Impacto del entorno de resolución de problemas de Fermi en la complejidad y flexibilidad de las estrategias de maestros en formación

César Gallart; Carlos Segura; Lluís Albarracín

doi:10.18172/con.6480

Autores/as

César Gallart Universitat de València https://orcid.org/0000-0002-0726-3781
Carlos Segura Universitat de València https://orcid.org/0000-0002-1457-5740
Lluís Albarracín Universitat Autònoma de Barcelona https://orcid.org/0000-0002-1387-5573

DOI:

https://doi.org/10.18172/con.6480

Palabras clave:

resolución de problemas, modelización matemática, problemas de Fermi, entornos de resolución, ChatGPT

Resumen

Las competencias en resolución de problemas y de modelización son centrales en el currículo de Matemáticas. Los problemas de Fermi son idóneos para que los estudiantes desarrollen estas competencias, pues presentan situaciones reales y abiertas que promueven, por un lado, la inclusión de suposición realistas que aumentan la complejidad de las soluciones, y por otro, la flexibilidad en el uso de varias estrategias. Sin embargo, los docentes de Primaria no introducen estos problemas en sus aulas, y tienen dificultades para resolverlos satisfactoriamente. Nuestro propósito es conocer qué entorno de resolución es más eficaz para que los futuros maestros/as desarrollen estrategias complejas y las usen de manera flexible a lo largo de una secuencia de problemas de Fermi. Para ello, presentamos un estudio cuasi experimental con tres entornos de resolución: 55 futuros maestros resuelven problemas de Fermi en el aula, evocando la situación; 41 futuros maestros los resuelven experimentando en el lugar real de los problemas; y 41 futuros maestros los resuelven interrogando a ChatGPT. Desde un enfoque de métodos mixtos, analizamos las estrategias completadas, las suposiciones realistas, los tipos de estrategias utilizadas y la flexibilidad de los participantes en cada entorno. Una combinación de análisis de dependencia de variables y de su varianza nos permite comparar la influencia del entorno de resolución en la tasa de estrategias completadas y su nivel de complejidad, así como en cuáles son más utilizadas y en el nivel de flexibilidad de los futuros maestros. Los resultados muestran que, aunque completar una estrategia es accesible para los futuros maestros con independencia del entorno de resolución, sí hay diferencias significativas en la complejidad de esas estrategias según el entorno y también en la flexibilidad. El entorno de experimentación in situ es el más eficaz para desarrollar estas habilidades.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Albarracín, L., Segura, C., Ferrando, I. y Gorgorió, N. (2022). Supporting mathematical modelling by upscaling real context in a sequence of tasks. Teaching Mathematics and its Applications: An International Journal of the IMA, 41(3), 183-197. https://doi.org/10.1093/teamat/hrab027

Ärlebäck, J. B. (2009). On the use of realistic Fermi problems for introducing mathematical modelling in school, The Mathematics Enthusiast, 6(3), 331-364. https://doi.org/10.54870/1551-3440.1157

Buchholtz, N. (2021). Processos de modelação dos alunos envolvidos em trilhos matemáticos. Quadrante, 30(1), 140-157. https://doi.org/10.48489/quadrante.23699

Carlson, J. E. (1997). Fermi problems on gasoline consumption. The Physics Teacher, 35, 308-309. https://doi.org/10.1119/1.2344696

Efthimiou, C. J. y Llewellyn, R. A. (2007). Cinema, Fermi problems and general education. Physics education, 42(3), 253.

Elia, I., van den Heuvel-Panhuizen, M. y Koliopoulos, D. (2009). An investigation of young children’s flexibility in solving addition tasks through the use of multiple solutions. Educational Studies in Mathematics, 71(1), 15-37. https://doi.org/10.1007/s10649-008-9156-3

Ferrando, I. y Albarracín, L. (2021). Students from grade 2 to grade 10 solving a Fermi problem: analysis of emerging models. Mathematics Education Research Journal, 33(1), 61-78. https://doi.org/10.1007/s13394-019-00292-z

Ferrando, I., Segura, C. y Pla-Castells, M. (2020). Relations entre contexte, situation et schéma de résolution dans les problèmes d’estimation. Canadian Journal of Science, Mathematics and Technology Education, 20(3), 557-573. https://doi.org/10.1007/s42330-020-00102-w

Galbraith, P. y Stillman, G. (2001). Assumptions and context: Pursuing their role in modelling activity. En J. F. Matos, W. Blum, S. K. Houston y S. P. Carreira (Eds.), Modelling and mathematics education: ICTMA 9: Applications in science and technology (pp. 300-310). Horwood Publishing.

Haberzettl, N., Klett, S. y Schukajlow, S. (2018). Mathematik rund um die Schule – Modellieren mit Fermi-Aufgaben [Mathematics around school – Modelling with Fermi tasks]. En K. Eilerts y K. Skutella (Eds.), Neue Materialien für einen realitätsbezogenen Mathematikunterricht 5. Ein ISTRON-Band für die Grundschule (pp. 31-41). Springer Spectrum.

Hartmann, L. M. y Schukajlow, S. (2021). Interest and Emotions While Solving Real-World Problems Inside and Outside the Classroom. En Leung, F. K. S., Stillman, G. A., Kaiser, G., Wong, K. L. (Eds.), Mathematical Modelling Education in East and West. Springer. https://doi.org/10.1007/978-3-030-66996-6_13

Heinze, A., Star, J. R. y Verschaffel, L. (2009). Flexible and adaptive use of strategies and representations in mathematics education. ZDM Mathematics Education, 41(5), 535-540. https://doi.org/10.1007/s11858-009-0214-4

Jablonski, S. (2023). Indoors vs. Outdoors: Student Perception of Different Modelling Settings. Research in Integrated STEM Education, 1(3), 403-421. https://doi.org/10.1163/27726673-bja00016

Keune, M. y Henning, H. (2003). Modelling and spreadsheet calculation. En Q. X. Ye, W. Blum, S.-K. Houston y Q. Y. Yian (Eds.), Mathematical modelling in education and culture (pp. 101-110). Horwood Publishing.

Kuhail, M., Alturki, N., Alramlawi, S. y Alhejori, K. (2023). Interacting with educational chatbots: A systematic review. Education and Information Technologies, 28(1), 973-1018. https://doi.org/10.1007/s10639-022-11177-3

Lo, C. K. (2023). What Is the Impact of ChatGPT on Education? A Rapid Review of the Literature. Education Sciences, 13, 410. https://doi.org/10.3390/educsci13040410

López-Simó, V. y Rezende, M. F. (2024). Challenging ChatGPT with Different Types of Physics Education Questions. The Physics Teacher, 62, 290-294. https://doi.org/10.1119/5.0160160

Maass, K., Geiger, V., Ariza, M. R. y Goos, M. (2019). The Role of Mathematics in interdisciplinary STEM education. ZDM Mathematics Education, 51, 869-884. https://doi.org/10.1007/s11858-019-01100-5

Montejo-Gámez, J., López-Centella, E. y Fernández-Ahumada, E. (2024). Solving Estimation Tasks: Novel Features of the Emerging Models When Three-Dimensional Geometry Becomes Relevant. En H. S. Siller, V. Geiger, G. Kaiser, (Eds.), Researching Mathematical Modelling Education in Disruptive Times (pp. 607-618). Springer.

Noster, N., Gerber, S. y Siller, H. S. (2024). Pre-Service Teachers’ Approaches in Solving Mathematics Tasks with ChatGPT. Digital Experiences in Mathematics Education, 1-25. https://doi.org/10.1007/s40751-024-00155-8

Pepin, B., Buchholtz, N. y Salinas-Hernández, U. (2025). A Scoping Survey of ChatGPT in Mathematics Education. Digital Experiences in Mathematics Education. https://doi.org/10.1007/s40751-025-00172-1

Segura, C. y Ferrando, I. (2023). Pre-service teachers’ flexibility and performance in solving Fermi problems. Educational Studies in Mathematics, 113(2), 207-227. https://doi.org/10.1007/s10649-023-10220-5

Segura, C., Ferrando, I., y Albarracín, L. (2021). Análisis de los factores de complejidad en planes de resolución individuales y resoluciones grupales de problemas de estimación de contexto real. Quadrante, 30(1), 31–51. https://doi.org/10.48489/quadrante.23592

Segura, C., Ferrando, I., y Albarracín, L. (2023). Does collaborative and experiential work influence the solution of real-context estimation problems? A study with prospective teachers. The Journal of Mathematical Behavior, 70, 101040. https://doi.org/10.1016/j.jmathb.2023.101040

Segura, C., Gallart, C. y Ferrando, I. (2025). Influence of pre-service primary school teachers’ prior knowledge of measurement and measurement estimation in solving modelling problems. Journal of Mathematics Teacher Education. https://doi.org/10.1007/s10857-025-09685-3

Spreitzer et al (2024) Mathematical Modelling Abilities of Artificial Intelligence Tools: The Case of ChatGPT. Education Sciences, 14, 698. https://doi.org/10.3390/educsci14070698

Sriraman, B., y Knott, L. (2009). The mathematics of estimation: Possibilities for interdisciplinary pedagogy and social consciousness. Interchange, 40(2), 205–223.

Star, J. R., y Rittle-Johnson, B. (2008). Flexible problem solving: The roles of strategy choice and strategy flexibility in knowing when and how to use procedures. The Journal of Problem Solving, 2(2), 71-91. https://doi.org/10.7771/1932-6246.1042

Tangney, B., y Bray, A. (2013). Mobile technology, maths education & 21C learning. In Proceedings of the 12th world conference on mobile and contextual learning (pp. 20–27). College of the North Atlantic–Qatar.

Toalongo, X., Trelles, C. y Alsina, Ángel. (2024). Los Problemas de Fermi y las Modelling Eliciting Activities como un recurso para fomentar la Modelización Matemática entre el alumnado de Educación Primaria. Edma 0-6: Educación Matemática En La Infancia, 13(1), 58-92. https://doi.org/10.24197/edmain.1.2024.58-92

Verschaffel, L., Greer, B. y de Corte, E. (2000). Making sense of word problems. Swets & Zeitlinger.

Zhang, K. y Aslan, A.B. (2021). AI technologies for education: Recent research & future directions. Computer and Education: Artificial Intelligence 2, 100025. https://doi.org/10.1016/j.caeai.2021.100025