Estrategias operativas en la resolución de problemas matemáticos en el ciclo Medio de la E.G.B

INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS ESTRATEGIAS OPERATIVAS EN LA RESOLUCION DE PROBLEMAS MATEMATICOS EN EL CICLO MEDIO DE LA E.G.B. ALONSO GARCÍA, V.', GONZÁLEZ CARMONA, A.*, SÁENZ BARRIO, O.3 (1) Departamento de Didáctica de la Matemática de la Universidad de Cantabria. (2) Departamento de Estadistica e Investigación Operativa de la Universidad de Granada. (3) Departamento de Didáctica y Organización Escolar de la Universidad de Granada. SUMMARY This work is the result of a research about how children really solve mathematical problems. Twelve strategies have been identified in problems of a very different nature. «Con la misma confianza, pompa y circunstancia concedidas a cosas tales como la maternidad, el pastel de manzana y la sopa de pollo (ésta última sólo para resfriados), se considera a la resolución de problemas como la innovación más importante de la matemática en la década de los 80», (Brown, 1983). Aunque afirmación tan rotunda queda suavizada por el tono festivo de la declaración y la prematuridad con que fue hecha, hoy podríamos ratificarla con la perspectiva que proporciona el casi final de la década. La publicación casi simultánea del Anuario de 1980 de la Asociación Nacional de Profesores de Matemáticas de Estados Unitrarse casi exclusivamente en el estudio de las variables relativas al proceso de resolución. Cabe señalar, sin embargo, que, a pesar de que las variables de proceso fueron consideradas ya desde el primer cuarto de este siglo como un campo relevante de la investigación sobre resolución de problemas, el concepto mismo de proceso estaba poco definido; por ejemplo, Barnett, Vos y Sowder señalan cómo muchos investigadores se centraron en el significado de las operaciones fundamentales o en seguir el desarrollo conducente a la correcta solución, por mas que tales visiones del proceso sean parientes cercanas de la variable producto. dos (NCTM), y de la misma Hay práctica al afirmar que la verdadera sobre una propuesta para la enseñanza de la matemática, puede ser considerada como el pistoletazo de sainvestigación sobre las variables de proceso se inicia a lida para una acción definida por el NCTM de la sipartir de los escritos de Polya, sobre todo con la apaguiente forma: rición en 1945 de su How to solve it. «El Consejo Nacional de Profesores de Matemáticas recomienda que la solución de problemas sea el principal objetivo de la enseñanza de las matemáticas en las escuelas de los ochenta)). Ello no obsta para que la resolución de problemas no haya sido con anterioridad objeto de controversia didáctica y haya rendido fructíferas líneas de investigación (Schoenfeld, 1985; Barnett, Vos, Sowder, 1979). De todas estas líneas, han ido reduciendo su produccibn las relativas a los aspectos materiales (formulación del enunciado, ayudas visuales, tamaño de las cantidades numéricas), verbales (complejidad sintáctica, lecturabilidad, posición de las claves verbales), contextuales (familiaridad, originalidad, realismo), para cen2. MODELOS DE PROBLEM-SOLVING Lo que realmente aporta Polya es un modelo. Si la investigación precedente se focalizaba en ciertos aspectos materiales y concretos del enunciado, o en las habilidades especificas de los buenos/malos resolutores, bastaban sencillos instrumentos de codificación y medida para su análisis. Sin embargo la complejidad del proceso de solución de problemas requería procedimientos que permitieran el seguimiento y valoración de las distintas fases implicadas y, consecuentemente, de las habilidades o competencias requeridas. La heurística multifase de Polya subviene a esta necesidad, pero sobre todo ofrece un modelo formal tanto para ENSENANZA DE LAS CIENCIAS, 1988, 6 (3), 251-264 251 INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS quien resuelve problemas como para quien enseña a rea decir lo mismo con otras palabras: ((aunque parezca solverlos. Las cuatro fases de Polya (1. Comprender raro, (nuestros alumnos) son las víctimas de nuestro el problema; 2. Concebir un plan; 3. Ejecutar el plan; profesionalismo, ... les presentamos los resultados de 4. Examinar la solución obtenida) hacen referencia a nuestras exploraciones matemáticas de manera orga- «las operaciones mentales típicamente útiles)) (p. 103 nizada y coherente)) (p. 32). de la versión castellana de 1965). Para hacer más opeLa otra absolutamente en los modelos rativo el proceso de solución o de enseñanza, Polya desde ((problem-solving)), es la que informa el paradigma grana cada estrategia genera' en varias sub fases u 'pedidáctico llamado de proceso-produc~o, puesto que su raciones (tres en la primera, ocho en la segunda, cinco objetivo expreso es mejorar las habilidades implicadas en la cuarta) que estructuran el armazón heurístico de en el proceso a la espera de una mejora correlacional su método. Todavía el modelo puede verse aplicado en en la eficiencia resolutiva. sus ~ro~ios términos en obras relativamente recientes (P.e: ~illstein, Libeskind y Lott, 1984). Por otra parte los modelos conceptuales analizados por La multiplicación de los modelos de solución de problemas consituye hoy, más que riqueza científica, una dispersión estéril de los esfuerzos en la investigación; unos porque añaden poco a la heurística de Polya @.e., Schoen y Oehmke, 1980; Lee, 1982); otros porque no están suficientemente probados @.e. Bransford y Stein, 1986; Fielker, 1985; Rudnick y Krulick, 1982), y aún los hay que son confusos en sus propuestas de ((estrategias generales)) y ((estrategias de ayuda)) (Charles, 1982). El modelo de Schoenfeld (en sus dos versiones de 1979 y 1982) con ser el más completo adolece, desde nuestro punto de vista, del mismo problema que afecta a todos los modelos que hemos revisado (y que podrían ser muchos más a la vista de los listados de ((dissertations)) para M. Ed., Ed. D. y Ph. D., tanto en educación como en enseñanza de las matemáticas en los úitimos años). Tal dificultad consiste, repetimos, a nuestro modo de ver, en que son modelos formales construidos, a expensas de un a priori, que es el proceso ideal, conceptual, o lógico, si se quiere, para resolver problemas. En otros términos, son modelos a través de los cuales se factualiza una teoría. Y aauí no tenemos más remedio que estar en desacuerdo coi Lester (1982) cuando afirma que tanto la práctica como la investigación sobre la solución de problemas ha carecido de una teoría. Que haya carecido de una teoría adecuada puede admitirse a la vista de los resultados contradictorios de la investigación, pero que no haya estado apoyada en algún tipo de teoría es falso. Comprendemos por donde va Lester en las tres declaraciones relativas a la necesidad de la teoría, pero debemos hacer notar que en los modelos al uso subyacen al menos dos teorías. Una implícita, pero que dirige el proceso de pensamiento, y que es la heurhticodeductiva, propia del razonamiento matemático. Esta teoría, inspiradora de los métodos de enseñanza al uso, ha sido contundentemente criticada por Brown (1983) y Schoenfeld (1985b). Para el primero, la enseñanza de la resolución de problemas está viciada por la propia deformación profesional del matemático para quien, acostumbrado a demostrar quep - q, lo único importante es la congruencia del proceso, valioso por sí mismo, y en el que tanto la verdad de p, como la personalidad, la cultura, el estilo cognitivo del investigador, son irrelevantes (p. 27 y 33). Schoenfeld viene Lesh et a¡. (1983) responden, es buena medida, a constructos teoréticos sobre manejo y procedimiento de información, lo cual parece apoyar la idea de una teoría cibernética del aprendizaje, explícitamente señalada por el Grupo Cero al establecer el paralelismo entre los enunciados de Polya en las etapas de programación en el uso de ordenadores (Grupo Cero, 1987). En cualquier caso, el papel de los modelos didácticos, más que un programa rígido de entretenimiento, -que en definitiva la propuesta de los defensores del ((rnodelling)) (Lesh, Niss y Leo, 1986)- debería ser, en términos parecidos a lo que es el diseño curricular, una herramienta analítica en manos del profesor para juzgar la adecuación de sus estrategias y las de sus alumnos, así como un instrumento para transformar las ((clarividencias)) teóricas en definiciones prácticas para el aula (Howson y Malone, 1986). 3. DEBILIDAD DE LOS MODELOS TE~RICOS Que existe teoría es un hecho. Lo que ocurre es que solamente podrá acreditarse científicamente el modelo explicitador de una teoría cuando queden sólidamente establecidas las relaciones causales entre el sistema y su modelo funcional. Y esto, desgraciadamente, no está suficientemente probado en la resolución de problemas, por más que en una declaración voluntarista el Chupo de ~om~tencias Básicas del Instituto Nacional de Educación (EE.UU.) afirmara en 1975: «Los problemas se resuelven más eficazmente mediante la aplicación de una teoría adecuada)). Y ésta es la que echa en falta Lester, de un lado porque no existe una única manera «correcta» de enseñar a resolver problemas y hay tantas maneras de enseñar eficazmente a pensar matemáticamente como profesores de talento haya (Schoenfeld, 1985a). De otro lado, porque la relación entre los procedimientos heurísticos descritos y la solución de problemas «depende más del análisis conceptual resultante de una reflexión personal y del análisis de la propia experiencia en matemáticas que de un estudio de naturaleza estrictamente empírica)) (Brown, 1983). Y sigue diciendo Brown: «La mayor parte del trabajo empírico surge de conceptualizaciones de naENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS turaleza teórica (ya sea articulada como tal, o no)» (p. 24). El hecho es que el trabajo empírico no termina de confirmar la validez de los constructos teóricos; P.e., hace ya más de diez años que Silver (1977) confirmó que el segundo heurístico de Polya, «trazar un plan)), era más un aspecto o forma de reestructurar los datos del problema que de resolverlo. Otras investigaciones han revelado que los estudiantes varían el modelo formal de solución de un problema a otro; que hay contradicción entre el número y variedad de estrategias utilizadas por los buenos y deficientes resolutores de problemas; que el uso del ensayo y error, identificado en algunos estudios como característico de los malos resolutores, se encuentra, en otros casos, por encima de la media en las tentativas de los buenos, y que además, el ensayo y error conduce al éxito con más frecuencia que el uso de la deducción (Barnett, Vos y Sowder, 1979). En definitiva, en contra de la opinión de que el uso de modelos es un buen método de enseñanza para la resolución de problemas, las conclusiones de la investigación son inconsistentes. Por ejemplo, la conclusión de Lesh y sus colaboradores es que las técnicas que los estudiantes aprenden en el colegio no se tranfieren al mundo real y que los modelos generales no se aplican a situaciones específicas (Lesh, Landau y Hamilton, 1983). Por su parte Schoenfeld afirma: «El pensamiento matemático es lógico y riguroso, y las técnicas que empleamos (los matemáticos) para enfrentarnos a los problemas son aplicables en muchos campos, pero a menos que las presentemos con claridad, no es probable que los alumnos adquieran la intuición necesaria para 'comprender' o beneficiarse de ellas)) (1985b). Con muy pocas excepciones la instrucción en un modelo de solución se ha mostrado poco eficaz en el desarrollo de la capacidad general para resolver problemas. Por el contrario, la enseñanza de procedimientos específicos utilizados en el proceso de resolución, tales como representar mediante dibujos, confeccionar esquemas, clasificar datos, construir algoritmos, etc.. . incrementaba su uso en la resolución o mejoraba el enfoque de problemas en cuyo enunciado se utilizaba alguno de tales recursos, pero la mejora de la capacidad general resolutiva era muy modesta. Por otro lado, la variada categorización de procesos, heurísticos, estrategias, fases, etc ... tanto en número como en la definición de la conducta exhibida o implicada, dificulta la convergencia hacia un modelo de integración. Desde el modesto esquema analítico de Means y Loree (1986) con tres variables hasta las diecisiete de Flaherty (1975), el de Kantowski (1977) con siete, hasta el último de Schoenfeld (1982) con veintisiete, entre estrategias generales, estrategias básicas y actividades específicas, además de los modelos citados anteriormente, uno puede hacerse una idea del estado en que se encuentra hoy la investigación en este campo de los modelos propositivos. 4. NUESTRO PUNTO DE PARTIDA El desconcierto por la inconsistencia de los resultados de la investigación difícilmente puede ser resuelto desde dentro del mismo paradigma. El modelo de cuju negra, que está en la base del paradigma procesoproducto, deja sin explicar lo que ocurre dentro de la caja; «sólo estudia concomitancias entre entradas y salidas del sistema; al no haber hilos de explicación no hay posibilidades de orientación racional de nuevos ensayos ante el fracaso)) (Gimeno, 1981, p. 50). De ahí que la instrucción de modelos se haya mostrado más productiva en habilidades específicas que en el complejo proceso de producción; por esta razón, nuestro trabajo no pretende cuantificar las respuestas correctas, -al menos no es ése el objetivo central-, sino determinar qué tipo de competencias, habilidades o conductas utilizan espontáneamente los escolares, y si es posible identificar algúnputrón estable que pueda considerarse como un estilo de resolución de problemas. Ante esta situación cabía preguntarse: ¿Cuál es la conducta típica de un escolar ante los problemas, su «individual's own approach))? Dado que las formas de comportamiento teóricamente posibles son casi infinitas y que, además, constituyen un campo abierto en que pueden aparecer elementos inéditos que lo amplían y complican, podría intentarse una respuesta que describiera, dentro de un cierto margen de probabilidad, el esquema heurístico de un alumno o de un grupo, y permitiera poner en relación teoría y práctica sobre un soporte experiencial. Esta idea está muy próxima a la que Verstappen expuso en el grupo de estudio sobre ((Investigación y Enseñanza)) en la quinta reunión del ICME (1984) cuando afirmaba que el objetivo supremo para los profesores era identificar alguna suerte de estructura que permitiera apoyar cambios en la acción pedagógica de forma que se pudiera penetrar en los insights matemáticos de los estudiantes, y estimular al profesor como investigador en el aula. (Christiansen et al., 1986). El método de elección para este tipo de trabajos parece ser el de la entrevista clínica. Esta técnica ya la había utilizado Wittman en los programas para la formación de profesores de Dortmund. En su comunicación a la misma mesa del citado congreso, dice Wittman que «la entrevista clínica es el camino más fácil de hacer psicología, promover actitudes y competencias docentes, y relacionar la psicología con otros dominios de la formación de profesores de matemáticas)) (p. 285). Sobre estas premisas discurre este trabajo. Para elio, se ha partido de un conjunto de conductas que los niños suelen mostrar reiteradamente en la reENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS solución de problemas. Tales actos prototípicos, reducidos a los que un equipo de profesores de E.G.B. ha estimado como operantes significativos, son los doce siguientes: Ei = Lectura del problema E2 = Escritura de datos E3 = Representación simbólica de los datos (dibujos, gráficos, tablas). E4 = Utilización de datos irrelevantes Es = Perplejidad: sentirse desconcertado, repetir la pregunta del problema, repetirse los datos o pedir más. E6 = Formulación de hipótesis (si hago esto, entonces ...) y planes de trabajo. E7 = Anticipación de los resultados (estimación cuantitativa o cualitativa). Es = Cálculo (operaciones) E9 = Resolución (llegar a un témino en el proceso operativo y dar una solución) Eio = Comprobación (verificar que el resultado satisface las condiciones) Eii = Rectificación (cambiar de estrategia: Orden operacional, simplificar el problema, utilizar otros datos) E12 = Estancamiento o ausencia de conducta. Definido así el campo de observación ya puede someterse a experimentación. En principio todas estas actividades son igualmente posibles y mutuamente excluyentes, es decir, un sujeto no puede ser observado simultáneamente en dos o más de ellas. A partir de estas condiciones podemos preguntarnos: ¿cuál es la probabilidad de que un determinado escolar proceda de un cierto modo?; ¿cuál es la probabilidad de que a un acto concreto siga otro? Se trata, pues, de investigar las conductas típicas de los escolares frente a los problemas matemáticos, ya que a esta edad el niño ha alcanzado la madurez suficiente para enfrentarse a ellos con una variedad material y formal que prefigura tareas más complejas y extensas. 6. MUESTRA Se partió de una muestra constituida por 102 niños de 5' curso de E.G.B. de 4 colegios situados en cada uno de los puntos cardinales de la ciudad de Santander. 7. CONTENIDO Por lo que se refiere al contenido, se establecieron 5 áreas: conjuntos, numeración, cálculo, magnitudes y geometría. Se pidió a los profesores de esos centros encargados de la ensefianza de las matemáticas que eligieran 4 problemas standard de cada área correspondientes a los cursos 3', 4' y 5' de E.G.B. Se obtuvieron así 80 enunciados, que se sometieron a sorteo con bolas numeradas hasta recoger la muestra que expone el cuadro adjunto. COLEGIOS a = conjuntos d = magnitudes e = geometrla Las cifras indican el número de orden de cada área, en la relación que facilitó cada uno de los colegios. Estos 20 problemas se presentaron para su resolución a los 102 niños de la muestra. De los 20 problemas se seleccionaron para su aplicación final 5 problemas, uno por cada área matemática, y que hubieran obtenido en la aplicación piloto entre un 66% y un 75% de resultados positivos. La reducción a cinco problemas era exigible por la laboriosidad de la aplicación, que no permitía una observación muy dilatada. Y el porcentaje de éxitos, porque se entendió que eran problemas idóneos del ciclo, ni muy fáciles ni muy difíciles, sino representativos de las habilidades características en matemáticas de los alumnos típicos del ciclo medio. (Estos problemas, se incluyen como apéndice al final del artículo). Dada la meticulosidad de la técnica de observación, la complejidad del sistema de computación de conductas y la cantidad de tiempo necesario para el registro individual, era imprescindible reducir el número de casos, que quedó establecido en 20 niños. Esta reducción debía hacerse sin pérdida de representavidad, que se calculó mediante un contraste de medias, previa la comprobación de la normalidad de las distribuciones, llegando a la conclusión de que efectivamente, eran dos ENSEÑAXZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS estimaciones de la media de una misma población (Alonso, 1986). Elegidos al azar 5 niños de cada uno de los mismos colegios, aulas y grupo que habían participado en la primera fase, se decidió estudiar su conducta en el curso de la resolución de los problemas de modo directo y simultáneo con registros personales, mediante parejas de observadores. debidamente adiestrados, y registros auditivos (magnetófono) y visuales (videógrafos). Calculamos la fiabilidad de cada dos series de observaciones hasta conseguir que el coeficiente fi de Scott fuese mayor que 0.85, índice aceptable en la investigación pedagógica. Los niños pensaban en voz alta expresando todas sus vivencias en el curso del proceso de resolución. Exteriorizaban verbalmente su proceder sin la menor dificultad e incluso de una forma mucho más natural de lo esperado. Las parejas de examinadores-observadores anotaban la serie de las conductas exhibidas en intervalos de 15 segundos en protocolos que recogen el curso de la conducta de cada niño ante cada problema, mediante un sistema de notación que comprende números del 1 al 12, según los subíndices correspondientes a cada una de las estrategias. 10. TRATAMIENTO Aunque se utilizó un sistema de registro estático, los datos se codificaron de forma dinámica, referida, asimismo, a niño y problema, mediante matrices de transición, que permiten descubrir en una conducta seriada si la sucesión de los acontecimientos surge al azar, o por el contrario hay una cierta tendencia, medida en términos de probabilidad, de que un suceso ocurrido en un tiempo, proceda de otro, y de que en la unidad temporal siguiente permanezca en la misma situación o pase a otra. kovianas estudiado por González Carmona (1975) y cuya eficacia ya se ha probado en la descripción de conductas cuya variable fundamental, más que la mera ocurrencia del evento, es la transición de un estado a otro en una secuencia temporal (Francés, González y Sáenz, 1987 y Francés y Sáenz, 1987). De cada sujeto se obtuvieron 12 matrices de transición 12 por 12 (2 por cada problema en términos de frecuencia: (niaj), y en términos de probabilidades: (piVj), así como otras 2 más de la misma forma que engloban los cinco problemas); además 10 nuevas matrices: 5 de ellas exponen de forma global las frecuencias ni,j de transición referentes a los resultados de cada problema de los 20 niños en su conjunto y las otras 5 las probabilidades de transición con sus grafos respectivos; 2 últimas matrices: una que resume las frecuencias de transición totales y la otra expresa las probabilidades con que .es posible esperar esas transiciones. Cada una de las matrices contiene doce estados Ej. Las matrices de frecuencias absolutas de transición (niVj) vienen definidas de acuerdo con la condición de que cada elemento ni,j sea el número de transiciones observadas desde el estado E, al Ej: n,, = (E,, E,). Esta matriz, nos ofrece una información mucho más rica que la simple exposición de las frecuencias absolutas, aunque éstas se pueden obtener, si se quiere, mediante la suma de los términos nl,j, nlj, qj,.. . n ,,.,, de la columna j: I : 12 f (El) =E n,, i ; ........; f (El?) = 2 ni. 12 i= l i= 1 En la tabla 1 se ofrece, por su valor informativo, un resumen de las frecuencias absolutas de los 20 niños en los 5 problemas, y las frecuencias relativas globales de cada conducta. El tratamiento de las observaciones se ha realizado meLas matrices ofrecen la misma información que el cáldiante la aplicación de un algoritmo para cadenas Marculo tradicional, y además información adicional que Tabla 1 E a Ez E3 El Es Es E7 Es Es Eio El1 Elz 12.89 6.88 0.94 1.26 14.37 3.29 0.30 16.28 2.93 0.17 1.57 2.70 ENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS las tablas ordinarias de frecuencia no pueden utilizado previamente otra estrategia. proporcionar. La E2fue utilizada 14 veces. La matriz (niSj) nos inforVeamos a modo de ejemplo dos de las matrices indivima que pasó de E, a E,, n2,, = 5 veces con una produales de la niña Alicia: Problema 4, tal como se han babilidad de transición de p2,: = 0.30 (de escribir dadescrito (Tabla 2). tos a seguir escribiéndolos); de E4a E2, 114.2 = 3 veces con una probabilidad de transición p4.2 = 1 (de utiliEn el caso de Alicia, sus estrategias en la solución del zar datos irrelevantes a escribirlos); de Es a E2, ns,2 = problema 4 nos revelan que EI (lectura del problema) 1 vez con una probabilidad ps,z = 0.04 (de sentirse fue utilizada 8 veces mientras que la matriz (niSj ) de desconcertado a escribir datos); de Esa E2,ns,2 = 4 vefrecuencias de transición de Markov nos informa que ces con p6.2 = 0.44 (de formular hipótesis a escribir pasó de E, a E,, n,, , = 7 veces y con una probabilidatos); de Esa Ez, ns,z = 1 vez con p9.2 = 0.20 (de condad p1.i = 0.9 y que comenzó con la lectura sin haber seguir un resultado a escribir de nuevos datos), etc ... Matriz de frecuencias de transición E3 E4 Es Es E7 Ee Es Eio 00010000 O0110600 00000000 00000000 002041000 01310000 00010000 O00001450 02000011 00100000 00010000 00100000 Eii E12 o o o 1 O o o o o o o o o o 1 o o o o o O o o o Frecuencias Matriz be probabilidades transición Ez E3 E4 ES Es E7 Es E9 E1o .O0 .O0 .O0 .O0 .13 .O0 .O0 .O0 .O0 .36 .O0 .O0 .O7 .O7 .O0 .43 .O0 .O0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 1.0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .O4 .O0 .O0 .77 .15 .O4 .O0 .O0 .O0 .44 .o0 .11 .33 .ll .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 1.0 .o0 .o0 .o0 .o0 .O0 .O0 .O0 .O0 .O0 .O0 .70 .25 .O0 .20 .o0 .40 .o0 .o0 .o0 .o0 .2.0 .20 .o0 .o0 .o0 1.0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 1.0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 1.0 .o0 .o0 .o0 .o0 .o0 ENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS Estos datos no son solamente una descripción de las estrategias utilizadas por un sujeto determinado en la resolución de un problema concreto, sino que sirven realmente como un instrumento de diagnóstico que permite detectar las diferentes fases que recorre un sujeto en su proceso mental a la búsqueda de la solución. Este conocimiento es el único criterio que garantiza la racionalidad de un programa de reeducación o tratamiento de las dificultades, si las hubiera. 12,. MATRICES DE TRANSICIÓN Y VECTOR LIMITE Puede decirse que la matriz (ni,j) de frecuencias de transición, da una visión de la versatilidad con que es utilizada cada una de las formas de conducta Ei y que no es posible averiguar a partir de los datos que proporciona la tabla de frecuencias. Considerando la sucesión registrada en los estadillos de observación, y admitiendo que el conjunto de las doce estrategias Ei satisface las dos propiedades siguientes: i) Cada resultado de observación pertenece al conjunto finito de estrategias El, Ez, E3, E?, Es, E6. E7, Es, Es, Eio. EII, Eiz. 1 que podemos llamar espacio de estados del sistema. Si el resultado de la n-ésima observación es Ei entonces decimos que el sistema está en estado Ei en el paso n-ésimo. ii) El resultado de una observación depende a lo sumo del resultado de la observación inmediatamente anterior y no de cualquier otro resultado previo. Con cada par de estados (E,, Ej) se establece la probabilidad de que Ej suceda inmediatamente después de que suceda Ei . El proceso estocástico se puede insertar dentro de las llamadas CADENAS DE MARKOV (finitas). Los números P,,~ llamados probabilidades de transición, se pueden ordenar en una matriz llamada Matriz de transición. A cada Ei corresponde el vector fila (pi,~ pi,2 ,..., pi,12). Si el sistema está en el estado Ei.enton~e~ el vector fila representa las probabilidades de todos los estados posibles de la observación siguiente. A partir de las matrices de frecuencias de transición absolutas (n,, j) podemos obtener unas matrices estimadas P* = (p* i,j), normalizando la matriz de frecuencias, al dividir cada element~ nij por la suma de los elementos de su misma fila: n. p*. , = A' '.J 12 j = : así de (ni,j ) se obtiene (p,,,). Si un sujeto o un grupo de sujetos se encuentra en un estado Ei con una probabilidad ni. estas probabilidades se pueden representar por el llamado vector de distribución de probabilidad. Podemos describir la distribución de probabilidad inicial por T (0) y por ?r (n) la distribución de probabilidad en el paso enésimo. Hay dos tipos de vectores de particular interés: los vectores límites y los vectores estacionarios, pudiendo o no existir en cada caso concreto. Un vector estacionario V indica que en el caso de que el sistema (el proceso mental de un niño o del grupo) se represente por él, permanecerá en él indefinidamente. Un vector límite W corresponde al hecho de que, partiendo de cualquier posible representación del sistema y pasado cierto tiempo, se obtiene como límite el vector mencionado. Si este vector existe, entonces es estacionario y no existirán otros vectores distintos de él que sean estacionarios. En todos los casos que hemos estudiado existen estos vectores límite por cumplir el criterio de existencia de comunicación entre los estados y de un ciclo unidad (González Carmona, ibídem). La existencia del vector límite implica que sea cual sea la situación inicial (en nuestro caso un proceso mental individual o de grupo), llegará a alcanzarse el vector límite, por lo que estaremos en una situación de equilibrio. Lo que significa que los procesos iniciales de un sujeto o de un grupo son irrelevantes, ya que con mayor o menor rapidez se irán acercando hasta exhibir las condiciones representadas por el vector límite. Se ha encontrado que nuestras matrices de transición P(") llegan a estados estacionarios en la potencia n = 32. A partir de esta potencia todas sus filas son iguales y el vector de distribución de probabilidad^('^) representa el vector límite W. 13. POSIBILIDADES DEL CALCULO Tanto desde el punto de vista descriptivo como de diagnóstico, el tratamiento matricial de datos de observación es muy versátil. Con anterioridad se ha presentado la matriz de transición de un sujeto en un problema. Pero la propiedad aditiva de las matrices permite obtener una nueva que sea el resultado de la combinación de varias matrices singulares. De esta suerte se puede obtener: a) Una matriz que refleje el perfil heurístico de un sujeto en la solución de un conjunto de problemas, lo que equivaldría a la secuencia prototípica de dicho sujeto, en el uso de las estrategias analizadas, para cualquier tipo de problema. El conocimiento de dicho proceso individualizado permitiría una intervención personalizada. b) La matriz de un problema a partir del uso que de ENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS las distintas estrategias hace un cierto número de escode recepción como de partida, pero sobre todo cabe lares, lo que facilitaría descubrir qué transiciones, y en destacar el carácter absorbente de este estado, en que qué orden, son prioritariamente elegidas por una cola niña es observada durante largos períodos de tiemhorte en diferentes tipos de problemas. po o al que retorna desde cualquier otra actividad. A continuación aparecen Es. E2 y ~6, por este orden (aparC) Una matriz global o «final» que sea el resultado del te de la mera lectura), lo que evidencia que Alicia enfrentamiento de muchos niños con muchos problemas. Esta matriz reflejaría las transiciones probabilíscentra con preferencia en los aspectos numéricos más ticamente más frecuentes de la cohorte sea cual fuere que en estrategias de descubrimiento. La alta incidencia en Es se explica desde el momento en que el aborel tipo de problema; es decir, qué estrategias o cadedaje es puramente por tanteo; en consecuencia, al no nas heuristicas son instrumentadas preferentemente por atacar los problemas mediante un plan organizado, las un grupo de edad, nivel escolar, etc ... fases de perplejidad y de retorno se plantean cuantas 14. RESULTADOS 14.1. Perfiles individuales --- veces los datos o los-procedimientos-de cálculo elegidos no parecen «razonables»; pero sin que el criterio de «razonabilidad» lo sea a su vez, por cuanto que Alicia opera al azar (ver tabla 4). La suma de matrices de un sujeto permite descubrir su El primer contacto con el problema es la lectura. A partir de E6, la cadena probabilística se establece como inestilo personal de ataque y desarrollo de los problemas; dica el, grafo algo así como su perfil heurístico o metodología resolutiva personal. siguiendo con Alicia, he aquí cómo utiA partir de la lectura del problema, la niña se estacioliza sus recursos mentales y operativos en el conjunto na, como parece natural, en una actitud aparentetnende los cinco problemas resueltos: te inquisitiva (Es): Y es aparente porque si fuese ver- . ,. - . - dadera, la transición naGral sería hacia E6 O E7 con Las 412 conductas registradas a Alicia en la resolución una probabilidad mucho mayor que la reflejada. El hede los cinco problemas se han distribuido de la forma cho de que permanezca en Er, de forma circular y perque indica la tabla 3. sistente, demuestra que la perpleiidad no es racional --- El mayor número de transiciones lo registra Es, tanto sino verdadero bloq;eo emotivo. Tabla 111 - -- - -- Tabla IV *************MATRIZ DE PROBABILIDAD DE ALICIA. TOTAL ********* El E2 E3 E4 E5 Es E7 Ee Es Eio EXI Eiz El .83 .O0 .O0 .O0 .13 .O2 .O0 .O0 .O0 .O0 .O0 .O2 E2 .O0 .39 .O0 .O0 .O9 .O7 .O2 .41 .O0 -00 .O0 -02 E3 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 E4 .O0 .50 .O0 .O0 .25 .O0 .O0 -12 .O0 .13 -00 -00 Es .O3 .O6 .O0 .O2 .62 .14 .O3 .O2 .O0 .O0 .O3 .O5 Es .O0 .36 .O0 .O6 .42 .O3 .O3 .lo .O0 .O0 .O0 .O0 E7 .O0 .S0 .O0 .O0 .O0 .17 .O0 .16 .O0 .O0 .O0 .17 Es .O0 .O2 .O0 .O1 .O6 .O2 .O0 -66 .15 .O0 .O8 .O0 Es .O8 .O8 .O0 .17 .O8 .25 .O0 .O0 .25 .O8 .O0 .O0 El0 .o0 .o0 .o0 .o0 1.00 .o0 .o0 .o0 .o0 .o0 .o0 .o0 EII .O9 .O0 .O0 .O0 .27 .18 .O0 .46 .O0 .O0 .O0 .O0 E12 .O8 .O0 .O0 .O0 .53 .O8 .O0 .O0 .O0 .O0 .O0 .31 Grafo 1 ENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3) INVESTIGACIÓN Y EXPERIENCIAS DIDÁCTICAS ~lternativamente salta a Ez(uti1ización de datos) Y Es 14.2. Matriz de ~roblema-ti~o (cálculo), pero como su estrategia es «blind guessing», no hay comprobación, por lo que, sin justificación, pasa de la obtención de un resultado (Es) a un anárquico uso por ensayo y error de datos irrelevantes (E4) con los que encontrar una solución más plausible, a pesar de que no haya justificado el posible error de los ya obtenidos. El desembarco en E, significa volver a situarse en E2 y en Es haciendo recurrente de nuevo el proceso. Es evidente que Alicia requiere una intervención decisiva en dos momentos: 1) En E, para salir hacia E,, mediante la producción de una hipótesis, de trabajo o plan de desarrollo, y pasar a continuación hacia E7; y 2) En Esque sólo tiene una salida razonable que es hacia Eio, con una bifurcación: hacia Eii para reestructurar el proceso o hacia Ei2, estado de reposo y refuerzo, por haber resuelto el problema. El problema 5 es típico de cálculo, pero no al estilo de los usualmente propuestos en la escuela, cuyos elementos incluyen exclusivamente los datos que han de ser manejados para la solución. Por el contrario, la realidad es mucho más rica en información, lo que obliga a seleccionar los datos relevantes al propósito del ejecutor y desechar la información trivial o no pertinente. ¿Cómo ha sido abordado este problema-tipo? (ver tabla 5 y grafo 2). El vector límite revela que, estabilizada la conducta, la mayor probabilidad de ser observado cualquier escolar corresponde a la actividad Es, seguida a corta distancia de la Es y con probabilidad decreciente El, Es, etc ... y que difícilmente se le encontrará en E3, E7, etc ... Pero una vez leído el problema y situado en Es, su conducta siguiente será persistir en la misma con una Tabla V 1 Matriz de probabilidad El E2 E3 E4 E5 Es E7 Es Es Elo El1 E12 El .83 .O1 .O0 .O1 .10 .O3 .O0 .O0 .O0 .o0 -01 .o1 E2. .O1 .30 .O0 .O1 .O3 .O2 .o0 .61 -01 .o0 -01 .o0 E3 .O0 .O0 .O0 .O0 .O0 .O0 .o0 .o0 .o0 .o0 .o0 .o0 E, .O4 .19 .O0 .O9 .31 .O2 .O0 .20 .O7 .O0 .O6 .o2 Es .O7 .O3 .O0 .O4 .68 .O8 -00 .O2 .O0 .O0 .o1 .o7 Es .O2 .50 .O0 .O7 .18 .14 .O0 .O2 .O2 .O0 .O1 .o4 E, .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 .o0 Es .O8 .O1 .OO. .O2 .O4 .O2 .O0 .71 a18 .O0 .O2 -00 Es .O3 .16 .O0 .O6 .30 .28 .O0 .O1 .13 .O3 .O0 -00 El0 .o0 .o0 .o0 .o0 .33 .34 .o0 .o0 .o0 .33 .o0 .o0 El= .O9 .32 .O0 .O9 .23 .O9 .O0 .18 .O0 .O0 .O0 .o0 Elz .O6 .O2 .O0 .O0 .61 .O6 .O0 .O0 .O0 .O0 .O0 e25 Vector límite EL E2 E3 E4 E5 Es E7 EQ E9 E10 E12 .16 .10 .O0 .O3 .29 .O7 .O0 .26 .O6 .o0 -01 .o3 Grafo 2 ENSEÑANZA DE LAS CIENCIAS, 1988, 6 (3)