ESTRA TEGI A SDERESOLUCI NDEP ROBLEMA S

SerieEnseandoaaprender.LisettePoggioli.

INTRODUCCIN
Entre los objetivos fundamentales de las instituciones educativas, desde el niveldepreescolar
hasta el universitario, est el de impartir conocimientos y desarrollar habilidades de diferente
naturalezaquepermitanalosestudiantes adquirirherramientasparaaprender,siendo unade
lasmsimportantes,lacapacidadpararesolverproblemas.
Lasactividadesrealizadasporlosindividuoscuandoresuelvenproblemas,puedenanalizarseen
funcin de las estrategias cognoscitivas involucradas en el proceso de resolucin.
Histricamente,elestudiodelaresolucindeproblemasharecibidounaatencinocasionalpor
partedeloseducadores ylospsiclogoseducativossinembargo,apartirdeladcadadelos
sesenta, el estudio sobre los procesos de pensamiento y la resolucin de problemas se ha
convertido en un rea de gran relevancia, fundamentalmente a partir del surgimiento del
enfoquedeprocesamientodeinformacin.
Lainvestigacinrealizadaenestareaevidenciadosaspectosimportantes:Enprimerlugar,que
hahabidounprogresoenlaformulacindeunanuevaconceptualizacindelasrelacionesentre
la resolucin de problemas y el conocimiento y, en segundo lugar, que se ha propiciado el
desarrollodeunacomprensindiferenciadadelosprocesos cognoscitivosinvolucradosenesta
actividad,denaturalezatancompleja.
Apesardequeelreaderesolucindeproblemasestrelacionadaconvariasdisciplinas(fsica,
qumica, matemtica), el trabajo que se presenta a continuacin est referido a algunos
aspectos tericos generales y a otros ms especficos relativos al rea de la resolucin de
problemas en matemtica. En tal sentido, este ttulo, el quinto de la serie Enseando a
aprender, tiene como propsito familiarizar a los docentes con el rea de la resolucin de
problemas, cul es su naturaleza, cules son sus componentes, qu estrategias podemos
ensearanuestrosestudiantespararesolverproblemas,qufactores influyenenlaresolucin
de problemas, cules metodologas existen para analizar los procesos involucrados en dicha
actividadyquimplicacionespedaggicastieneestareadeconocimientoydeinvestigacin.
NDICE
Introduccin
>Naturalezadelaresolucindeproblemas

Quesunproblema?
Queslaresolucindeproblemas?
Etapasdelaresolucindeproblemas
Anlisis
Exploracin
Comprobacindelasolucinobtenida

>Representacinenlaresolucindeproblemas

Diferenciasenlasrepresentacionesdeexpertosynovatos
Lasestrategiasderesolucindeproblemas
a. Losmtodosheursticos
b. Losalgoritmos
c. Losprocesosdepensamientodivergente

>Factoresqueafectanlaresolucindeproblemas

Factoresrelacionadosconlosprocesos
Factoresdependientesdelsujeto
Factoresambientales

>Metodologasparaelanlisisdeprocesos

Laaritmticamental
Elanlisisdeprotocolos
Losestudiosclnicosodecasos
Laentrevistaindividual
Elanlisisdeerrores

>Adquisicinydesarrollodeestrategiasderesolucindeproblemasenmatemtica

Problemasdenaturalezaverbal
Estrategiasdeadicin
Estrategiasdesustraccin
Lafunciondellenguaje
Metacognicinyresolucindeproblemas

Implicacionespedaggicas
ReferenciasbibliogrficasAnexo1
Naturalezadelaresolucindeproblemas
>Quesunproblema?
Un problema se define como una situacin en la cual un individuo desea hacer algo, pero
desconoceelcursodelaaccinnecesariaparalograrloquequiere(NewellySimon,1972),o
como una situacin en la cual un individuo acta con el propsito de alcanzar una meta
utilizandoparaelloalgunaestrategiaenparticular(ChiyGlaser,1983).
Grfico1Quesunproblema?

Cuandohacemosreferenciaalametaoalograrloquesequiere,nosestamosrefiriendoalo
quesedeseaalcanzar:lasolucin.Lametaosolucinestasociadaconunestadoinicialyla
diferenciaqueexisteentreambossedenominaproblema.Lasactividadesllevadasacabopor
lossujetostienenporobjetooperarsobreelestadoinicialparatransformarloenmeta.Deesta
manera, se podra decir que los problemas tienen cuatro componentes: 1) las metas, 2) los
datos,3)lasrestriccionesy4)losmtodos(Mayer,1983).
Grfico2Loscomponentesdeunproblema

Las metas constituyen lo que se desea lograr en una situacin determinada. En un problema
puedehaberunaovariasmetas,las cualespuedenestarbienomaldefinidas.Engeneral,los
problemasdenaturalezamatemticasonsituacionesproblemaconmetasbiendefinidas.Enel
ejemplo:Alvarotiene5creyones.Javierledio8creyonesms.CuntoscreyonestieneAlvaro
entotal?,lametaestbiendefinida,consisteensabercuntoscreyonestieneAlvaroentotal,
despus que Javier le dio 8 creyones. Por el contrario, los problemas de la vida real pueden
tenermetasnotanclaramentedefinidas.
Losdatos consistenenlainformacinnumricaoverbaldisponibleconquecuentaelaprendiz
para comenzar a analizar la situacin problema. Al igual que las metas, los datos pueden ser
pocos o muchos, pueden estar bien o mal definidos o estar explcitos o implcitos en el
enunciadodelproblema.Enelejemploanterior,losdatosestnbiendefinidosysonexplcitos:
5creyonesy8creyones.
Las restricciones sonlosfactoresquelimitanlavaparallegaralasolucin.Deigualmanera,
puedenestarbien omaldefinidos yserexplcitos o implcitos. Enel ejemploanterior, no hay
restricciones.Sinembargo,vamosadarunejemplodeloqueesunarestriccin.
Anita tiene una mueca y quiere vestirla con pantaln y franela. Tiene cuatro pantalones de
color rojo, blanco, azul y negro, y tiene tres franelas de color verde, amarillo y rosado. Ella
quiere hacerdiferentes combinaciones con todos los pantalones y las franelas verde y rosada.
Cuntascombinacionesdiferentespuedehacer?
En el ejemplo anterior, la restriccin consiste en que Anita slo quiere utilizar dos de las tres
franelas, la verde y la rosada, en consecuencia, no todas las franelas van a ser consideradas
paralasdiferentescombinacionesquequierehacer.Estoesunarestriccin.
Losmtodosuoperacionesserefierenalosprocedimientosutilizadospararesolverelproblema.
En el caso del ejemplo referido a los creyones, la operacin a realizar es una adicin, por lo
tanto,elsolucionadordeberaplicarelalgoritmodelasuma.

Queslaresolucindeproblemas?
Segn Dijkstra (1991), la resolucin de problemas es un proceso cognoscitivo complejo que
involucraconocimientoalmacenadoenlamemoriaacortoyalargoplazo.
Laresolucindeproblemasconsisteenunconjuntodeactividadesmentalesyconductuales,ala
vez que implica tambin factores de naturaleza cognoscitiva, afectiva y motivacional. Por
ejemplo, si en un problema dado debemos transformar mentalmente metros en centmetros,
esta actividad sera de tipo cognoscitiva. Si se nos pregunta cun seguros estamos de que
nuestra solucin al problema sea correcta, tal actividad sera de tipo afectiva, mientras que
resolver el problema, con papel y lpiz, siguiendo un algoritmo hasta alcanzar su solucin,
podraservirparailustrarunaactividaddetipoconductual.Apesardequeestostres tiposde
factoresestninvolucradosenlaactividadderesolucindeproblemas,lainvestigacinrealizada
enelreahacentradosuatencin,bsicamente,enlosfactores cognoscitivosinvolucradosen
laresolucin.
Segn Andre (1986), el proceso de resolucin de problemas puede describirse a partir de los
elementosconsideradosacontinuacin:
1. Una situacin en la cual se quiere hacer algo, pero se desconocen los pasos precisos
paraalcanzarloquesedesea.
2. Unconjuntodeelementosquerepresentanelconocimientorelacionadoconelproblema.
3. Elsolucionadordeproblemasosujetoqueanalizaelproblema,susmetasydatosyse
formaunarepresentacindelproblemaensusistemadememoria.
4. El solucionador de problemas que opera sobre la representacin para reducir la
discrepanciaentrelosdatosylasmetas.Lasolucindeunproblemaestconstituidapor
lasecuenciadeoperacionesquepuedentransformarlosdatosenmetas.
1. Al operar sobre los datos y las metas, el solucionador de problemas utiliza o
puedeutilizarlossiguientestiposdeinformacin:
a. Informacin almacenada en su memoria de largo plazo en forma de
esquemasoproducciones.
b. Procedimientosheursticos.
c. Algoritmos.
d. Relacionesconotrasrepresentaciones.
1. Elprocesodeoperarsobreunarepresentacininicialconelfindeencontrarunasolucin
al problema, se denomina bsqueda. Como parte del proceso de bsqueda de la
solucin,larepresentacinpuedetransformarseenotrasrepresentaciones.
2. La bsqueda contina hasta que se encuentra una solucin o el solucionador de
problemassedaporvencido.
>Etapasdelaresolucindeproblemas
Varios investigadores han analizado la actividadderesolucin de problemas y sealan que tal
actividad es un proceso que involucra una serie de etapas. Desde principios de siglo se viene
investigandosobre las fases en la resolucindeproblemas. Es as comoWallas (1926)seala
questasincluyenlassiguientes:
1. Lapreparacin,eslafaseenlacualelsolucionadoranalizaelproblema,intentadefinirlo
enformaclarayrecogehechoseinformacinrelevantealproblema.
2. La incubacin, es la fase en la cual el solucionador analiza el problema de manera
inconsciente.
3. Lainspiracin,eslafaseenlacuallasolucinalproblemasurgedemanerainesperada.
4. Laverificacin,eslafasequeinvolucralarevisindelasolucin.
>Representacinenlaresolucindeproblemas
Un aspecto importante a considerar en el proceso de resolucin de problemas es la
representacin. Esta consiste en la transformacin de la informacin presentada a una forma

msfcildealmacenarenelsistemadelamemoria,eincluyelaidentificacindelasmetasylos
datos.Larepresentacintambinhasidodenominadaespaciodelproblemaparareferirsealas
representacionesmentalesdelosindividuosacercadesuestructuraydeloshechos,conceptos
yrelacionesdelmismo.
Acontinuacinsepresentaunejemploparailustrarcmosepuederepresentarunproblemaen
lamemoria:

La tendenciams comn es que lamayorade losestudiantes puedandecir cuntas personas

lleganalaparadafinal,cuntassubieronocuntasbajaron,peromuypocosestnencapacidad
deindicarcuntasparadashayenlarutadelautobsdebidoaqueseleccionaronlainformacin
numricacomodatos importantesylarepresentaroninternamenteenlaformadeoperaciones
aritmticas.
Entrminosdelosprocesosinvolucradosenlaresolucindeproblemas,estosucedeporquela
meta del problema no estaba bien definida a pesar de que haba datos numricos explcitos
precisos. El nfasis sobre el nmero de personas que suben y bajan del autobs haceposible
que los estudiantes piensen que tienen que hacer algo con esos datos y, en tal sentido,
construyen unameta la cual se representa como el logro de una cantidad total. Esta decisin
conducealosestudiantesaseleccionarciertainformacincomorelevante(nmerodepersonas
quesubenybajandelautobs)eignorarotra(nmerodeparadasdelautobs).
KintschyGreeno(1985)sealanqueunaestrategiaadecuadapararesolverproblemasconsiste
en traducir cada oracin del enunciado del problema a una representacin mental interna y,
luego, organizar la informacin relevante en una representacin mental coherente de la
situacin descrita en dicho enunciado. En este sentido, se puede sealar que las
representacionesmentales,adecuadasoinadecuadas,utilizadasporlosindividuospararesolver
problemas,puedenfacilitaroinhibirlasolucin.
>Diferenciasenlasrepresentacionesdeexpertosynovatos
Enlaliteraturasobrelaresolucindeproblemas sepuedendistinguirdostendencias:unaque
enfatiza el proceso de resolucin y otra que resalta el conocimiento base del individuo que
resuelve el problema, particularmente la organizacin de ese conocimiento. En este sentido,
podrasealarsequehahabidouncambioenelfocodeintersenestarea,elcualhapasado
del anlisis de las estrategias generales ms o menos independientes de un dominio del

conocimientocomoeselcasodelospasossugeridosporPolya(1965)alconocimientobase
referidoalreaenlacualelindividuoresuelveelproblema,comoporejemplo,elconocimiento
de la matemtica, de la fsica o de la qumica, necesario para resolver problemas en estas
disciplinas.
Resolverproblemasenreasodominiosespecficosrequiere,porlotanto,delconocimientode
la disciplina involucrada. Sin embargo, se ha puesto en evidencia que la sola presencia del
conocimientoalmacenadoenelsistemadememoria,noimplicanecesariamentequestevaa
estardisponibleenelmomentoderesolverelproblema.
Enaosrecientes,losinvestigadoresenelreadelaresolucindeproblemashanexaminadola
ejecucindeindividuosentareasquerequierenmuchashorasdeaprendizajeydeexperiencia.
Los estudios sobre la experticia han focalizado su inters en el examen de las diferencias
experto/novatoendiferentesreasdelconocimiento.
Desdelosiniciosdeladcadadelosochenta,Chi,FeltovichyGlaser(1981)yChi,GlaseryRees
(1982),realizaronalgunosestudiosconelfindeexaminarelcomportamientodelosindividuos
expertosynovatoscuandoresuelvenproblemasdefsica.Alresumirlosdiversosexperimentos
de sus estudios,estos autores concluyen que lasdiferencias que caracterizan a los expertos y
losnovatoscuandoresuelvenproblemasdefsicasonlassiguientes:
1. Lasestructurascognoscitivas(esquemas)delosexpertos sebasanenprincipios fsicos
(porejemplo,elprincipiodelaconservacindelaenergaylasegundaLeydeNewton),
mientrasquelasdelosnovatossebasanenobjetos(porejemplo,planosinclinados)y
enconstructos(porejemplo,friccin,gravedad).
2. Los contenidos de los esquemas de los expertos y los novatos no difieren
significativamenteen informacin,sinembargo, las estructuras de los novatos carecen
de relaciones importantes que constituyen la base de las soluciones. En los expertos
existen vnculos entre la representacin del problema y los principios fsicos que
constituyen la base para resolverlo, mientras que en los novatos estos vnculos no
existen.
3. Las estructuras cognoscitivas de los expertos estn ordenadas jerrquicamente, de
arribahaciaabajo,conlosconceptosmsgeneraleseinclusoresenlapartesuperiordel
nivel de abstraccin, mientras que en los novatos, los diferentes niveles del
conocimientonoestnbienintegradosynohayaccesofcildeunnivelaotro.
Los resultados de los estudios realizados conducen a pensar que existen altos niveles de
competenciaentrminosdelainteraccinentrelaestructuradeconocimientodelsujetoysus
habilidadesdeprocesamiento,ysealanquelasrelacionesentrelaestructuradelconocimiento
base y los procesos en la resolucin de problemas estn mediadas por la calidad de su
representacin(GagnyGlaser,1987).
>Lasestrategiasderesolucindeproblemas
Lasestrategiaspararesolverproblemasserefierenalasoperacionesmentalesutilizadasporlos
estudiantes para pensar sobre la representacin de las metas y los datos, con el fin de
transformarlosenmetasyobtenerunasolucin.Lasestrategiasparalaresolucindeproblemas
incluyenlosmtodosheursticos,losalgoritmosylosprocesosdepensamientodivergente.
>A.Losmtodosheursticos
Losmtodosheursticos sonestrategias generales deresolucinyreglasdedecisinutilizadas
porlossolucionadoresdeproblemas,basadasenlaexperienciapreviaconproblemassimilares.
Estasestrategiasindicanlasvasoposiblesenfoquesaseguirparaalcanzarunasolucin.
De acuerdo con Monero y otros (1995) los procedimientos heursticos son acciones que
comportan un cierto grado de variabilidad y su ejecucin no garantiza la consecucin de un
resultado ptimo como, por ejemplo, reducir el espacio de un problema complejo a la
identificacindesusprincipaleselementos(p.20).

Mientras que Duhalde y Gonzlez (1997) sealan que un heurstico es un procedimiento que
ofrecelaposibilidaddeseleccionarestrategiasquenosacercanaunasolucin(p.106).
Losmtodosheursticospuedenvariarenelgradodegeneralidad.Algunossonmuygeneralesy
se pueden aplicar a una gran variedad de dominios, otros pueden ser ms especficos y se
limitanaunreaparticulardelconocimiento.Lamayoradelosprogramasdeentrenamientoen
solucinde problemas enfatizan procesos heursticos generales como los planteadospor Polya
(1965)oHayes(1981).
Los mtodos heursticos especficos estn relacionados con el conocimiento de un rea en
particular. Este incluye estructuras cognoscitivas ms amplias para reconocer los problemas,
algoritmosmscomplejosyunagranvariedaddeprocesosheursticosespecficos.
Chi y colaboradores (1981, 1982), sealan que entre el conocimiento que tienen los expertos
solucionadores de problemas estn los esquemas de problemas. Estos consisten en
conocimientoestrechamenterelacionadoconuntipodeproblemaenparticularyquecontiene:

Conocimientodeclarativo:principios,frmulasyconceptos.
Conocimiento procedimental: conocimiento acerca de las acciones necesarias para
resolveruntipodeproblemaenparticular.
Conocimiento estratgico: conocimiento que permite, al individuo solucionador del
problema,decidirsobrelasetapasofasesquedebeseguirenelprocesodesolucin.

diversosinvestigadoreshanestudiadoeltipodeconocimientoinvolucradoenlaresolucindeun
problema, encontrndose que los resultados apoyan la nocin de que la eficiencia en la
resolucin de problemas est relacionada con el conocimiento especfico del rea en cuestin
(Mayer, 1992 Stenberg, 1987). En este sentido, estos autores coinciden en sealar que los
tiposdeconocimientonecesariospararesolverproblemasincluyen:

Conocimientodeclarativo:porejemplo,saberqueunkilmetrotienemilmetros.
Conocimientolingstico:conocimientodepalabras,frases,oraciones.
Conocimiento semntico: dominio del rea relevante al problema, por ejemplo, saber
que si Alvaro tiene 5 bolvares ms que Javier, sto implica que Javier tiene menos
bolvaresqueAlvaro.
Conocimientoesquemtico:conocimientodelostiposdeproblema.
Conocimiento procedimental: conocimiento del o de los algoritmos necesarios para
resolverelproblema.
Conocimiento estratgico: conocimiento de los tipos de conocimiento y de los
procedimientosheursticos.

Ejemplodeproblema

Cuadro
TiposdeconocimientorequeridospararesolverunproblemasegnStenberg(1987)

P aso

Tiposde

2.

Ejem plos

conocimiento
Javiertienetresbolvaresms
Repres entacin
delpro blem a

Lingstico

queAlvarosignifica:J=A+
3.
Unfuerteequivalea5

Traducci n

Declarativo

bolvares.
Problemadecomparacin,

I ntegraci n

Procedimental

consistenteendossubunidades
yunasupraunidad.

Solucindel

Tiposde

problema

conocimiento

Entrelosprocedimientosheursticosgeneralessepuedenmencionarlossiguientes:

Trabajarensentidoinverso(workingbackwards).Esteprocedimientoimplicacomenzar
aresolverelproblemaapartirdelametaometasytratardetransformarlasendatos,
yendodelametaalprincipio.Elprocedimientoheursticoesutilizadoengeometrapara
probaralgunosteoremassepartedelteoremaysetrabajahacialospostulados.Estil
cuandoelestadometadelproblemaestclaroyelinicialno.
Subir la cuesta (hill climbing).Esteprocedimiento consisteen avanzardesde elestado
actualaotroqueestmscercadelobjetivo,demodoquelapersonaqueresuelveel
problema, alencontrarse en unestadodeterminado, evalael nuevo estadoenelque
estardespusdecadaposiblemovimiento,pudiendoelegiraquelqueloacerquemsal
objetivo.Estetipodeprocedimientoesmuyutilizadoporlosjugadoresdeajedrez.
Anlisismediosfin(meansendsanalysis).Esteprocedimientopermitealqueresuelveel
problema trabajar en un objetivo a la vez. Consiste en descomponer el problema en
submetas,escogerunaparatrabajar,ysolucionarlasunaaunahastacompletarlatarea
eliminandolosobstculosqueleimpidenllegaralestadofinal.SegnMayer(1983),el
que resuelve el problema debe hacerse las siguientes preguntas: cul es mi meta?,
quobstculostengoenmicamino?,dequdispongoparasuperarestosobstculos?
En el estudio de Larkin, McDermott, Simon y Simon (1980), se encontr que los
estudiantes de un curso introductorio de fsica utilizaban el anlisis mediosfin para
resolverproblemas,mientrasquelosfsicosmsexpertosutilizabanotroprocedimiento
queevitabalacreacindemuchasmetas.

>B.Losalgoritmos
Los algoritmos son procedimientos especficos que sealan paso a paso la solucin de un
problema y que garantizan el logro de una solucin siempre y cuando sean relevantes al
problema.
Monereoyotros(1995)sealanqueunprocedimientoalgortmicoesunasucesindeacciones
que hay que realizar, completamente prefijada y su correcta ejecucin lleva a una solucin
seguradelproblemacomo,porejemplo,realizarunarazcuadradaocoserunbotn(p.20).

Por otra parte, Duhalde y Gonzlez (1997) sealan que un algoritmo es una prescripcin
efectuadapasoapasoparaalcanzarunobjetivoparticular.Elalgoritmogarantiza laobtencin
deloquenosproponemos(p.106).
Deestamanera,elalgoritmosediferenciadelheursticoenqueesteltimoconstituyeslouna
buenaapuesta,yaqueofreceunaprobabilidadrazonabledeacercarnosaunasolucin.Porlo
tanto, es aceptable que se utilicen los procedimientos heursticos en vez de los algortmicos
cuandonoconocemoslasolucindeunproblema.
>C.Losprocesosdepensamientodivergente
Los procesos de pensamientodivergentepermiten la generacin de enfoques alternativos a la
solucindeunproblemayestnrelacionados,principalmente,conlafasedeinspiracinyconla
creatividad.
Laadquisicindehabilidadespararesolverproblemashasidoconsideradacomoelaprendizaje
de sistemas de produccin que involucran tanto el conocimiento declarativo como el
procedimental. Existen diversosprocedimientosque pueden facilitar o inhibir la adquisicin de
habilidadespararesolverproblemas,entreloscualessepuedenmencionar:

Ofreceralosestudiantesrepresentacionesmetafricas.
Permitirlaverbalizacindurantelasolucindelproblema.
Hacerpreguntas.
Ofrecerejemplos.
Ofrecerdescripcionesverbales.
Trabajarengrupo.
Utilizarautoexplicaciones.

>Factoresqueafectanlaresolucindeproblemas
Desde laperspectivadelenfoque cognoscitivo, se han revisado los factores que influyen en el
proceso de resolucin de problemas. Existen algunas categoras que permiten agrupar estos
factoresen:relacionadosconlosprocesosdependientesdelsujetoyambientales.
>Factoresrelacionadosconlosprocesos
Los procesos mentales desarrollados por los individuos, mientras resuelven un problema, han
sidoobjetodeestudioporpartedelosinvestigadoresdelparadigmacognoscitivo.Porejemplo,
la mayor parte de las investigaciones en el rea de la matemtica, directa o indirectamente,
tienen por objeto analizar y generar modelos que reflejen los procesos subyacentes a la
ejecucindelossujetos.
DentrodeestemarcoseencuentranlostrabajosdeSuppesyGroen,quienesdesde1967sehan
dedicado a explorar cmo los nios de los primeros grados de educacin bsica resuelven
problemasdesumaconnmerosmenoresdediez.Estosautoreshanexaminadovariosmodelos
y, a partir de sus trabajos, se han estudiado muchos otros procesos aritmticos, como la
sustraccin,lamultiplicacin,ladivisin,lasoperacionesconfracciones.
Talesmodelossehanextendidoparaintentarexplicarotrosprocesos.
Enelanlisisdelosprocesosinvolucradosenlaresolucindeproblemas,eslaaritmticamental
(anlisiscronomtrico)latcnicaquemejorinformacinhagenerado.Enesencia,estatcnica
consisteenmedireltiemporequeridoporunsujetoparadarrespuestaaunproblema.Separte
delsupuestodequeestetiempoestenfuncindelosprocesoscognoscitivosinvolucradospara
resolverelproblema.
El estudio de Groen y Parkman (1972) ilustra, de alguna manera, este tipodeanlisis. En su

estudio,estosautorespresentaronaniosdeprimergradoproblemasdeadicinylespidieron
emitir la respuesta en el tiempo ms breve posible. Los autores comprobaron que los datos
obtenidos se ajustaban, en primer lugar, al algoritmo simple de la suma, el cual consiste en
tomarelvalordelsumandomayoreiraadiendohaciaarribaelnmero
>M etodologasparaelanlisisdeprocesos
Analizarprocesosenelreadelaresolucindeproblemases unatareaquepresentaalgunas
dificultadesmetodolgicas,particularmenteporelhechodequelosprocesosnosonobservables
sino inferibles a partir de la ejecucin del sujeto que resuelve el problema. Las metodologas
existentesparaelanlisisdeprocesossehandesarrollado,fundamentalmente,enelcampode
la matemtica, siendo algunas de ellas las siguientes: la aritmtica mental, el anlisis de
protocolos,losestudiosclnicosodecasos,laentrevistaindividualyelanlisisdelospatrones
deerrores.
>Laaritmticamental
Losanlisisdeltiempodereaccinsehanaplicadoconxitoenelexamendetareassimplesy
relativamente directas tales como juzgar ms que y menos que, juzgar si una ecuacin
numricasimpleescorrectaono,ocalcularhechosnumricosdeunsolodgito.Peroenestas
tareas,laejecucinsigueunconjuntobastanteestrictoylimitadodereglas oalgoritmos,yse
realizan rpidamente sin mucho procesamiento consciente por parte del individuo que las
ejecuta.
Latcnicasuponelaexistenciademodeloshipotticosdeltiempoydelospasosrequeridospara
resolver el problema, el cual se divide en pequeas unidades discretas denominadas
operaciones. Uno de los supuestos principales es que el tiempo requerido para resolver un
problemaestenfuncindelnmerodepasosinvolucrados.
Las limitaciones de los estudios cronomtricos tienen que ver con algunos de los supuestos
siguientes: 1) los individuos no siempre son consistentes en el uso de las estrategias que
utilizan,aunquesetratedeproblemasidnticososimilaresy2)noexisteunacomprobacinlo
suficientementerobustaqueevidenciequelostiemposparacadapasoseanconstantes.
>Elanlisisdeprotocolos
Cuandolastareassonmscomplejas,cuandohayvariospasosquerealizar,cuandosepueden
seguirestrategiasalternativasdesolucinocuandolaspausasyreconsideracionessonusuales
eneltranscursodeunasolucin,los tiemposdereaccinnoconstituyenunmtodoapropiado
deanlisis.Paraexaminarlaejecucindelosindividuosenestetipodetareamscompleja,se
utilizalatcnicadelanlisisdeprotocolos.
Los esquemas de protocolos se refieren a la produccin 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 reas de la inteligencia
artificial (IA) y en laenseanza de lamatemtica.En IA, el anlisis de protocolos tiene como
propsitoeldescubrimientodelasregularidadesdelaconductadequienresuelveelproblema.
Losprotocolos,porlogeneral,setraducenenprogramasquesimulan,atravsdelcomputador,
elcomportamientoidealdelsujeto.
Enel rea de lamatemtica, losprotocolos tienencomopropsito realizar anlisis cualitativos
quepermitandescribirlasestrategiastilesodocumentaracercadesuniveldeefectividad.Ya
en 1967, Kilpatrick dise un protocolo riguroso que sirvi de paradigma a muchos otros
desarrollados a posteriori. En dicho protocolo se esquematizan diversas conductas heursticas
consideradas importantesenlaresolucindeproblemasmatemticos.Elniveldeanlisisdebe
serloms precisoposibleyunavezdefinidalasecuencia,stapuedeconvertirseensmbolos
loscuales,posteriormente,sirvencomofuentededatosparaanlisisestadsticos.

Aunquelosprotocoloscodificanbsicamenteconductasobservablesensecuencia,stospueden
ser enriquecidos por otras tcnicas complementarias tales como pensar en voz alta o las
autoexplicaciones. Es decir, la conducta implcita puede ser explicitada por el individuo. Las
tcnicas complementarias deben ser consideradas con cierta cautela, pues en nios pequeos
las verbalizaciones suelen ser bastante limitadas y cargadas de omisiones y distorsiones. Se
recomiendasuusoenadultosyenestudiantesdegradossuperiores.
>Losestudiosclnicosodecasos
Esta tcnica de anlisis ha sido promovida por la escuela rusa. Kantowski (1978) describe en
qu consiste: 1) el diseo no es experimental, 2) se trata de un estudio longitudinal, 3) se
intentacaptarprocesosycmoestossedesarrollan,4)eldocentenoes unavariablecontrol,
por el contrario, constituye un elemento vital del ambiente, 5) los anlisis cualitativos de los
datossonmsimportantesqueloscuantitativos.
Losestudiosclnicossonexperimentosdesarrolladosenambientesnaturales,dondesepretende
explorartodalariquezayladiversidadquenormalmenteexigelaescuelaylosprocesosqueen
ellasedesarrollan.
Elresurgimientodelatcnicadeestudiosdecasossedebe,entreotrascausas,alimpulsodado
porPiaget,laescuelarusaylascontribucionesdeotrasdisciplinascomolapsicologasocial,la
antropologa,etc.Estametodologahaprobadosereficienteparacomprobarhiptesis,replicar
experienciasyhacerpredicciones.
>Laentrevistaindividual
Una manera directa de indagar acerca de los procesos es a travs de la entrevista. Por lo
general, se presentan los problemas a los individuos en forma individual, y a partir de los
registros de observacin de su comportamiento algunas preguntas formuladas por el
entrevistador y de las respuestas del entrevistado se infieren los procesos. Existen ciertas
limitacionesaestatcnica.Unadeellasesquelasexplicacionesdadasporlosniosnosuelen
sermuyprecisas y,enconsecuencia,puedennoreflejarlosprocesos desarrolladoslaotraes
que las inferencias extradas por el entrevistador pueden presentar un alto grado de
subjetividad.
Elanlisisdeerrores
Estatcnicahasidomuytileneldiagnsticodeloserroresydificultadesencontradasporlos
nios,sobretodoenlaresolucindeproblemasaritmticosdetipoverbal.
Las destrezas aritmticas involucradas en la resolucin de problemas de suma y de resta son
procedimentales por naturaleza, por lo que estos tipos de tareas permiten observar, con
bastanteclaridad,erroressistemticosdetipoprocedimental.Loserroresdelosaprendicesson
sistemticos cuando existe un procedimiento que genera el error. Brown y VanLehn (1980)
sealanqueencasitodosloscasos,sehaencontradoqueloserroressistemticosconsistenen
desviacionesmenoresdelprocedimientocorrecto(p.380).
Loserrorescometidosporlosniosenproblemasdeadicinysustraccinhansidoclasificados
como errores inconscientes, sistemticos o aleatorios (Brown y Burton, 1978). De estos tres
tipos de errores, el error aleatorio es el ms difcil de remediar porque no sigue un patrn
determinado,yaquepuededeberseafaltadeconocimientosobrehechosbsicosoafallasenel
procedimiento.
El estudio de Brown y Burton (1978) tuvo como objetivo examinar ejemplos de patrones de
erroresgeneradosapartirdeunprogramadiagnsticosimuladoporcomputadoradenominado
Buggy. Este programa consiste en una enumeracin extensa de errores sistemticos en los
cuales incurren los nios cuando resuelven problemas de sustraccin de varios dgitos. Al
analizar los detalles de los procedimientos utilizados en problemas de resta, pudieron no slo

predecirlamayoradeloserrorescometidosporlosestudiantes,sinotambinidentificareltipo
deerrorysusistematicidad.Considrenselossiguientesejemplos:
45782924216
272517515
22531233241
Podra decirse que este estudiante sabe algo sobre restar con varios dgitos, pero aplica
incorrectamentelareglaqueindica:siempreserestaelnmeromenordelnmeromayoren
estecaso,enparticular,elestudiantelaaplicasinimportarsielnmeromayorestenlafilade
arribaoenladeabajo.Aplicacionesincorrectasdereglascomostassonlasqueconducenalos
estudiantesacometereltipodeerrorconsideradoenelejemploanterior.
Es importante, entonces, que nosotros, como docentes, estemos atentos a los procedimientos
que utilizan nuestros estudiantes para resolver tareas matemticas como las antes
ejemplificadasyresaltarquecuandoseaplicanreglasoalgoritmospararesolverdichastareas
es necesario saber tambin cundo se deben aplicar. Aqu entrara en juego no slo el
conocimientodeclarativoyelprocedimentalsinotambinelestratgico
>Adquisicinydesarrollodeestrategiasderesolucindeproblemasenmatemtica
Uno de los principales objetivos de la enseanza de la matemtica, ha sido desarrollar en los
estudiantes ciertos niveles de experticia que les permitan resolver problemas de manera
eficiente,particularmenteaquellosdenaturalezaverbal.Entalsentido,tantolaenseanzacomo
elaprendizajedelamatemticahanconstituidounapreocupacinconstantedelosdocentes,los
padresyrepresentantes,losestudiantesylosadministradoresdelaeducacin,nosolamenteen
nuestropassinotambinenotrospasesdelmundo.EnlosEstadosUnidos,porejemplo,uno
de los seis objetivos educacionales para el ao 2000 es lograr que los estudiantes
norteamericanosocupenelprimerlugar,anivelmundial,enlasreasdematemticayciencia
(DepartamentodeEducacin,OficinadeInvestigacinEducativaydeMejoramiento,1991,pp.
34,citadoenMayer,1992).
En nuestro pas, han sido innumerables los esfuerzos por superar las deficiencias de nuestros
estudiantes, particularmente en el campo de la matemtica. Tales esfuerzos han sido
desarrollados desde el Centro Nacional para el Mejoramiento de la Ciencia (CENAMEC),
institucin que se ha dedicado por ms de veinticinco aos a la realizacin de actividades
dirigidasadocentesyestudiantesdelosdiferentesnivelesdenuestrosistemaeducativo,conel
findemejorarlacalidaddelaenseanza yelaprendizajedelamatemtica,ademsdeotras
reasdelsaber.
Los resultadosdediversosestudios realizados hanpermitidodeterminar lasdificultades de los
estudiantesalresolverproblemas.Entreellassepuedenmencionarlassiguientes:

Poco dominio de procedimientos heursticos, generales y especficos, para resolver

problemas.
Bajoniveldeanlisisoanlisissuperficialdelasituacinproblemticaplanteadaenel
enunciadodelproblema.
Dificultad para planificar el procesode resolucindel problema: representacin mental
delenunciadodelproblema,aislamientodelainformacinrelevante,organizacindela
informacin, planificacin de estrategias de resolucin, aplicacin de procedimientos
adecuados, verificacin de la solucin, revisin y supervisin de todo el proceso de
resolucin.
Ausencia de conocimiento metacognoscitivo, lo cual le impide tener conciencia de los
procesosyestrategiasqueutilizaparalaresolucindelproblema ycorregirlosencaso
desernecesario.
Tendencia a operar directamente sobre los datos explicitados en el enunciado del

problema.
Dificultad para encontrar los datos intermedios, no explcitos en el enunciado del
problema.
Tendencia a mantenerse dentro de lo que exige el problema, sin ir ms all de su
planteamiento.
Bajos niveles afectivos y motivacionales hacia la matemtica y hacia la resolucin de
problemas.
Desconocimientoacercadelostiposdeconocimientoinvolucradosenlaresolucindeun
problema.
Desconocimiento de las etapas y de los pasos generales que se pueden seguir para
resolverunproblema.

Estos hallazgos han constituido el centro de la preocupacin por parte de todos aquellos
involucrados en la enseanza de la matemtica y se ha concluido que ellos son la causa, en
primer lugar, del fracaso consistente y generalizado por parte de los estudiantes en la
adquisicin de las habilidades matemticas 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 matemtica y/o algebraica en tercer lugar, del
desconocimientodelaimportanciadelamatemticaparalavidacotidianayotrasdisciplinasy
finalmente,deldesconocimientodequelamatemticanosloconstituyeunreaespecficadel
conocimientosinoqueestvinculadaconlaestructuradepensamientodelosindividuos.
Elreadelaresolucindeproblemas,especficamenteenelcampodelamatemtica,hasido
objetodeintersporlasdiferentescorrientesdelpensamientoquehandominadolateorayla
prctica educativa. Durante muchos aos, el enfoque asociacionista enfatiz los principios
generales del aprendizaje, particularmente la ley del efecto y la ley del ejercicio. Tanto la
ejercitacincomolaprcticahantenidounpapelfundamentalenlahistoriadelaenseanzade
la matemtica, especialmente, en la aritmtica. En un momento fue el medio principal de
instruccin,sinembargo,hoyenda,ambasformanpartedelcurrculodematemtica,aunque
acompaadas de experiencias concretas y explicaciones de los principios matemticos
subyacentes.
Desde el punto de vista del enfoque cognoscitivo, sin embargo, se ha enfatizado el papel del
razonamientoquepermite al sujeto que resuelve el problema,comprenderlo, disear un plan,
llevarloacaboysupervisarlo(Mayer,1992).Esteenfoque,segnSchoenfeld(1985),representa
un cambio de nfasis en la enseanzade la matemtica ya queen vez de preguntar cules
procedimientos debe dominar el aprendiz?, la pregunta debe ser: qu significa pensar
matemticamente?. En vez de enfatizarse el producto de la resolucin del problema (obtener
unresultadocorrecto),esteenfoquesugiereenfatizarelprocesoderesolucin(qusucedeenla
mentedelestudiantecuandoresuelveunproblema).
>P roblemasdenaturalezaverbal
Existe consenso entre los investigadores en relacin con la dificultad que presentan los
problemasaritmticosexpresadosenpalabras,esdecir,denaturalezaverbal(Hegarty,Mayery
Monk,1995).
Lasteorassobrelacomprensindellenguaje(KintschyvanDijk,1978NormanyRumelhart,
1975)soncongruentesconlosestudiossobrelaestructuratextualespecficadeproblemasde
tipo verbal. Estos estudios han evidenciado que estos problemas, en aritmtica o en lgebra,
deben tratarse como un gnero especial de texto que utiliza el conocimiento del lenguaje del
sujeto pero que, en contextos matemticos, requiere una interpretacin especial. Los autores
sealanqueeslacomplejidaddeltexto,msquelasoperacionesmatemticasinvolucradas,lo
queinfluyeenelprocesamientodelproblema.
Carpenter(1985)encontrquelasprincipales variablessondenaturaleza lingstica,es decir,
variables denaturaleza sintctica osemntica. Entre las variables sintcticasse encuentranel
nmero de palabras, la secuencia de la informacin y la presenciade algunaspalabras claves
que puedan sugerir la realizacin de alguna operacin matemtica. Sin embargo, este autor

considera que las variables semnticas son ms importantes porque determinan los procesos
utilizadosporlosaprendicesenlaresolucindeproblemasaritmticosdetipoverbal.
Resolver este tipo de problema implica construir una representacin de las palabras del
problemayencontrarlasolucinutilizandolasreglasdelaaritmticaodellgebra.Unadelas
dificultadesquepresentanlosindividuosenlaresolucindeproblemasdetipoverbalpareceser
la representacin del problema, es decir, salirse del lenguaje (palabras, frases, oraciones) del
problemaaunarepresentacinmentalcoherentedelmismo.Unsubcomponenteimportanteen
el proceso de representacin para problemas de tipo verbal es la traduccin de cada oracin.
Existeciertaevidenciaquesealaquelahabilidadparatraducirproposicionesincrementaconla
edad.
Otroaspectoenlarepresentacindeproblemasdetipoverbalesreconocertiposdeproblemas.
ElestudiodeGreeno(1980)sealaquelosniosaprendenacategorizarproblemasentipos,es
decir,adquierenloquesehadenominadoesquemasdeproblemas,yenconsecuencia,pueden
decidirculoperacinmatemticarealizarparaalcanzarlasolucindelproblema.
Hinsley,HayesySimon(1977)encontraronqueamedidaquelosestudiantesleenlasprimeras
palabrasdelenunciadodeunproblema,tiendenatomarunadecisinenrelacinconeltipode
problemaquees.Estosautorespidieronaestudiantesuniversitariosclasificardiferentestiposde
problemasencategoras.Losresultadospermitieronidentificardieciochocategoras,talescomo
trabajo, movimiento, inters, tringulos, etc. Los sujetos pudieron realizar la tarea de
clasificacin de los problemas evidencindose de esta manera que poseen esquemas para
problemasdetipoverbal.
Porsuparte,Mayer (1981)analiz los problemas de tipo verbalde varios textos delgebra y
encontrcientiposdeproblemasbsicos.Algunoseranmuycomunes(diezvecesporcadamil
problemas), mientrasque otroseran muy poco frecuentes omuy raros (una vezpor cadamil
problemas).Enunestudioposterior,esteautorpidialosestudiantesqueleyeranytratarande
recordarunaseriedeproblemasdetipoverbal.Losproblemasconaltafrecuenciageneraronun
nivelderecuerdomselevadoquelosdebajafrecuencia.
Desde el inicio de la dcada de los ochenta, varios autores se han dedicado al estudio de la
estructurasemnticadeproblemasaritmticos verbales.CarpenteryMoser(1984)clasificaron
estos problemas en trminos de cuatro operaciones bsicas: cambiar, combinar, comparar e
igualar. Las cuatro operaciones determinan cuatro tipos de problemas cuyo nivel de dificultad
diferirdependiendodelaoperacinrequerida(VerCuadro3).
Losproblemasdecambiosecaracterizanporlapresenciadeunaaccinimplcitaoexplcitaque
modificaunacantidadinicialypuedenresolversejuntandooseparandoobjetos.Enelcaso
de un problema que implique cambio juntando objetos, hay una cantidad inicial y una accin
directa o implcita que causa un incremento en su cantidad. Cuando el cambio es separando
objetos,existeunconjuntodadoyunsubconjuntoquedebeserremovidodelconjuntomayor
produciendo un decremento. En ambos casos, los cambios ocurren en el tiempo. Existe una
condicininicial(C1)lacualesseguidadeuncambio(C2)queproduceunresultadofinal(C3).
(VerCuadro3paralosejemplosqueilustranestetipodeproblema).

Cuadro3ClasificacindeproblemasdetipoverbalsegnCarpenteryMoser(1984)

a)Connietena5metros.Jim b)Connietena13metros.Le
ledio8ms.Cuntosmetros dio5aJim.Cuntosmetros
tieneConnieentotal?
lequedan?

c)Connietiene5metras.
d)Connietena13metoas.Le
Cuntosmetrosmsnecesita dioalgunasaJimyahorale
paratener13?
quedan8.Cuntosmetrosle
dioConnieaJim?

e)Connietenaalgunos
metros.Jimledio5msy
ahoratiene13metros.
CuntosmetrostenaConnie
alprincipio?

f)Connietenaalgunos
metros.Ledio5aJim.Ahora
lequedan8.Cuntosmetros
tenaConniealprincipio?

COMBINAR

COMBINAR

g)Connietiene5metrosrojas h)Connietiene13metros.
y8azules.Cuntosmetros Cincosonrojasyelrestoes
tieneentotal?
azul.Cuntosmetrosazules
tieneConnie?
COMPARAR

COMPARAR

i)Connietiene13metrosy
j)Connietiene13metrosy
Jimtiene5.Cuntosmetros Jimtiene5.Cuntosmetros
mstieneConniequeJim?
menostieneJimqueConnie?

k)Jimtiene5metros.Connie
tiene8msqueJim.
Cuntasmetrostiene
Connie?

l)Jimtiene5metros.Eltiene
8metrosmenosqueConnie.
Cuntosmetrostiene
Connie?

m)Connietiene13metros.
Ellatiene5metrasmsque
Jim.Cuntosmetrostiene
Jim?

n)Connietiene13metros.
Jimtiene5metrosmenosque
Connie.Cuntosmetros
tieneJim?

IGUALAR

IGUALAR

o)Connietiene13metros.
Jimtiene5.Cuntosmetros
tienequeganarJimpara
tenertantosmetroscomo
Connie?

p)Connietiene13metros.
Jimtiene5.Cuntosmetros
tienequeperderConniepara
tenertantosmetroscomo
Jim?

q)Jimtiene5metros.Sil
gana8,tendrelmismo
nmerodemetrosquetiene
Connie.Cuntosmetros
tieneConnie?

r)Jimtiene5metros.Si
Conniepierde8metros,
tendrtantosmetroscomo
Jim.Cuntosmetrostiene
Connie?

s)Connietiene13metros.Si t)Connietiene13metros.Si
Jimgana5metros,tendr
ellapierde5,tendrtantos
tantoscomoConnie.Cuntos metroscomoJim.Cuntos
metrostieneJim?
metrostieneJim?

En losproblemas decambio, ya sea ste juntando o separando objetos, sepresentan tres

modalidades.Enlaprimera,sedalacantidadinicialylamagnituddelcambioyelsujetodebe
obtenerelresultado(Connietena5metras.Jimledio8ms.CuntasmetrostieneConnieen
total?). En lasegunda, se conoce lacantidad inicial y el resultado yel sujetodebe obtener la
magnituddelcambio(Connietiene5metros.Cuntosmetrosmsnecesitaparatener13?).En
laterceramodalidad,sedesconocelacantidadinicialysedanlosotroselementos(Connietena
algunos metros. Jim le dio 5 ms y ahora tiene 13 metros. Cuntos metros tena Connie al
principio?).
En los problemas de combinacin se proponen dos cantidades que pueden considerarse
aisladamenteocomopartesdeuntodo,sinqueexistaningntipodeaccin.Losproblemasde
combinacinpuedenserdedostipos:enelprimerosedandosconjuntosysepreguntaporel
resultado (Connie tiene 5 metros rojas y 8 azules. Cuntos metros tiene en total?) en el
segundo,sedalacantidaddeunconjuntoylacantidadtotalresultante,ysepreguntaporla
cantidad del otro conjunto (Connie tiene 13 metros. 5 son rojas y el resto es azul. Cuntos
metrosazulestieneConnie?).
Losproblemasdecomparacinpresentanlarelacinentredoscantidadesdistintas,yaseapara
establecer la diferencia entre ellas o para hallar una cantidad desconocida a partir de una
conocida y la relacin entre ellas. Una de las cantidades cumple funciones de referente y la
otra funciones de comparado (Jim tiene 5 metros. Connie tiene 8 metros ms que Jim.
Cuntosmetros tieneConnie?).Eltercerelementodelproblemaes ladiferenciaolacantidad
queexcedeentreambosconjuntos.Cadaunodeloselementospuedeservirdeincgnita.Los
problemasdeigualacin,porsuparte,contienenelementosdelosproblemasdecomparaciny
de cambio. En ellos se presenta una accin implcita basada en la comparacin de dos
cantidadesdistintas.(Paralosejemplos,verCuadro3).
Hegarty,MayeryMonk(1995)sehandedicadoaexaminarlas razonesporlas cuales algunos
estudiantestienenxitoalresolverproblemasdenaturalezaverbalparticularmenteaquellos
que contienen enunciados de tipo relacional, es decir, oraciones que expresan una relacin
numrica entre dos variables encontrando que el proceso de comprensin ocupa un papel
importanteenlaresolucindeestetipodeproblema.
Estos autores sealan que existen dos maneras de abordar tales problemas por parte de los
solucionadores:elenfoquedirectoyelenfoquesignificativo.
Enelenfoquedirecto,elsolucionadordeproblemasseleccionalosnmerosylostrminosclaves
detiporelacionalenelenunciadodelproblema (porejemplo,ms,menos)ydesarrollaun
plande resolucin, elcual involucra lacombinacinde losnmeros enel problema,utilizando
las operaciones aritmticas destacadas por las palabras claves por ejemplo, adicin, si la
palabra clave es ms o sustraccin, si la palabra clave es menos. De esta manera, el
solucionadorintentatraducirdirectamentelasproposicionesclavesenelenunciadodelproblema
a un conjunto de operaciones de clculo que generarn una respuesta y no construye una
representacin cualitativa de la situacin descrita en dicho enunciado. Se ha encontrado que
esteenfoqueesbastanteutilizadoporlossolucionadoresmenosexitosos.Estemtodotambin
ha recibido el nombre de calcule primero y piense despus (Stigler et al, 1990) y como el
mtododelapalabraclave(BriarsyLarkin,1984).

Enelenfoquesignificativo,elsolucionadordeproblemastraduceelenunciadodelproblemaaun
modelomentaldelasituacindescritaenl.Estemodelomentalseconvierte,entonces,enla
baseparalaconstruccindelplanderesolucin.
Mayer(1992)resaltalautilidaddediferenciarentrelosprocesosinvolucradosenlaconstruccin
deunarepresentacindeunproblemaylosimplicadosensuresolucin,yaquelainvestigacin
cognoscitivaenelaprendizajedelamatemticaalgunasvecesenfatizalosprocesos,talescomo,
procedimientosdeclculoyestrategiasderesolucin.
En este sentido, Hegarty, Mayer y Monk (1995) proponen que el proceso de comprensin
involucradoenlosproblemas denaturaleza verbalabarcalassiguientes fases:1)construccin
de un texto base, 2) construccin de una representacin matemtica y 3) construccin de un
planderesolucin.
Etapa1:Construccindeuntextobase
Estaetapasuponequeeltextoenunproblemamatemticoseprocesaporpasos.Encadapaso
el solucionador lee una oracin, es decir, una clusula que expresa un trozo de informacin
acerca de unade las variables o valores en elproblema. En laconstruccindel textobase, el
solucionadordeberepresentarelcontenidoproposicionaleintegrarloconlaotrainformacinen
surepresentacindelproblema.Enesteproceso,elsolucionadorpuedeutilizarconocimientode
los tipos de enunciados que ocurren en problemas matemticos (Mayer, 1981). Este incluye:
asignaciones que expresan un valor para una variable, relaciones que expresan la relacin
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 5bolvares menos que enel supermercado B.Si ustednecesitacomprar 4
panelitasdemargarina,cuntolecostarcomprarlasenelsupermercadoB?
Asignacin1:CostodelapanelitademargarinaenelsupermercadoA,Bs.65.
Relacin: Costo de la margarina en el supermercado B, 5 bolvares ms que en el
supermercadoA.
Asignacin2:Margarinaqueustednecesita,4panelitas.
Pregunta:CostototaldelamargarinaenelsupermercadoB.
Etapa2:Construccindeunarepresentacinmatemtica
Enestasegundaetapadecomprensin,elsolucionadoresguiadoporelobjetivoderesolverun
problemamatemticoyconstruyeunarepresentacin.Esenestaetapaquelossolucionadores
sediferencianporqueescogenunenfoquediferente:eldirectooelsignificativo.
Enelenfoquedirecto,estasegundaetapaconsisteenqueelsolucionadortomaladecisindesi
el enunciado procesado contiene un hecho clave, por ejemplo, un nmero como 65 o una
palabra clave como ms o menos en el enunciado del problema sobre las panelitas de
margarina. En el enfoque significativo, los solucionadores intentan construir un modelo del
problemaymodificanelformatodesurepresentacin:deunabasadaenproposicionesaotra
basadaenobjetos.
Etapa3:Construccindeunplanderesolucin
Una vez que el solucionador ha representado la informacin que cree relevante para la
resolucin del problema, est listo para planificar los clculos aritmticos necesarios para
resolverlo. En el caso del problema sobre el precio de las panelitas de margarina, el plan
correcto es primero aadir 5 bolvares al precio de las panelas en el supermercado A y
entonces multiplicar el resultado de este clculo por cuatro. Un solucionador que utilice el
enfoque directo basar su resolucin en palabras claves como menos y en los nmeros del

problema. Debido a que menos se asocia con la sustraccin, el solucionador probablemente

generar una solucin incorrecta, esdecir, restar 5 bolvares del precio de la panelita de
margarina,enlugardeaadrselos.
Para concluir esta seccin, es conveniente sealar lo siguiente: los problemas aritmticos de
naturaleza verbal son ms difciles de resolver que los presentados en forma matemtica,
porque demandan del sujeto solucionador del problema el desarrollo de otros procesos
diferentes a los del clculo y la ejecucin. Los problemasde naturaleza verbal, comosugieren
Hegarty, Mayer y Monk (1995), implican la construccin de un texto base a partir del
procesamientodelenunciadodelproblema,laconstruccindeunarepresentacinmatemtica,
esdecir,salirsedellenguajedelproblemayutilizarlasreglasdelaaritmticaodellgebray,
finalmente, la construccin de un plan de resolucin que permita obtener la solucin del
problema.
>Estrategiasdeadicin
Existentresnivelesdeestrategiaspararealizaradicionesysustracciones:modelamientodirecto
conobjetosoconlosdedos,conteodesecuenciasyhechosnumricos.
Enlasoperacionesdesumasrealizadaspormodelamientodirecto,losniosutilizanlaestrategia
decontartodos.Estaestrategiaconsisteenutilizarobjetos (palitos,granos,entreotros)olos
dedos como formas para representar los elementos de los conjuntos. Seguidamente, se
comienzaacontartodosycadaunodeloselementosdeambosconjuntosunidos.Contartodos
los elementos es una estrategia temprana que utiliza el nio. Por ejemplo, para un problema
comoM+N=?(3+2=5),laestrategiadelnioescomenzardesdecero,luegoincrementar
MvecesyluegoNveces.diversosestudiosrealizadoshanencontradoqueunaltoporcentajede
nios,entre6y8aos,utilizanestaestrategialamayorpartedeltiempo.
Tericamente, existen dos formas posibles para desarrollar esta estrategia. Una vez que los
conjuntos son construidos,el nio fsicamente puede juntar losdos conjuntos y,cuandoestn
unidos,comenzaracontarlasunidadesopuedecomenzaracontarlassinunirfsicamentelos
conjuntos.Algunosnios utilizandiversasformasdeorganizacindeloselementos,peroestos
arreglosnoreflejancambiosenlaestrategia.
El segundo nivel lo constituye el conteo hacia adelante, es decir, contar partiendo del primer
sumandoodel sumando mayor. Esta estrategia es mseficiente y menosmecnicaque la de
modelamientodirecto.Elniosehadadocuentadequenoesnecesarioconstruirlasecuencia
completaparacontar.Contarhaciaadelanteesunaestrategiamssofisticadaquelaestrategia
desimpleconteo.ParaunproblemadeltipoM+N=?,laestrategiaescomenzarconMyluego
incrementarNveces(contarapartirdelprimersumando).Porejemplo,para4+3=?,elnio
comienzaporcuatroyluegocuentacinco,seis,siete,larespuestaessiete.
Laresolucindeproblemasaritmticos nosloseobtienepormodelamientooporconteo.Los
niosaprendenunacantidaddehechosnumricostantoenlaescuelacomofueradeellaylos
aplican para resolver problemas diferentes. El estudiante memoriza una respuesta para cada
problemasimple,talcomo4eslarespuestaa2+2.Hechosdeestanaturalezasonaprendidos
inclusoantesdeestudiarlatabladesumarysehandenominadohechosnumricosconocidos.
La etapa de los hechos derivados se refiere a la fase en la cual el estudiante utiliza el
conocimientodealgunoshechosnumricosparaobtenerlarespuestaaproblemas.Porejemplo,
para el nio que aprendi que 6 + 6 = 12, su recuperacin es prcticamente automtica. Si
posteriormentedeberesolver6+8=?,lopodrresolverdelamanerasiguiente:6+8=6+
(6+2)=(6+6)+2=12+2=14.Otramaneraseraqueelalumnoyasabeque6+6es
igualadoceyqueparallegaracatorcelefaltandos,as,cuentadocems uno=trece,ms
uno=catorce.
Suppes yGroen(1967)propusieroncincomodelossobrecmolosniossumandos conjuntos
porconteo.LaXencadamodelorepresentalavariablerepetidaenelconteo.

Cuadro4ModelosdeadicinsegnSuppesyGroen(1967)
Mo delo1.X=M+N

Estemodelosugiereque
secuentatantasveces
comolasumadelos
nmerosdados.Por
ejemplo,2+6=?,se
podradecir:1,21,2,
3,4,5,6,es1,2,3,4,
5,6,7,8.Larespuesta
es8.

Mo delo2.X=M

Estemodelosugiereque
alsumar,secuentael
primernmeropartiendo
delsegundosumando.
Porejemplo,2+6=?,
sepodradecir:6,7,8.
Larespuestaes8

Mo delo3.X=N

Estemodelosugiereque
secuentasolamenteel
segundonmero
partiendodelprimer
sumando.Porejemplo,2
+6=?,sepodradecir:
3,4,5,6,

7,8,esdecir,se
empiezaacontardesde
3.Larespuestaes8.
Modelo4.X=max
(M,N)

Modelo5.X=min
(M,N)

Estemodelosugiereque
alsumar,sesumael
nmeromayorpartiendo
delmenor.

Estemodelosugiereque
secuentaelnmero
menorpartiendodel
mayor.

>Estrategiasdesustraccin
Enlasoperaciones desustraccinsedanbsicamentelosmismosnivelesqueparalaadicin:
modelamientodirecto utilizandoobjetoso los dedos, conteo y recuperacinapartirde hechos
numricos. En relacin con los dos primeros niveles, los nios pueden utilizar diversas
estrategiascomolasdescritasenelcuadro5.
Laestrategiaseparardeimplicaunprocesodesustraccin.Enprimerlugar,serepresentala
cantidad mayor (minuendo) y, posteriormente,se le quita la cantidad menor (sustraendo). La
respuestaseobtienecontandolosobjetosnoseparadosdelconjuntomayor.

Lasestrategiasdeconteosonparalelasalasestrategiaspormodelamientodirecto.Ladiferencia
msimportanteesqueenelmodelamientoelniorealizalasoperacionesmanipulandoobjetos.
Los objetos concretos le brindan ms seguridad en el desarrollo de las operaciones, pero el
proceso cognoscitivo es similar. Enel niveldeconteo, laestrategia paralela a separardees
contarhaciaatrsapartirde.Elniotomacomopuntodepartidaelnmeromayorydeall
comienzaacontarhaciaatrs.Porejemplo,8
4=?,elniocomienzacon8,menos uno7,menosuno6,menosuno5,menosuno4.La
respuesta es 4. Esta secuencia contiene tantas denominaciones (nombres de nmeros) como
indicaelnmeromenor(sustraendo).Elltimonmerodelasecuenciaeslarespuesta.
La estrategia separar a es muy similar a la estrategia separar de, exceptuando que en la
primerasevanremoviendodelconjuntomayortodosloselementosnecesarioshastaigualarel
nmerodeobjetosnoremovidosconelnmerodeelementoscontenidosenelconjuntomenor.
Larespuestaseobtienecontandoelnmerodeelementosremovidos.
Cuadro5Estrategiasdesustraccin
TIPO

DESCRIPCIN

MODELAMIENTO
DIRECTO
Consisteenrepresentarlacantidad
mayorusandoobjetosodedos.Aesta
cantidadselequitalamenor.La
respuestaeselnmerodeobjetosque
quedan.Ejemplo:74=?

Consisteensepararelementosdela
cantidadmayorhastaquequedael
nmeroindicadoporlacantidadmenor.
Larespuestasehallacontandoelnmero
deloselementosseparados.Ejemplo:7
4=?

Consisteenrepresentarconobjetosla
cantidadmayoryluegolamenor.Asta
seleaadenlosobjetosnecesariospara
queseaequivalentealacantidadmayor.
Larespuestaseconsiguecontandoel
nmerodeelementosaadidosala
cantidadmenor.Ejemplo:74=?

Consisteendisponerdedoscantidades
deobjetosencorrespondenciaunoauno.
Larespuestaseobtienecontandolos
elementosnoemparejados.Ejemplo:7
4=?

CONTEO
Contarhaciaatrs
desdes

Consisteencontarhaciaatrssinayuda
(objetosodedos)apartirdelminuendo
tantospasoscomomarcalacantidad
menor.Elltimonmeroenlasecuencia
deconteoeslarespuesta.Ejemplo:74
=?Severbalizaapartirdelminuendo
(siete),esdecir:seis,cinco,cuatro,tres.
Larespuestaestres

Contarhaciaadelantea Consisteencontarapartirdelnmero
partirdeunnmero
menorhastaalcanzarelmayor.La
dado
respuestaseobtienecontandolos
nmeroscontadosparaequipararambas
cantidades.Ejemplo:74=?Se
verbaliza:cinco,seis,siete.Losnmeros
contadossontres,porlotanto,la
respuestaestres.

El ltimo par de estrategias involucra adicin. El nio comienza con la cantidad menor y va
sumando hasta construir el conjunto mayor.Cuando se trabaja con objetos concretos,el nio
colocaunnmerodeobjetosigualalnmeromenordadoyvaaadiendoobjetosalconjunto,
unocadavez,hastaqueelconjuntoseaigualalnmeromayor.Contandoelnmerodeobjetos
aadidosseobtienelarespuesta.
La estrategia paralela de conteo se denomina contar hacia adelante a partir de un nmero
dado, en la cual el nio comienza a contar hacia adelante partiendo del nmero menor. La
secuencia finaliza cuando se alcanza el valor del nmero mayor. La respuesta se obtiene
contandoelnmerodepalabrasdelasecuencia.Porejemplo,73=?tresmsuno4,ms
uno5,msuno6,msuno7.Larespuestaes4.
Lasestrategiasdeadicinysustraccinanalizadasrepresentandiversosgradosdeabstraccin.
Por ejemplo, las estrategias de modelamiento directo con objetos es un nivel de estrategias
relativamenteprimitivoydenaturalezaconcretaquecorresponde,segnPiaget,alosprimeros
estadios de desarrollo de la inteligencia. Sin embargo, las estrategias de conteo requieren
habilidadesqueimplicanlarepresentacindelmundodeloconcretoy,porlotanto,setratade
unnivelmssofisticado.
Estadiferenciaentrelosnivelesylasestrategiaspropiamentedichasdeterminarquelosnios,
dependiendo de su nivel de desarrollo intelectual, maduracin, edad, entre otros factores,
utilicenunauotrapararesolverproblemasaritmticosyalgebraicos.
Los resultados de investigaciones realizadas sealan que los nios menores tienden a utilizar
estrategias de naturaleza concreta (modelamiento directo con objetos o dedos), ya que les
permiteseguir,conmayorconfianza,lasecuenciadeconteoychequearelprocesovariasveces.
Los nios mayores tienden a utilizar estrategias ms eficientes en trminos de tiempo.
Igualmente,losnioscambianlasestrategiasvariasvecesduranteelprocesodeadquisicinde
unadeterminadahabilidadaritmticaoalgebraica(Goldman,1989).
Los nios inician sus procesos de adicin con la estrategia de contar todos, es decir,
representan losdos sumandos medianteobjetosodedos y,posteriormente,cuentan todos los
elementosdelosconjuntosunoauno.Unavezadquiridadichaestrategia,losniosrecurrena
las de conteo, consistentes en contar el segundo sumando partiendo del primero. Una vez

consolidada esta estrategia, se encuentran preparados para utilizar otros procedimientos ms

sofisticados como el Modelo Min, elcualasume que el nioseleccionael sumando mayor y le
sumaelmenor.
Enladescripcindeloscambiosocurridosduranteeldesarrollodelosnios,SiegleryShrager
(1983) sugieren una estrategia de seleccin la cual depende de las caractersticas de los
individuos.Lapropuestasuponequelosnios,enunaprimerainstancia,tratanderesolverlos
problemas por recuperacin de hechos numricos almacenados en su memoria. Si este
procedimientonolesresultaeficiente,vuelvenaintentarresolverloporelmismoprocedimiento
de recuperacin. Si en este segundo intento fracasan, prueban una estrategiadiferente como,
por ejemplo, alguna estrategia de conteo. De esta manera, los modelos de conteo se utilizan
slocuandolarecuperacindeloshechosalmacenadosenlamemorianohasidoeficientepara
resolverelproblema(Carpenter,1985).
Entrminosgenerales,losresultadosdelasinvestigacionespuedenresumirseas:1)losnios
inicialmenteensayan estrategias del tipo contar todos, quepaulatinamente se vandisipando
para dar origen a otras ms eficientes como contar hacia adelante y recuperar hechos
numricos conocidos,2) apesardequeexisteuna variabilidad considerable en el usode las
estrategiasdependiendodeltipodeproblema,laestrategiadecontarhaciaadelantepresenta
un alto porcentaje de uso y perdura a lo largo de varios niveles de desarrollo en los nios
examinados.
Lo ideal es lograr que los nios alcancen un repertorio de hechos numricos que conforme la
base para resolver un buen nmero de problemas. El acceso directo a los hechos numricos
almacenadosenel sistema de memoria,presentaproblemas deespacio 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 lamedida en que ciertos procesos se puedan
realizar automticamente, sin necesidad de prestarle atencin directa, habr ms espacio
disponibleenellaparalosprocesosquesrequierenatencin.Pararelacionarlaautomaticidad
conel dominio del clculo,es necesariodistinguirentredostipos de tareasaritmticasen las
quees comnelensayoylaprctica.Porunaparte,estnlosllamadoshechos numricos,es
decir,lascombinacionesdenmerosqueconformanlosbloquesbsicosdetodoslosclculosy
que son de cuatro tipos: suma, resta, multiplicacin y divisin. Por otra parte, estn los
algoritmosoprocedimientosdeclculo,estassonlassecuenciasdeoperacionesqueserealizan
utilizandoloshechosnumricosparallegaralaresolucindeproblemasmscomplejos.
La prctica ayuda a que los hechos numricos se puedan evocar instantneamente de la
memoria a largo plazo (MLP), permitiendo as que la memoria de corto plazo (MCP) pueda
funcionar con mayor eficacia. Lo mismo sucede para el acceso automtico de procedimientos
memorizadosoalgortmicos.Siunindividuotienequereconstruirelprocedimientosobrecmo
cambiar fracciones a su menor denominador comn cada vez que los necesita, entonces el
espacio disponible en la MCP es ocupado por procesos que podran ser automticos mediante
unaprcticaapropiada.As,entonces,lasugerenciaesquealmenos ciertas destrezas bsicas
de clculo hechos numricos y algoritmos necesitan desarrollarse hasta el punto de
convertirseenprocesosautomticos,demaneraquenocompitanporelespacioenlaMCPcon
procesosdealtonivelenlaresolucindeproblemas(ResnickyFord,1981).
>I mplicacionespedaggicas
Unodelos aspectosimportantes queconviene resaltarenesteaparte,es quelaresolucinde
problemas es una actividad conformada por diferentes tipos de procesos y, en este sentido,
constituyeunavamediantelacuallosindividuosutilizanelconocimientoadquiridopreviamente
declarativooprocedimentalconelfindesatisfacerlasdemandasdeunasituacinnueva,no
familiar.
En nuestro sistema educativo, es ya un hecho establecido que los docentes de reas en las
cuales hay que resolver problemas como matemtica, fsica, qumica, etc., le asignan gran
importanciaalasolucincorrectasinembargo,esnecesariomodificartalconcepcinylograr
que los docentes acepten la nocin de que: el objetivo fundamental en la enseanza de
resolucindeproblemasesayudaralosestudiantesadesarrollarhabilidadesdepensamientoy

procesos
Referenciasbibliogrficas

Andre, T. (1986). Problem solving and education. En G.D. Phye y T. Andre (Eds.),
Cognitiveclassroomlearning.Understanding,thinking,andproblemsolving.NewYork:
AcademicPress.
Bauelos, A.M. (1995). Resolucin de problemas matemticos en estudiantes de
bachillerato.PerfilesEducativos,N67,5058.
Briars,D.J.yLarkin,J.H.(1984).Anintegratedmodelofskillinsolvingelementaryword
problems.Cognition&instruction,1,245296.
Brown, J.S. y Burton, R.R. (1978). Diagnostic models for procedural bugs in basic
mathematicalskills.CognitiveScience,2,155192.
Brown, J.S. y VanLehn, K. (1980). Repair theory: A generative theory of bugs in
proceduralskills.CognitiveScience,4,379426.
Carpenter,T.P. (1985).Learning toaddandsubstract:Anexerciseinproblemsolving.
En E.A. Silver (Ed.), Teaching and learning mathematical problem solving: Multiple
researchperspectives.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,
15,170202.
Chi,M.T.H.yGlaser,R.(1983).Problemsolvingabilities.Materialmimeografiado.
Chi, M.T.H., Feltovich, P.J. y Glaser, R. (1981). Categorization and representation of
physicsproblemsbyexpertsandnovices.CognitiveScience,5,121152.
Chi,M.T.H.,Glaser,R.yRees,E.(1981).Expertiseinproblemsolving.EnR.Sternberg
(Ed.),Advancesinthepsychologyofhumanintelligence.Vol.1.Hillsdale,NJ:Erlbaum.
Dijkstra, S. (1991). Instructional design models and the representation of knowledge
andskills.EducationalTechnology,31,(6),1926.
Duhalde,M.E.yGonzlez,M.T.(1997).Encuentroscercanosconlamatemtica.Buenos
Aires:Aique.
Gagn,R.M.yGlaser,R.(1987).Foundationsinlearningresearch.EnR.M.Gagn(Ed.),
Instructionaltechnology:Foundations.Hillsdale,NJ:Erlbaum.
Goldman, S.R. (1989). Strategy instruction in mathematics. Learning Disability
Quarterly,12,4355.
Greeno,J.G.(1980).Trendsinthetheoryofknowledgeforproblemsolving.En
D.T. Tuma y F. Reif (Eds.), Problem solving and education. Issues in teaching
andresearch.Hillsdale,NJ:Erlbaum.
Groen, G.J. y Parkman, J.M. (1972). A chronometric analysis of simple addition.
PsychologicalReview,79,329343.
Hayes,J.R.(1981).Thecompleteproblemsolver.Philadelphia:FranklinInstitutePress.
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
EducationalPsychology,87,1832.
Hinsley, D., Hayes, J.R. y Simon, H. (1977). From words to equations: Meaning and
representationinalgebrawordproblems.EnM.A.JustyP.A.Carpenter(Eds.),Cognitive
processesincomprehension.Hillsdale,NJ:Erlbaum.
Jitendra,A.K.yKameenui,E.J.(1996).Expertsandnoviceserrors patterns insolving
partwholemathematicalwordproblems.TheJournalofEducationalResearch,90,(1),
4251.
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
fromaresearchworkshop.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
AbstractsInternational,1968,28,4380A.
Kintsch,W.(1986).Learningfromtext.Cognition&Instruction,3,87108.
Kintsch,W.(1987).Understandingwordproblems:Linguisticfactorsinproblemsolving.
EnM.Nagao(Ed.),Languageandartificialintelligence.NorthHolland:ElsevierScience
PublisherB.V.

Kintsch,W.yGreeno,J.G.(1984).Understandingandsolvingarithmeticwordproblems.
Materialmimeografiado.
Kintsch, W. y VanDijk, T.A. (1978). Toward a model of text comprehension and
production.PsychologicalReview,85,363394.
Krulik, S. y Rudnick, J.A. (1982). Teaching problem solving to preservice teachers.
ArithmeticTeacher,February,4249.
Larkin, J.H., McDermott, P., Simon, D.P. y Simon, H.A. (1980). Expert and novice
performanceinsolvingphysicsproblems.Science,208,13351342.
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).Frequencynormsandstructuralanalysisofalgebrastoryproblems
intofamilies,categoriesandtemplates.InstructionalScience,10,135175.
Mayer,R.E.(1983).Thinking,problemsolvingandcognition.NewYork:Freeman.
Mayer, R.E. (1992). Cognition and instruction: Their historic meeting within
educationalpsychology.JournalofEducationalPsychology,84,(4),405412.
Monereo, C., Castell, M., Clariana, M., Palma, M. y Prez, M.L. (1995).
Estrategiasdeenseanzayaprendizaje.Formacindelprofesoradoyaplicacin
enlaescuela.Barcelona:Gra.
Newell,A.ySimon,H.A.(1972).Humanproblemsolving.EnglewoodCliffs,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
problemsolving.Vol.2.NewYork:Wiley.
Resnick, L.B. y Ford, W.W. (1981). The psychology of mathematics for instruction.
Hillsdale,NJ:L.E.A.
Rimoldi, H.J. (1984). Solucin de problemas: Teora, metodologa y experimentacin.
RevistadePsicologaGeneralyAplicada,39,7596.
Schoenfeld,A.H.(1985).Mathematicalproblemsolving.Orlando,FL:AcademicPress.
Siegler, R. S. y Shrager, J. (1983). Strategy choices in addition: How children know
what to do. Trabajo presentado en el dcimo octavo Simposio Anual Carnegie sobre
Cognicin.Pittsburgh,PA.
Suppes, P. y Groen, G.J. (1967). Some counting models for first grade
performancedataonsimpleadditionfacts.EnJ.M.Scandura(Ed.),Researchin
mathematics education. Washington, D.C.: National Council of Teachers of
Mathematics.
Sternberg,R.J.(1987).Razonamiento,solucindeproblemaseinteligencia.En
R.J. Sternberg (Ed.), Inteligencia humana, II. Cognicin, personalidad e
inteligencia.BuenosAires:Paids.
Stigler,J.W.,Lee,S.Y.yStevenson,H.W.(1990).MathematicalknowledgeofJapanese,
Chinese, and American elementary school children. Reston, VA: National Council of
TeachersofMathematics.
Wallas,G.(1926).Theartofthought.NewYork:HarcourtBraceJovanovich.

>>A nexo1
Acontinuacinvamosaejemplificar,conunproblemadado,lasactividadesparasuresolucin,
de acuerdo con el modelo de Schoenfeld (1985) y a partir de los planteamientos de Polya.
Problema: En un saln de 35 alumnos aprobaron el 40%. Determinar el nmero de alumnos
reprobados.Resolucindelproblema:
>>A nlisis
Trazarundiagrama.

Totaldealumnos:35alumnosquerepresentanel100%.
>>Exploracin
Examinarproblemasligeramentemodificados:establecersubmetasydescomponerelproblema.
Elenunciadodelproblemaexpresaquehayquedeterminarelnmerodealumnosreprobados,
pero como sabemos que los aprobados y los reprobados representan la totalidad del curso,
podemosresolverelproblemaestableciendodossubmetas.
Submeta1.Transformarel40%deaprobadosennmerodealumnos.
35100%X40%
X=(35x40)/100=1.400/100=14
14alumnosrepresentanel40%delosalumnosaprobados.

Submeta2.Transformarel60%dereprobadosennmerodealumnos.
Estasubmetasepuederesolverdedosformas.
a)Encontrandoladiferenciaentreelnmerototaldealumnosdelcursoyelnmerodealumnos
aprobados.Estoes:3514=21alumnosb)Calculandoelnmerodealumnosquerepresenta
el60%deltotal.Esteclculonos
permitepredeciryverificarquelacantidadaobtenerdebeser21alumnos,sihemos
realizadobienelclculo.35100%X60%
X = (35 x 60) / 100= 2.100/100 =21alumnos 21 alumnos representanel 60%de alumnos
reprobados.
>>Comprobacindelasolucinobtenida
Verificar la solucin obtenida siguiendo criterios especficos: utilizacin de todos los datos
pertinentes.
Sumandolosalumnosaprobadosyreprobadosdebemosobtenereltotaldealumnosdelcurso.
Enefecto:
21alumnosreprobados+14alumnosaprobados=35alumnosenelcurso.