Libro de Actas del III Congreso Latinoamericano y del Caribe e Investigación en Educación Superior- LatinSoTL- 2025
623 142 ABR: Aprendizaje Basado en Representaciones. Gabriela Fernández, gvfernan@uc.cl.Rely Pellicer, rely.pellicer@uai.cl . 1 PUC, Santiago, Chile.2 UAI, Santiago, Chile. La experiencia en la sala de clases en cursos avanzados de matemáticas muestra que muchos estudiantes no aprenden lo esperado en los cursos previos ni desarrollan las habilidades fundamentales para poder comprender y enfrentar de manera adecuada los cursos matemáticos y de otras disciplinas que son parte de su currículo. Entonces, ¿qué hacer para que los estudiantes logren un aprendizaje significativo, profundo y duradero? ¿Cómo desarrollar, a través de la propia disciplina, las habilidades cognitivas esenciales para su formación universitaria y su vida profesional? ¿Cuáles son las acciones que deben desarrollar los estudiantes para lograr un aprendizaje profundo de la matemática? ¿Cómo medir dicho aprendizaje? Esta propuesta surge como respuesta a las dificultades persistentes que enfrentan los estudiantes para comprender conceptos abstractos, coordinar distintas representaciones y conectar la teoría con la práctica. Aunque diversas metodologías activas han contribuido al aprendizaje, pocas abordan las especificidades del conocimiento matemático. Este trabajo comprende el diseño y aplicación de una nueva metodología (ABR: Aprendizaje Basado en Representaciones) para la enseñanza y el aprendizaje de la matemática universitaria que se fundamenta en la Teoría de Registros de Representaciones Semióticas (TRRS) de Raymond Duval. ABR busca precisamente movilizar los procesos cognitivos esenciales de representación, tratamiento y conversión entre registros semióticos como base del aprendizaje profundo en matemáticas. Se considera la construcción de un programa didáctico para ser aplicado en cursos de matemática del nivel educacional superior y que podría ser ampliado a otros niveles de enseñanza de la disciplina. La metodología incluye la descripción de las etapas del diseño instruccional, los elementos que deben ser considerados para la planificación de clases y actividades de aprendizaje, los requisitos para las evaluaciones, las estrategias, técnicas y actividades que los estudiantes utilizan para aprender de manera efectiva, así como la definición de los aspectos distintivos para generar aprendizaje profundo. Como parte de esta propuesta, se desarrolló una Taxonomía (RTC), que permite clasificar el tipo de actividad cognitiva implicada en la enseñanza y en el aprendizaje de la matemática. Esta herramienta facilita tanto el diseño de actividades como la evaluación del nivel de desempeño. Adicionalmente, se presenta una implementación de esta metodología ABR para la unidad de “Sistemas de ecuaciones” de un curso de Álgebra Lineal, donde se elaboraron pautas de planificación de clases, actividades de aprendizaje activo de los estudiantes, guías para trabajo autónomo y evaluaciones con rúbricas basadas en la Taxonomía RTC. Se compartirán las observaciones preliminares de esta
Made with FlippingBook
RkJQdWJsaXNoZXIy Mzc3MTg=