que sí requieren atención. Para relacionar la automaticidad con el dominio del cálculo, es necesario distinguir entre dos tipos de tareas aritméticas en las que es común el ensayo y la práctica. Por una parte, están los llamados hechos numéricos, es decir, las combinaciones de números que conforman los bloques básicos de todos los cálculos y que son de cuatro tipos: suma, resta, multiplicación y división. Por otra parte, están los algoritmos o procedimientos de cálculo, estas son las secuencias de operaciones que se realizan utilizando los hechos numéricos para llegar a la resolución de problemas más complejos.
La práctica ayuda a que los hechos numéricos se puedan evocar instantáneamente de la memoria a largo plazo (MLP), permitiendo así que la memoria de corto plazo (MCP) pueda funcionar con mayor eficacia. Lo mismo sucede para el acceso automático de procedimientos memorizados o algorítmicos. Si un individuo tiene que reconstruir el procedimiento sobre cómo cambiar fracciones a su menor denominador común cada vez que los necesita, entonces el espacio disponible en la MCP es ocupado por procesos que podrían ser automáticos mediante una práctica apropiada. Así, entonces, la sugerencia es que al menos ciertas destrezas básicas de cálculo –hechos numéricos y algoritmos– necesitan desarrollarse hasta el punto de convertirse en procesos automáticos, de manera que no compitan por el espacio en la MCP con procesos de alto nivel en la resolución de problemas (Resnick y Ford, 1981).

La funcion del lenguaje

Desde los inicios de la década de los ochenta, Rimoldi (1984) ha venido examinando el papel que tienen las estructuras lógicas y los sistemas simbólicos en la resolución de problemas. Este autor ha examinado los efectos de la edad, el sexo, el nivel socioeconómico, la pertenencia a grupos culturales diferentes, etc. La mayor parte de los estudios señalan, por una parte, la verificación de la hipótesis que establece la relación entre los conceptos de lenguaje y la estructura lógica y, por la otra, que la no resolución de un problema puede deberse a un uso deficiente o al desconocimiento del lenguaje utilizado en el enunciado.
Este aspecto, sin embargo, no ha sido contemplado en toda su dimensión e importancia por los teóricos clásicos del área de resolución de problemas. En efecto, han sido los investigadores de la comprensión del discurso los que han argumentado y estudiado con más énfasis la relación entre el lenguaje, el sistema simbólico y las estructuras de pensamiento. El lenguaje y el sistema de símbolos constituyen el formato básico de información almacenada en la memoria y éste es un conocimiento que permite comprender y representar el problema. Sin control del sistema simbólico es imposible pretender que un individuo opere satisfactoriamente aunque pueda ser capaz de traducir y comprender la estructura subyacente al problema (Kintsch, 1986).
Se ha observado que la mayor parte de los estudiantes, independientemente del nivel de escolaridad, resuelven menos problemas cuando éstos se presentan en forma verbal que cuando se presentan en forma matemática. Se ha comprobado que en muchas situaciones problema, una de las principales dificultades estriba en transformar el estado inicial, formulado en lenguaje natural, al estado formal en lenguaje matemático. Una vez obtenida la transformación y si ésta es correcta, el problema está prácticamente resuelto.
Kintsch (1987) descubrió tres posibles fuentes de error al resolver problemas aritméticos sencillos presentados en forma verbal: 1) mal uso o desconocimiento de estrategias aritméticas, falsas concepciones y fracaso en el procedimiento de conteo, 2) comprensión equivocada del problema, principalmente, por factores lingüísticos, y 3) sobrecarga de elementos en la memoria de corto plazo.
Recientemente, Jitendra y Kameenui (1996) han examinado de manera extensiva los patrones de errores cometidos por los estudiantes cuando resuelven problemas de tipo verbal, con el fin de comprender sus procesos de razonamiento y diseñar los procesos de instrucción correspondientes para remediarlos. Éstos van desde errores simples de cálculo, hasta otros más sofisticados derivados de la teoría del análisis de errores en lectura y el procesamiento de la información.
Los errores de cálculo incluyen varias categorías: operación equivocada, algoritmo defectuoso o incompleto, error de agrupamiento, inversión inapropiada, error de identificación, respuesta al azar o error por descuido. Los basados en el análisis de errores en lectura incluyen: errores en comprensión de lectura, ausencia de destrezas en los procesos de codificación, mientras que los errores derivados del procesamiento de información incluyen: dificultades en el lenguaje, representaciones espaciales, conocimiento inadecuado de conceptos y destrezas pre-requisitos, asociaciones incorrectas o aplicación de estrategias irrelevantes.

Metacognición y resolución de problemas

La investigación en metacognición en el área de resolución de problemas ha tratado de identificar procesos estratégicos que pueden aplicarse a todo tipo de problemas, más que a áreas específicas. Brown (1978) identificó varios procesos estratégicos que los estudiantes deben adquirir para ayudarlos a convertirse en solucionadores efectivos de problemas. Estos son:
  • Conocer nuestras limitaciones como aprendiz.
  • Estar consciente de las estrategias que uno sabe cómo usar y cuándo cada una de ellas es apropiada.
  • Identificar el problema a resolver.
  • Planificar las estrategias apropiadas.
  • Chequear y supervisar la efectividad del plan diseñado para resolver el problema.
  • Evaluar la efectividad de los pasos anteriores de manera que el solucionador de problemas sepa cuando finalizar de trabajar en el problema.
En el cuadro 6 se indican los pasos a seguir en la resolución de un problema y las preguntas que el solucionador debe hacerse en cada paso con el fin de llevar a cabo un proceso metacognoscitivo en el transcurso de la resolución (Bañuelos, 1995).

Cuadro 6
Etapas y secuencias para desarrollar conocimiento metacognoscitivo para la resolución de problemas según Bañuelos (1995)
Primero Comprensión del problema
Comprender el problema ¿Cuál es la incógnita?, ¿Cuáles son los datos?, ¿Cuáles son las condiciones? ¿Es posible cumplir las condiciones? ¿Son suficientes las condiciones para hallar la incógnita?, ¿Son insuficientes?, ¿Son redundantes?, ¿Son contradictorias? Represente el problema con una figura. Adopte una notación adecuada. Separe las diferentes partes de las condiciones, ¿Puede ponerlas por escrito?
Segundo Concepción de un plan
Descubrir las relaciones entre los datos y la incógnita. Puede verse obligado a tomar en cuenta problemas auxiliares si no encuentra una relación inmediata. Debe llegar a tener un plan de resolución ¿Se ha encontrado antes con el problema?, ¿Lo ha visto de forma diferente?, ¿Conoce algún problema relacionado?, ¿Conoce algún teorema que le pueda ser útil? Revise la incógnita. Intente recordar algún problema familiar que tenga una incógnita igual o parecida. ¿Puede replantearse el problema? Si no puede resolver el problema propuesto, intente resolver primero algún problema que se relacione con el mismo. ¿Puede imaginarse un problema más sencillo, relacionado con éste?, ¿Algún problema más general?, ¿más particular?, ¿Análogo? ¿Puede resolver alguna parte del problema? Mantenga sólo una parte de las condiciones, abandone la otra parte. ¿Hasta qué punto se determina entonces la incógnita, cómo puede variar? ¿Podría extraer algo práctico a partir de los datos? ¿Puede pensar en otros datos adecuados para hallar la incógnita? ¿Puede cambiar la incógnita, o los datos, o las dos cosas si hace falta, para que la incógnita esté más próxima a los datos nuevos? ¿Ha utilizado todas las condiciones? ¿Ha tomado en cuenta todos los elementos esenciales que intervienen en el problema?
Tercero Ejecución del plan
Llevar a cabo un plan Cuando lleve a cabo su plan de resolución, compruebe cada paso. ¿Puede ver claramente que el paso es correcto? ¿Puede demostrar que es correcto?
Cuarto Verificación
Examinar la solución obtenida ¿Puede comprobar el resultado? ¿Puede comprobar el razonamiento? ¿Puede percibirlo a simple vista? ¿Puede utilizar el resultado o el método para algún otro problema?

Implicaciones pedagógicas

Uno de los aspectos importantes que conviene resaltar en este aparte, es que la resolución de problemas es una actividad conformada por diferentes tipos de procesos y, en este sentido, constituye una vía mediante la cual los individuos utilizan el conocimiento adquirido previamente –declarativo o procedimental– con el fin de satisfacer las demandas de una situación nueva, no familiar.
En nuestro sistema educativo, es ya un hecho establecido que los docentes de áreas en las cuales hay que resolver problemas como matemática, física, química, etc., le asignan gran importancia a la solución correcta; sin embargo, es necesario modificar tal concepción y lograr que los docentes acepten la noción de que: el objetivo fundamental en la enseñanza de resolución de problemas es ayudar a los estudiantes a desarrollar habilidades de pensamiento y procesos que permitirán que éstos alcancen soluciones correctas.
Krulik y Rudnick (1982) sugieren que el docente debe:
  • Crear un ambiente apropiado para la resolución de problemas.
  • Ofrecer un repertorio amplio y variado de problemas que generen una práctica intensiva y extensiva, además de que representen un reto para los estudiantes.
  • Enseñar a los estudiantes a desarrollar estrategias que les permitan leer los problemas en forma analítica.
  • Pedir a los estudiantes que inventen sus propios problemas.
  • Permitir que los estudiantes trabajen en parejas o en pequeños grupos.
  • Promover en los estudiantes el uso de estrategias alternativas: reconocer patrones de problemas, trabajar en sentido inverso, predecir y probar, simular, experimentar, reducir los datos, deducir, etc.
  • Hacer preguntas mientras los estudiantes están en el proceso de discusión de los procedimientos para resolver problemas.
  • Permitir que los estudiantes revisen sus respuestas.
  • Utilizar estrategias que permitan el desarrollo de procesos del pensamiento.
  • Hacer que los estudiantes representen, mediante un diagrama de flujo, sus propios procedimientos para resolver problemas.
En el área de la resolución de problemas y, más específicamente, en el área de la matemática, se han desarrollado varios modelos instruccionales: la instrucción directa, la autoinstrucción y la ejecución guiada o aprendizaje dirigido.
La instrucción directa se ha utilizado más frecuentemente para enseñar estrategias propias de una tarea en particular. A los estudiantes se les enseña una secuencia de acción específica y se modela esa secuencia dentro del contexto de la tarea. Este tipo de instrucción se estructura, paso por paso, para asegurar el dominio del procedimiento antes de que el estudiante ejecute la tarea. La ayuda del docente se desvanece gradualmente y se utilizan la práctica y la revisión con el fin de afianzar las estrategias adquiridas.
El entrenamiento en estrategias autoinstruccionales implica ofrecer a los estudiantes un conjunto de ayudas verbales diseñadas para recordarles los pasos a seguir en la ejecución de la tarea. Las ayudas verbales se usan como mediadores de las operaciones cognoscitivas y metacognoscitivas y, con frecuencia, se utilizan en un contexto de modelamiento, con el fin de ayudar a los estudiantes a adquirir las secuencias necesarias para alcanzar la solución del problema.
El aprendizaje dirigido se centra en la experiencia guiada. Este modelo instruccional intenta inducir a los estudiantes a involucrarse en procesos cognoscitivos y metacognoscitivos utilizados por los expertos. La adquisición de habilidades ocurre en forma progresiva. Básicamente los pasos son: 1) modelamiento de la ejecución de la tarea por parte del docente, 2) uso de procedimientos propios de una ejecución experta y 3) retroalimentación de la ejecución de los estudiantes con el fin de aproximarlos a dicho nivel de experticia.
La enseñanza de los procesos de pensamiento involucrados en la resolución de problemas, debe ofrecer a los estudiantes más que estrategias específicas relativas a una situación problema en particular, herramientas que puedan utilizar en otras situaciones. En síntesis, el objetivo a largo plazo debe ser el de lograr un estudiante estratégico que:
  1. Posea un rango amplio y variado de procedimientos que pueda utilizar en cualquier situación.
  2. Sea flexible en el uso de procedimientos en situaciones específicas.
  3. Se involucre en actividades de supervisión del proceso de resolución de problemas, con el fin de determinar si las actividades que está realizando le permiten alcanzar la solución deseada.

Referencias bibliográficas

  • Andre, T. (1986). Problem solving and education. En G.D. Phye y T. Andre (Eds.), Cognitive classroom learning. Understanding, thinking, and problem solving. New York: Academic Press.
  • Bañuelos, A.M. (1995). Resolución de problemas matemáticos en estudiantes de bachillerato. Perfiles Educativos, N° 67, 50-58.
  • Briars, D.J. y Larkin, J.H. (1984). An integrated model of skill in solving elementary word problems. Cognition & instruction, 1, 245-296.
  • Brown, J.S. y Burton, R.R. (1978). Diagnostic models for procedural bugs in basic mathematical skills. Cognitive Science, 2, 155-192.
  • Brown, J.S. y VanLehn, K. (1980). Repair theory: A generative theory of bugs in procedural skills. Cognitive Science, 4, 379-426.
  • Carpenter, T.P. (1985). Learning to add and substract: An exercise in problem solving. En E.A. Silver (Ed.), Teaching and learning mathematical problem solving: Multiple research perspectives. Hillsdale, NJ: L.E.A.
  • Carpenter, T.P. y Moser, J.M. (1984). The acquisition of addition and substraction concepts in grades one through three. Journal of Research in Mathematics Education, 15, 170-202.
  • Chi, M.T.H. y Glaser, R. (1983). Problem solving abilities. Material mimeografiado.
  • Chi, M.T.H., Feltovich, P.J. y Glaser, R. (1981). Categorization and representation of physics problems by experts and novices. Cognitive Science, 5, 121-152.
  • Chi, M.T.H., Glaser, R. y Rees, E. (1981). Expertise in problem solving. En R. Sternberg (Ed.), Advances in the psychology of human intelligence. Vol. 1. Hillsdale, NJ: Erlbaum.
  • Dijkstra, S. (1991). Instructional design models and the representation of knowledge and skills. Educational Technology, 31, (6), 19-26.
  • Duhalde, M.E. y González, M.T. (1997). Encuentros cercanos con la matemática. Buenos Aires: Aique.
  • Gagné, R.M. y Glaser, R. (1987). Foundations in learning research. En R.M. Gagné (Ed.), Instructional technology: Foundations. Hillsdale, NJ: Erlbaum.
  • Goldman, S.R. (1989). Strategy instruction in mathematics. Learning Disability Quarterly, 12, 43-55.
  • Greeno, J.G. (1980). Trends in the theory of knowledge for problem solving. En D.T. Tuma y F. Reif (Eds.), Problem solving and education. Issues in teaching and research. Hillsdale, NJ: Erlbaum.
  • Groen, G.J. y Parkman, J.M. (1972). A chronometric analysis of simple addition. Psychological Review, 79, 329-343.
  • Hayes, J.R. (1981). The complete problem solver. Philadelphia: Franklin Institute Press.
  • Hegarty, M., Mayer, R.E. y Monk, C.A. (1995). Comprehension of arithmetic word problems: A comparison of successful and unsuccessful problem solvers. Journal of Educational Psychology, 87, 18-32.
  • Hinsley, D., Hayes, J.R. y Simon, H. (1977). From words to equations: Meaning and representation in algebra word problems. En M.A. Just y P.A. Carpenter (Eds.), Cognitive processes in comprehension. Hillsdale, NJ: Erlbaum.
  • Jitendra, A.K. y Kameenui, E.J. (1996). Experts’ and novices’ errors patterns in solving part-whole mathematical word problems. The Journal of Educational Research, 90, (1), 42-51.
  • Kantowski, M.G. (1978). The teaching experiments and soviet studies of problem solving. En I.L. Hatfield y D.A. Bradbard (Eds.), Mathematical problem solving: Papers from a research workshop. Columbus, Ohio: ERIC/SMEAC.
  • Kilpatrick, J. (1967). Analyzing the solution of word problems in mathematics. An exploratory study. Tesis doctoral. Universidad de Stanford, California. Dissertation Abstracts International, 1968, 28, 4380A.
  • Kintsch, W. (1986). Learning from text. Cognition & Instruction, 3, 87-108.
  • Kintsch, W. (1987). Understanding word problems: Linguistic factors in problem solving. En M. Nagao (Ed.), Language and artificial intelligence. North Holland: Elsevier Science Publisher B.V.
  • Kintsch, W. y Greeno, J.G. (1984). Understanding and solving arithmetic word problems. Material mimeografiado.
  • Kintsch, W. y VanDijk, T.A. (1978). Toward a model of text comprehension and production. Psychological Review, 85, 363-394.
  • Krulik, S. y Rudnick, J.A. (1982). Teaching problem solving to preservice teachers. Arithmetic Teacher, February, 42-49.
  • Larkin, J.H., McDermott, P., Simon, D.P. y Simon, H.A. (1980). Expert and novice performance in solving physics problems. Science, 208, 1335-1342.
  • Lester, F.K. (1978). Mathematical problem solving in the elementary school: Some educational and psychological considerations. En L.L. Hatfield y D.A. Bradbard (Eds.), Mathematical problem solving: Papers from a research workshop. Columbus, Ohio: ERIC/SMEAC.
  • Mayer, R.E. (1981). Frequency norms and structural analysis of algebra story problems into families, categories and templates. Instructional Science, 10, 135-175.
  • Mayer, R.E. (1983). Thinking, problem solving and cognition. New York: Freeman.
  • Mayer, R.E. (1992). Cognition and instruction: Their historic meeting within educational psychology. Journal of Educational Psychology, 84, (4), 405-412.
  • Monereo, C., Castelló, M., Clariana, M., Palma, M. y Pérez, M.L. (1995). Estrategias de enseñanza y aprendizaje. Formación del profesorado y aplicación en la escuela. Barcelona: Graó.
  • Newell, A. y Simon, H.A. (1972). Human problem solving. Englewood Cliffs, NJ: Prentice Hall.
  • Norman, D.A. y Rumelhart, E.E. (1975). Explorations in cognition. San Francisco: Freeman.
  • Polya, G. (1965). Mathematical discovery: On understanding, learning and teaching problem solving. Vol. 2. New York: Wiley.
  • Resnick, L.B. y Ford, W.W. (1981). The psychology of mathematics for instruction. Hillsdale, NJ: L.E.A.
  • Rimoldi, H.J. (1984). Solución de problemas: Teoría, metodología y experimentación. Revista de Psicología General y Aplicada, 39, 75-96.
  • Schoenfeld, A.H. (1985). Mathematical problem solving. Orlando, FL: Academic Press.
  • Siegler, R. S. y Shrager, J. (1983). Strategy choices in addition: How children know what to do. Trabajo presentado en el décimo octavo Simposio Anual Carnegie sobre Cognición. Pittsburgh, PA.
  • Suppes, P. y Groen, G.J. (1967). Some counting models for first grade performance data on simple addition facts. En J.M. Scandura (Ed.), Research in mathematics education. Washington, D.C.: National Council of Teachers of Mathematics.
  • Sternberg, R.J. (1987). Razonamiento, solución de problemas e inteligencia. En R.J. Sternberg (Ed.), Inteligencia humana, II. Cognición, personalidad e inteligencia. Buenos Aires: Paidós.
  • Stigler, J.W., Lee, S.Y. y Stevenson, H.W. (1990). Mathematical knowledge of Japanese, Chinese, and American elementary school children. Reston, VA: National Council of Teachers of Mathematics.
  • Wallas, G. (1926). The art of thought. New York: Harcourt Brace Jovanovich.

Anexo 1

A continuación vamos a ejemplificar, con un problema dado, las actividades para su resolución, de acuerdo con el modelo de Schoenfeld (1985) y a partir de los planteamientos de Polya.
Problema: En un salón de 35 alumnos aprobaron el 40%. Determinar el número de alumnos reprobados.
Resolución del problema:

Análisis
Trazar un diagrama.
clip_image007
Total de alumnos: 35 alumnos que representan el 100%.

Exploración
Examinar problemas ligeramente modificados: establecer submetas y descomponer el problema.
El enunciado del problema expresa que hay que determinar el número de alumnos reprobados, pero como sabemos que los aprobados y los reprobados representan la totalidad del curso, podemos resolver el problema estableciendo dos submetas.
Submeta 1. Transformar el 40% de aprobados en número de alumnos.
35-------100%
X---------40%
X = (35 x 40) / 100 = 1.400 / 100 = 14
14 alumnos representan el 40% de los alumnos aprobados.
Submeta 2. Transformar el 60% de reprobados en número de alumnos.
Esta submeta se puede resolver de dos formas.
a) Encontrando la diferencia entre el número total de alumnos del curso y el número de alumnos aprobados. Esto es:
35 - 14 = 21 alumnos
b) Calculando el número de alumnos que representa el 60% del total. Este cálculo nos permite predecir y verificar que la cantidad a obtener debe ser 21 alumnos, si hemos realizado bien el cálculo.
35--------100%
X----------60%
X = (35 x 60) / 100 = 2.100/100 = 21 alumnos
21 alumnos representan el 60% de alumnos reprobados.

Comprobación de la solución obtenida
Verificar la solución obtenida siguiendo criterios específicos: utilización de todos los datos pertinentes.
Sumando los alumnos aprobados y reprobados debemos obtener el total de alumnos del curso. En efecto:
21 alumnos reprobados + 14 alumnos aprobados = 35 alumnos en el curso.

Fuente: Serie Enseñando a aprender. Lisette Poggioli

BUSCAR CONTENIDOS

Búsqueda personalizada

ADD THIS