santo, domingo, república dominicana, a 1
TRANSCRIPT
Santo, Domingo, República Dominicana, a 1 r o de Mayo del 2013
INSTITUTO TECNOLÓGICO Y DE ESTUDIOS SUPERIORES DE MONTERREY P R E S E N T E . -
Por medio de la presente hago constar que soy autor y titular de la obra denominada " Software de Simulación en Entorno Didáctico que Pro p i c i a l a S i g n i f i c a t i v i d a d del Aprendizaje Logrado por los Alumnos en Ambiente de Educación Superior y Presencial"
", en los sucesivo LA OBRA, en virtud de lo cual autorizo a el Instituto Tecnológico y de Estudios Super iores de Monterrey (EL INSTITUTO) para que efectúe la divulgación, publ icación, comunicac ión públ ica, distr ibución, distr ibución pública, distr ibución electrónica y reproducción, así como la digital ización de la misma, con fines académicos o propios al objeto de EL INSTITUTO.
El Instituto se compromete a respetar en todo momento mi autoría y a otorgarme el crédito correspondiente en todas las act iv idades mencionadas anter iormente de la obra.
De la misma manera, manif iesto que el contenido académico, literario, la edición y en general cualquier parte de LA O B R A son de mi entera responsabi l idad, por lo que desl indo a EL INSTITUTO por cualquier violación a los derechos de autor y/o propiedad intelectual y/o cualquier responsabi l idad relacionada con la OBRA que cometa el suscrito frente a terceros.
AUTOR (A)
UNIVERSIDAD TECVIRTUAL ESCUELA DE GRADUADOS EN EDUCACIÓN
Software de Simulación en Entorno Didáctico Que Propicia la Significatividad del Aprendizaje Logrado por los Alumnos en
Ambiente de Educación Superior y Presencial
Tesis para obtener el grado de:
Maestría en Tecnología Educativa
Presenta
Carmen Lidia Medina
Asesor Tutor:
Mtra. Alix Cecilia Chinchilla Rueda
Asesor titular:
Dra. María Rosalía Garza Guzmán
Santo Domingo, República Dominicana 10 de Marzo 2013
ii
Agradecimientos
Al Instituto Tecnológico de Monterrey (ITESM), por la oportunidad que me ha
proporcionado de crecer profesionalmente.
A todos los buenos maestros del ITESM que me han acompañado en esta gran
experiencia educativa.
A mi familia por todo el apoyo ofrecido en estos dos años.
iii
Software de Simulación en Entorno Didáctico Que Propicia la Significatividad del Aprendizaje Logrado por los Alumnos en
Ambiente de Educación Superior y Presencial
Resumen
Los simuladores educativos son un recurso excelente para complementar la enseñanza, preparando al alumno en las habilidades necesarias para los procedimientos en un contexto real. Sin embargo, para cumplir con este propósito, el simulador debe tener un entorno didáctico eficaz para trasferir y vincular en forma clara y significativa los conocimientos declarativos a los procedimientos implicados. La presente investigación aporta la metodología para evaluar la eficacia del entorno didáctico de un simulador para propiciar aprendizajes significativos, mediante el estudio de un caso. Este objetivo guio el alcance del estudio como descriptivo con enfoque mixto y diseño pre-experimental. El caso bajo estudio fue el entorno didáctico del espectrómetro virtual de masas de las universidades Carnegie Mellon y Pittsburgh, fundamentado en la investigación guiada en torno a aplicaciones; los alumnos de un curso de Química Analítica Instrumental en la Universidad Autónoma de Santo Domingo abordaron el simulador mediante una de sus aplicaciones. La metodología empleada se dividió en tres fases. En una primera fase, previa al uso del simulador fueron evaluados el estado de la actitudes de los alumnos y sus esquemas mentales en torno al tema, mediante mapas conceptuales. En la segunda fase, durante el uso del simulador, se evaluaron las estrategias cognitivas utilizadas por los alumnos durante su desempeño frente al simulador y los resultados rendidos en su informe. En la última fase, posterior al uso del simulador, se valoraron de nuevo los esquemas mentales de los alumnos; además el nivel de transferencia de sus aprendizajes a una experiencia en contexto real y el estado de sus actitudes evidenciadas en las entrevistas focalizadas. Los resultados del estudio demuestran que el entorno didáctico del simulador es eficaz, porque todos los alumnos experimentaron un desarrollo cognoscitivo en el dominio bajo estudio, evidenciados mediante alguno de los indicadores cognitivos empleados para diagnosticar o seguir la evolución de la estructura cognitiva, con respecto al dominio bajo estudio. Una importante limitación aprendida en esta experiencia: la estrategia diseñada para evaluar procesos de aprendizajes, mediados por simuladores debe ser implementada en la fase donde el alumno ascienda al nivel de experto en su uso.
iv
CONTENIDO
AGRADECIMIENTOS II
RESUMEN III
CAPÍTULO 1. PLANTEAMIENTO DEL PROBLEMA 8
1.1 Marco contextual 8
1.2 Antecedentes 10
1.3 Delimitación del problema 12
1.4 Objetivos de la investigación 15
1.5 Justificación 17
1.6 Limitaciones del estudio 19
CAPÍTULO 2. MARCO TEÓRICO 21
2.1 Software educativo de simulación 21
2.2 Aprendizaje significativo 36
2.3 Investigaciones relacionadas 58
CAPÍTULO 3. METODOLOGÍA 79
3.1 Método de Investigación 79
3.2 Población y muestra. 82
3.3 Tema, categoría e indicadores de estudio 84
3.4 Fuentes de recolección de datos 89
3.5 Instrumentos de recolección de los datos de la investigación (ver apéndice B) 90
3.6 Instrumentos empleados en trabajos previos a la investigación (Apéndice C) 92
3.7 Diseño o plan 94
3.8 Aplicación de instrumentos 96
v
CAPÍTULO 4. ANÁLISIS Y DISCUSIÓN DE RESULTADOS 108
4.1 Presentación de Resultados 109
4.2 Análisis de los Resultados. 138
CAPÍTULO 5. CONCLUSIONES 162
Recomendaciones para trabajos con simuladores educativos en el área de ciencias. 167
REFERENCIAS 171
APÉNDICE A: MODELO CARTA CONSENTIMIENTO 178
SANTO DOMINGO, REPÚBLICA DOMINICANA, 23 FEBRERO, 2012 178
APÉNDICE B: INSTRUMENTOS EVALUACIÓN DE INDICADORES. 180
APÉNDICE C: TRABAJOS PREVIOS: 195
Pilotaje de los instrumentos empleados en trabajos previos a la investigación. 228
La confiabilidad de las herramientas utilizadas en los trabajos previos. 230
APÉNDICE D. ESTRATEGIA DE ESTUDIOS DE CASOS 233
APÉNDICE E: INSTRUCCIONES PARA LA ENTREVISTA CUALITATIVA 235
APÉNDICE F: FUENTE DE DATOS 236
APÉNDICE G: GLOSARIO 259
APÉNDICE H: FOTOGRAFÍAS EN EL DESARROLLO DE LA INVESTIGACIÓN 265
APÉNDICE I. CURRICULUM VITAE 270
vi
Índice de Tabla Tabla 1 .......................................................................................................................102 Operacionalización de la variable desarrollo cognoscitivo ..........................................102 Tabla 2 .......................................................................................................................104 Fases investigación aprendizaje significativo .............................................................104 Tabla 3 .......................................................................................................................115 Valores del indicador “ejecución estrategias cognitivas”.............................................115 Tabla 4 .......................................................................................................................118 Valoración indicador “uso funcional de los aprendizajes” ...........................................118 Tabla 5 .......................................................................................................................120 Valoración indicador “flexibilidad de los aprendizajes”. .............................................120 Tabla 6 .......................................................................................................................124 Valores Indicadores esquemas mentales. ....................................................................124 Tabla 7 .......................................................................................................................125 Resumen de los indicadores del desarrollo cognoscitivo .............................................125 Tabla 8 .......................................................................................................................130 Indicadores de aprendizaje significativo, emergentes de las entrevistas. ......................130 Tabla 9 .......................................................................................................................131 Continuación indicadores de aprendizaje significativo, emergentes de las entrevistas .131 Tabla 10 .....................................................................................................................132 Definiciones de los códigos mediante memos .............................................................132 Carta de consentimiento .............................................................................................179 Tabla 11 .....................................................................................................................180 LC-7.1 Lista de control de estrategias cognitivas en simulación ..................................180 Tabla 12 .....................................................................................................................183 Evaluación informes trabajo con simulador ................................................................183 (continuación) Evaluación informes trabajo con simulador .........................................184 Tabla 13 .....................................................................................................................185 Flexibilidad o transferencia de los aprendizajes. Lista de Control LC-7.1 ..................185 Tabla 14 .....................................................................................................................187 Índice SMD . Evaluación de mapas conceptuales. (Ifenthaler, 2009). .........................187 Tabla 15 .....................................................................................................................188 Índice Novak Gowin (1998) Evaluación mapa conceptual. .........................................188 Tabla 15 .....................................................................................................................189 (Continuación). Índice Novak Gowin (1998) Evaluación mapa conceptual. ................189 Tabla 16 .....................................................................................................................190 Instrumento: entrevista focalizada En-11.1 .................................................................190 Tabla 17 .....................................................................................................................192 Mediciones para analizar los mapas conceptuales (Ifenthaler et al, 2009, p. 46) ..........192 Tabla 18 .....................................................................................................................193 Mediciones para analizar contenido semántico en los MC ..........................................193 Tabla 19 .....................................................................................................................193 Enunciados de la teoría Gráfica ..................................................................................193 Tabla 20 .....................................................................................................................196
vii
Resumen de la fase previa a la investigación. .............................................................196 Tabla 21 .....................................................................................................................197 Valores de los Indicadores de calidad técnica y pedagógica del software simulador. ..197 Tabla 23 .....................................................................................................................202 Indicadores categorizados del estado de las condiciones previas. ................................202 Tabla 59 .....................................................................................................................264 Abreviaturas utilizadas en los instrumentos de evaluación de los indicadores .............264
8
Capítulo 1. Planteamiento del Problema
En este capítulo se aborda el planteamiento del problema y la pregunta de
investigación, así como la propuesta de los objetivos para dar una respuesta a la misma.
Se precisa abordar los siguientes apartados: Marco contextual, Antecedentes del
problema, Planteamiento del problema, Objetivos de la investigación, Justificación,
Limitaciones y Delimitaciones del estudio.
1.1 Marco contextual
La última década del pasado siglo XX fue el escenario de múltiples conferencias
mundiales con el objetivo de definir una sociedad más justa y equitativa para los
habitantes de este planeta, proyectados hacia el siglo XXI. En los informes finales de
estas conferencias se reveló un punto de coincidencia: la educación de los pueblos es el
instrumento capaz de generar los cambios económicos, sociales y políticos requeridos
por los países de economía más deprimidas.
Los informes resultantes de estos cónclaves, tales como, (UNESCO, 1998;
(Peppler & Fiske 2000). dan cuenta del estado actual de la educación superior en los
países latinoamericanos y del Caribe: profundas transformaciones, expresadas en un
proceso de masificación; privatización; internacionalización; estandarizaciones
internacionales; regionalización; nuevos roles del estado como regulador de la calidad en
la educación superior; impacto de las nuevas tecnologías de la información y
comunicación, contribuyendo a la globalización de la educación en una fase de
conocimiento y uso con énfasis en lo operativo de las TIC.
9
Sin embargo, la formación docente debe evolucionar hacia el fortalecimiento de
estrategias de enseñanza y de evaluación que potencien y justifiquen el uso de las
herramientas tecnológicas como un medio y no como un fin en sí mismas. Para ello es
importante el estudio y la reflexión pedagógica de los aportes que ofrecen las teorías del
aprendizaje significativo, la educación constructivista, el aprendizaje colaborativo o
cooperativo, la cognición situada y el aprendizaje social.
Dentro de este escenario internacional destacan los esfuerzos de las universidades
de los países del continente americano y del Caribe por superar las deficiencias del
sistema educacional de sus respectivos países, evidenciado en los pobres resultados
alcanzados por los alumnos en las pruebas nacionales. La Universidad Autónoma de
Santo Domingo (UASD), fundada en 1538, es parte de este contexto.
La UASD es una universidad estatal de educación superior de la República
Dominicana, isla caribeña. En el año 2012, tenía a una población estudiantil de
aproximadamente 180,000 estudiantes con un presupuesto asignado por el estado
dominicano de solo 5,298,984,81 (Dirección General de Presupuesto [DIGEPRES],
2012). Oferta 88 carreras. Imparte docencia en 17 recintos distribuido en distintas
provincias del país, sin embargo, concentra su mayor población en la sede central de la
ciudad de santo Domingo.
El balance entre su creciente matricula estudiantil y el presupuesto asignado
mantienen esta institución en un permanente déficit presupuestario, lo que impide
especializar fondos para un desarrollo basado en la investigación y equipamiento de los
laboratorios de ciencias a la altura que demandan los avances tecnológicos actuales.
10
Hasta agosto del 2012, la nómina docente de la UASD era de 3237 docentes,
mientras que su empleomanía era de 3628 distribuidas en todas sus sedes (UASD, 2012)
Es notoria la diferencia de población entre las carreras de humanidades con
respecto a las de ciencias, un ejemplo relevante es la licenciatura en Química,
perteneciente a la facultad de ciencias donde la población total no sobrepasa los 100
estudiantes, paradójicamente, es óptima la demanda de químicos en la industria química
y farmacéutica. La via de entrada de los recién egresados de química en el mercado
laboral es por el área de los laboratorios de control de calidad, perteneciente al dominio
de la Química Analítica.
La cátedra de Química Analítica, perteneciente a la carrera de Licenciatura en
Química, es la responsable de la preparación de los futuros químicos en materias tan
especializada como la Química Analítica V (Qui-345), sus contenidos corresponden al
análisis químico instrumental avanzado, y como tal, es su prioridad la formación de sus
alumnos en equipos especializados, tales como, espectrómetros de masas, infrarrojos y
de resonancia magnética nuclear. Esta asignatura es impartida por el investigador
tesista. Es en este contexto especifico donde se desarrollaron los trabajos de la
investigación.
Los trabajos de la investigación se extendieron desde el 19 de Febrero al 29 de
noviembre de 2012.
1.2 Antecedentes
Una de las líneas de investigación en innovación educativa tecnológica es la
evaluación de herramientas y modelos didácticos desde el punto de vista de su
11
significatividad. Díaz-Barriga (2002, p. 360) dice al respecto “Valorar el grado de
significatividad no es una tarea sencilla… Aprender significativamente es una actividad
progresiva que solo puede valorarse cualitativamente”.
En este sentido, se presenta una síntesis de los estudios previos sobre la
implementación de los simuladores como recursos educativos que propicien el
aprendizaje significativo.
La eficacia del entorno didáctico de un simulador desde la perspectiva de producir
aprendizajes significativos es una temática poco estudiada, destacan unas pocas
investigaciones, tales como, Njoo y De Jong (1989; 1993); De Jong (1991); Njoo (1994)
Sierra (2004); Sánchez, Sierra, Martínez y Perales (2005); Izaguirre (2010).
Al respecto, Njoo y De Jong (1989, p. 16) postulan como pertinente el aprendizaje
por descubrimiento guiado, ya que los contenidos conceptuales pueden ser aprendidos
mejor y con más profundidad, a la vez que se aprenden contenidos procedimentales. La
simulación por ordenador se adapta adecuadamente a este modelo didáctico, ya que
oculta un modelo que debe descubrir el alumno.
En la última década se han desarrollado modelos o procedimientos que enmarcan
las condiciones pedagógicas previas y post al uso de un simulador educativo, tal es el
caso del proyecto Inteleccion-PIN-114/02, desarrollado por Sierra y colaboradores
(Sierra, 2004). Este modelo de orientación constructivista, tiene la particularidad de que
se presenta el simulador al alumno como una investigación dirigida: pequeño proyecto,
el cual debe desarrollar usando los pasos del método científico.
Otras investigaciones consultadas que estudiaron la relación de ambos
constructos, software educativo de simulación y aprendizaje significativo o desarrollo
12
cognoscitivo, no realizaron una evaluación de la significancia, más bien se cuantificaba
la relación entre ambos constructos utilizando indicadores de rendimiento académico o
evaluaciones a aspectos funcionales y/o técnicos del software, que si bien son válidos no
representan los indicadores de significancia descriptos en la teoría del aprendizaje de
Ausubel (2000).
Consultado el archivo de tesis de la UASD, hasta la fecha, 2012, no existían
registros de estudios previos bajo esta temática realizados en la Universidad Autónoma
de Santo Domingo.
1.3 Delimitación del problema
Los simuladores formativos constituyen recursos educativos multimedia que
facilitan el aprendizaje a través de la experiencia en situaciones difíciles de abordar en
un contexto real, por distintos factores tales como: la reproducción de procesos
complejos, el manejo de tecnología de alto coste, situaciones reales que entrañan peligro.
El trabajo en un ambiente artificial controlado, que puede asumirse como un acto en el
mundo real, hace posible comprender la situación desde lo experimental, practicar
respuestas a la misma y extraer conclusiones para la vida real.
Sin embargo, no existe en nuestro contexto geográfico, América central y el
Caribe, un uso generalizado del software simulador en el ámbito educativo presencial,
entre otras razones, la creencia entre los profesores de que el uso de software digital
requiere ser especialista en programación y por la falta de información sobre modelos
de implementación de los simuladores digital como estrategia cognitiva en la docencia
13
presencial que garanticen su capacidad potencial de promover aprendizajes
significativos.
Muchos profesores desconocen que las investigaciones educativas han facilitado la
utilización de los simuladores en tres dimensiones, la existencia de completos sistemas
de simulación de software libre, listo para su uso; en segundo lugar, entornos de
producción de simuladores de fácil manipulación por docentes con niveles básicos de
informática, y en tercer lugar, el desarrollo de modelos didáctico en torno al uso de los
simuladores en condiciones de beneficios pedagógicos, entendido como el logro de
aprendizajes significativos por parte de los alumnos.
El informe “Information Technologies in Education: The Quest for Quality
Software” elaborado por la OCDE en 1989, en el que se asevera que no hay software
bueno o malo, sino formas de utilizarlo eficaces o inadecuadas, profesores conocedores
de su buen uso o no, ambientes favorables para su utilización o no (OCDE, 1989).
Para que un programa informático genere oportunidades de aprendizaje no sólo
debe actuar como una herramienta de estímulo intelectual para el alumnado, sino que
debe insertarse en el aula mediante actividades facilitadoras del aprendizaje
significativo.
Con este fin, consideramos necesario tanto el desarrollo de software educativo
fundamentado en la didáctica de las ciencias experimentales, como su evaluación
rigurosa (Squires y McDougall, 1997) antes de ser utilizado por el alumnado.
El entorno didáctico del software educativo de simulación pretende crear las
condiciones para que el alumno construya conocimientos bien estructurados,
significativos, que lo habiliten potencialmente a transferirlo a situaciones reales.
14
Se busca evaluar la eficacia del entorno didáctico de un software de simulación
utilizado por aprendices como recurso mediador de instrucción, a partir del logro de
significativa del aprendizaje evaluado mediante el diagnóstico del desarrollo o
evolución de la estructura cognitiva de los aprendices.
Desarrollar una investigación en este sentido requiere que el investigador
seleccione un caso cuyas características tengan el perfil de la problemática presentada y
al mismo tiempo ofrezca la oportunidad al investigador de aproximarse al grado de
aprender y comprender a profundidad sobre dicha problemática.
Ambas condiciones concurren en este trabajo de tesis, la investigadora tesista tiene
pleno acceso a un caso que reúne todas las características planteadas en el perfil de la
problemática presentada, es la asignatura de Química Analítica Instrumental, Qui-345 de
la Universidad Autónoma de Santo Domingo.
Los profesores de la asignatura de Química Analítica Instrumental en la
Universidad Autónoma de Santo Domingo (caso bajo estudio), al introducir el
espectrómetro virtual de las universidades Carnegie Mellon y Pittsburgh, utilizando el
modelo instruccional de investigación guiada enfocada a aplicaciones analíticas, se
plantean la siguiente pregunta, válida para cualquier otra situación semejante.
¿Es eficaz el entorno didáctico vinculado a aplicaciones analíticas del
espectrómetro virtual de masas de las universidades Carnegie Mellon y Pittsburgh, para
desarrollar procesos cognitivos que sustenten el aprendizaje significativo en los alumnos
de un curso de Química Analítica Instrumental de la Universidad Autónoma de Santo
Domingo?
15
Las preguntas subordinadas están planteadas desde la especificidad del caso bajo
estudio.
¿Cuál fue la valoración del uso funcional de los aprendizajes logrados por los
alumnos del caso, mediados por el entorno didáctico del espectrómetro virtual
de masas de las universidades Carnegie Mellon y Pittsburgh?
¿En qué proporción fueron empleadas las estrategias cognitivas por los alumnos
del caso, durante la exploración del espectrómetro virtual de masas de las
universidades Carnegie Mellon y Pittsburgh y su entorno didáctico?
¿Cuál fue la valoración del uso flexible de los aprendizajes logrados por los
alumnos del caso, mediados por el entorno didáctico del espectrómetro virtual
de masas de las universidades Carnegie Mellon y Pittsburgh?
¿Hubo un cambio o evolución en los esquemas mentales representados en los
mapas conceptuales, antes y después del uso del espectrómetro virtual de masas
de las universidades Carnegie Mellon y Pittsburgh?
¿Cuáles fueron las actitudes de los alumnos frente a la integración del simulador
y su entorno didáctico en el aprendizaje?.
1.4 Objetivos de la investigación
Objetivo General:
A partir de la pregunta de investigación se planteó el siguiente objetivo general
que guiará los trabajos de la investigación. A su vez, este objetivo general permitió
definir los objetivos específicos necesarios para completar la meta propuesta.
16
Evaluar la eficacia del entorno didáctico de investigación guiada de un software
educativo de simulación, mediante los cambios de la estructura cognitiva logrado por
los alumnos en ambiente de educación superior y presencial, como expresión de
aprendizajes significativos.
Objetivos Específicos planteados desde la especificidad del caso bajo estudio:
Valorar el uso funcional de los aprendizajes logrados por los alumnos del caso,
mediados por el entorno didáctico del espectrómetro virtual de masas de las
universidades Carnegie Mellon y Pittsburgh.
Estimar la proporción de estrategias cognitivas empleadas por los alumnos del
caso, durante la exploración del espectrómetro virtual de masas de las
universidades Carnegie Mellon y Pittsburgh y su entorno didáctico.
Valorar el uso flexible de los aprendizajes logrados por los alumnos del caso,
mediados por el entorno didáctico del espectrómetro virtual de masas de la
universidades Carnegie Mellon y Pittsburgh.
Comprobar si hubo un cambio o evolución en los esquemas mentales
representados en los mapas conceptuales, antes y después del uso del
espectrómetro virtual de masas de las universidades Carnegie Mellon y
Pittsburgh.
Identificar las actitudes de los alumnos frente a la integración del simulador y su
entorno didáctico en el aprendizaje.
17
1.5 Justificación
El propósito general de la actual innovación tecnológica educativa es implementar
estrategias mediadas por los TIC que promuevan aprendizajes centrados en los alumnos
y significativos (Cabero 2007).
En este sentido, urge la necesidad por parte de los profesores universitarios de
educación presencial de apropiarse de esta visión del proceso de enseñanza-
aprendizaje para aplicarlos en estrategias que conduzcan a guiar la formación de un
profesional que no solo tenga habilidades, destrezas y capacidades sino que sea capaz
de seguir construyéndolas.
Es precisamente este contexto de necesidades propicio para el desarrollo de
nuevas herramientas educativas basadas en las TIC y que al mismo tiempo promuevan
aprendizajes significativos, en este sentido, nada más natural que las estrategias de
simulación sean el foco de las innovaciones informáticas orientadas a apoyar la
instrucción. Ruiz (1999) dice al respecto, “la simulación y el aprendizaje son dos
conceptos muy unidos en el proceso educativo”.
El software de simulación es un recurso tecnológico que ha sido empleado para la
transferencia de conocimientos de tipo procedimental, muy en especial en el área laboral
para suplir necesidades de capacitación o entrenamiento del personal, también a nivel
industrial para investigar en un entorno simulado la influencia de ciertas variables sobre
un proceso o equipo, con la finalidad de reducir los costos o riesgos que llevan las
pruebas pilotos en entornos reales.
La inclusión de la simulación en los planes de estudios de instituciones
educativas comprometidas con la innovación tecnológica se fundamenta en que esta
18
herramienta permite abordar el estudio de los sistemas dinámicos mediante el uso de
modelos matemático, al tiempo que el estudio y comprensión de estos sistemas
dinámicos forma parte del currículo de numerosas materias del área de ciencias: física,
química, electrónica, robótica, entre otras, en los distintos niveles educativos.
Por otra parte, la utilización del software de simulación en las aulas debe
garantizar un beneficio pedagógico, que se pone de manifiesto en la construcción que el
alumno realice de significados relevantes y bien estructurados. Este proceso está
rodeado de varios factores, internos y externos, por tanto se requiere de un entorno
instruccional o modelo didáctico para introducir un simulador educativo con beneficios
pedagógicos
El propósito principal de este estudio es comprobar, dentro del contexto descripto,
si el entorno didáctico del software educativo de simulación garantiza un beneficio
pedagógico, en términos de propiciar que los alumnos construyan significados
relevantes y transferibles a otras situaciones o contextos, es decir aprendan
significativamente.
Ahora bien, ¿Cuál es la ventaja de establecer la mejora en la calidad de los
aprendizajes de los alumnos cuando utilizan software educativo de simulación, en el
contexto bajo estudio?.
Algunas de las tareas cognitivas implicadas en el aprendizaje de las ciencias
experimentales pueden ser asistidas por el ordenador, Sierra (2004) cita una de las más
importantes funciones del ordenador: la disminución de la carga cognitiva del aprendiz
en actividades donde el alumno debe centrarse en el desarrollo de habilidades de orden
19
superior, el ordenador ayuda soportando procesos de nivel inferior, tales como la
memorización, acceso al conocimiento declarativo y conceptual.
Además, el ordenador es un medio estimulante para el alumno en actividades
donde se requiere aproximar al alumno a fenómenos de difícil o imposible visualización
(Sierra, 2004).
Además, si los beneficios pedagógicos de un determinado software de simulación
educativo se demostraran, se justificaría la inclusión de este tipo de recurso en el
programa de la asignatura. En algunas asignaturas de química pueden presentarse serias
dificultades cuando los profesores tratan de guiar a los alumnos hacia la comprensión
de las relaciones que se dan entre ciertos fenómenos o procesos con los factores que lo
modifican. El uso de un software educativo de simulación es un medio que el profesor
puede utilizar para que los alumnos experimenten o manipulen por sí mismo el efecto de
las variables que afectan un proceso.
1.6 Limitaciones del estudio
Un aspecto importante a tener en cuenta en la planeación de la actividad es su
viabilidad o factibilidad, se consideran la disponibilidad de recursos financieros,
humanos y materiales (Hernández y Fernández, 2010).
No se presentaron las limitaciones asociadas con las restricciones que la
instituciones oponen para realizar estudios que involucren su personal o a los alumnos,
debido a que el estudio fue realizado con los alumnos de una asignatura que imparte el
investigador tesista.
20
Tampoco se presentaron limitaciones referentes al nivel de profundidad o
inmersión en el contexto por parte del investigador, debido a que el estudio se realizó en
el contexto de su docencia.
Por otra parte, el periodo de recolección de datos estuvo limitado al primer periodo
de la investigación debido a que la asignatura es impartida en semestres alternos, no
será ofertada a los alumnos durante el siguiente semestre. Sin embargo esta situación fue
superada gracias a la planificación en el diseño de la investigación.
Finalmente, se garantizó que el presente estudio no tiene potencialidad de
producir efectos nocivos a la salud física o mental de los sujetos con los cuales se
realizó la investigación. Considerándose, por razones éticas, que cada uno de los
alumnos involucrados en el estudio, firmen el documento: consentimiento informado.
Modelo del ITESM, anexado en el apéndice A.
El investigador tesista puede seguir muy de cerca los cambios en la
significatividad de los aprendizajes de los alumnos del curso participante en el estudio,
debido a que imparte la asignatura en secciones de 6 horas semanales.
21
Capítulo 2. Marco Teórico
Este capítulo tiene el propósito de desarrollar el marco teórico que orienta el
diseño de la investigación. Los contenidos se presentan en los dos grandes constructos
bajo estudio: Software de simulación educativo y aprendizaje significativo. En un tercer
apartado se consultan las investigaciones relacionadas en torno a cada uno de los
constructos.
2.1 Software educativo de simulación
Este apartado se refiere a la simulación que ocurre en un ambiente de aprendizaje,
entendida, en su sentido más amplio, como el contexto donde ocurre la instrucción, un
aula, la computadora, el teléfono móvil, entre otros.
Los simuladores constituyen recursos educativos multimedia que facilitan el
aprendizaje a través de una experiencia simulada en situaciones difíciles de abordar en
un contexto real, por distintos factores tales como: procesos complejos, fenómenos de
difícil o ninguna visualización, el manejo de tecnología de alto coste, situaciones reales
que entrañan peligro. En este sentido De Jong (1991, p. 270) afirma “difficulties in
learning in a real life situation and other practical reasons may be given for using
simulation as an instructional device” [dificultades en el aprendizaje en una situación de
la vida real y otras razones prácticas puede ser dadas para el uso de la simulación como
un recurso de instrucción].
Los simuladores didácticos son herramientas cognitivas, ya que aprovechan la
capacidad de control de la computadora para amplificar, extender o enriquecer la
cognición humana (Jonassen, 1998), por tanto son un medio potencialmente eficaz para
22
que el alumno logre la adquisición, retención y transferencias de conocimientos a
situaciones reales.
Diversos estudios (Njoo, 1993, 1994; Sierra 2003) confirman la necesidad de
conocer las condiciones de uso de los simuladores para propiciar el aprendizaje
significativo.
2.1.1 Antecedentes al uso del software educativo de simulación. El desarrollo
de la tecnología en los sistemas informáticos, la expansión de la web, unido a la
evolución del software es organizada cronológicamente en los párrafos siguientes. Una
de las fuentes más utilizada para colectar esta información fue la línea del tiempo en la
web del Museo Histórico de la computadora.
Previo a la comunicación vía internet el ambiente natural de la instrucción formal
eran las aulas y escasamente las computadoras iniciando en 1960 con las mainframe o
macro-computadoras, mediante la llamada Instrucción Asistida por Computador (CAI)
(Museum Computer History, s.f.)
El uso de la computadora se populariza con la entrada a los hogares de la
computadora personal o de escritorio (PC) producida en 1981 por IBM. Este es un hecho
que evidentemente contribuyó a la difusión del CAI, sistema de instrucción no
interactivo. (Museum Computer History, s.f.)
Desde entonces el software ha evolucionado acompañando los cambios
tecnológicos en los sistemas computacionales, desde la instrucción asistida por
computadora, pasando por su integración a la web, hasta el desarrollo de software para
los dispositivos móviles. Sus funcionalidades de hoy en día enriquecen y apoyan las
23
TIC (Tecnología de la Información y la Comunicación), convirtiéndolo en una
herramienta poderosa y versátil al servicio de la educación.
Una reflexión que debe servir de guía a los docentes es la que aporta Ruiz (1999,
p.1): “los profesores y alumnos deben estar siempre abiertos a la incorporación de
nuevas herramientas didácticas que faciliten el aprendizaje y además estén en sintonía
con el desarrollo tecnológico: este es el caso de las herramientas de simulación”.
Las herramientas de propietario, iniciadas desde la década del 1960 (Museum
Computer History, s.f.), se caracterizaron por su complejidad de manejo y su alto precio,
dificultaron en gran medida un uso exhaustivo del software educativo por la comunidad
docente.
En 1987 el Software propietario adquiere relevancia al ofertarse en soporte de
disco compacto (CD). En este mismo periodo, los programadores fijan su interés en la
programación orientada a objetos, usando lenguajes como Basic, y los sistemas expertos
de la inteligencia artificial (Museum Computer History, s.f.).
Algunos ejemplos de herramientas de autor fueron Storyspace, HyCo y
Macromedia Director, entre otros.
Storyspace, es el primer entorno de escritura hipertextual, desarrollada por
Michael Joyce, David Bolter y John Smith en 1989 y publicado por Eastgate en 1991, ha
sido ampliamente utilizado desde entonces en la enseñanza de la escritura de hipertexto
(Bernstein, 2002).
Por otra parte, el HyCo (Hypermedia Composer) es una herramienta de autor,
desarrollada en 2005 por Adriana Berlanga y Francisco García para gestionar la creación
de personalizados recursos de aprendizaje (ALD: Adaptive Learning Designs) y por otro
24
lado, garantizar la reutilización y la intercambiabilidad de dichos recursos, mediante el
empleo del estándar IMS Learning Design (IMS LD). De tal manera, que los profesores
y diseñadores tienen libertad para el diseño de recursos de aprendizajes personalizados
(Berlanga y García, 2005).
Finalmente, el Macromedia Director, aplicación dirigida a manejar multimedia,
desarrollada originalmente por la empresa Macromedia, es actualmente distribuido por
Adobe Systems Incorporated desde el 2005 y está basada en flash (Underdahl, Nyquist
& Martin, 2004).
Al inicio de la década del 90 se producen dos avances tecnológicos, el acceso a
una red pública de comunicaciones, el internet, y por otra parte se produce un desarrollo
de los recursos multimedia en los CD. En esta misma época, 1995, Microsoft introduce
el Windows 95, los videos juegos se popularizan en las computadoras. De esa época se
recuerdan dos famosas enciclopedias: Comtpon’s y Encarta de Microsoft (Museum
Computer History, s.f.),
Una de las consecuencias del intercambio que propició la comunicación en el
internet entre los programadores fue la creación del software de código abierto. Desde
inicios de la década del 80 ya existían desarrolladores de software libre, sin embargo, es
el 2000 cuando se consolida el concepto de código abierto: Sun Microsystems lanzó la
suite ofimática StarOffice 5.2 como software libre bajo los términos de la Licencia
Pública General (Valverde, 2005).
Otra consecuencia derivada del internet y la flexibilidad de su entorno, es la
proliferación de las plataformas e-learning (Aprendizaje electrónico), definida como “un
25
conjunto de herramientas que combinadas ofrecen una solución integral para cubrir las
necesidades de formación no-tradicional” (García, 2002, p. 23).
El e-learnig se convierte en el entorno de aprendizaje que más demanda de los
desarrolladores, el software de simulación es una de sus últimas exigencias al sector
desarrollador.
Por otra parte, las simulaciones están presentes desde las primeras generaciones de
aplicaciones educativas, iniciando con la creación de micro-mundos (microworlds),
seguido por las simulaciones de vuelos (Strike Commander, Su-27 Flanker y U.S. Navy
Fighter). Su característica común era el lenguaje de alto nivel (Basic, pascal, logo, etc.) .
García (2002, p. 21) define los micro-mundos tal como se presenta en el siguiente
párrafo:
Los micro-mundos son entornos computacionales que ofrecen un conjunto de órdenes y herramientas para la creación de entes sobre los que se puede investigar las propiedades del mundo creado sobre su base. Normalmente, estos entornos no solían ofrecer ningún tipo de guía, sino sólo las herramientas para que el alumno investigase y decidiese.
La inclusión de herramientas de simulación dentro del entorno de Windows,
basadas en aplicaciones, tales como Neobook, Director Macromedia, entre otros, abrió
las puertas a una segunda generación de simuladores. Sin embargo, su evolución no se
detuvo, los programadores desarrollaron simuladores al estilo de programación
orientado a objetos bajo un entorno de lenguaje gráfico (Visual Basic, Delphy, Java,
etc.), iniciando la tercera generación (Ruiz, 1999, pp. 11-12).
Actualmente se está inmerso en la llamada realidad virtual basada en el lenguaje
VRML (Virtual Reality Modeling Language), a partir del cual se obtienen resultados en
tiempo real de complejos procesos, cuyos modelos son representados por simuladores.
26
Otro avance relevante son las simulaciones distribuidas que permiten generar
animaciones a partir de datos, La evolución de los simuladores ha hecho posible que sus
áreas de aplicaciones se extiendan desde su más extendido uso, en simulaciones de
estrategias militares, hacia disciplinas como la medicina, economía (análisis de sistema
económicos y financieros), telecomunicaciones, energía, modelado de procesos
químicos y de circuitos en física (García, 2002).
García (2002, p. 22) plantea que “Los simuladores han posibilitado el desarrollo
de un campo de sumo interés en paralelo a la formación tradicional, el entrenamiento
para la capacitación en el uso y manejo de dispositivos de alto coste o riesgos como
aviones, naves espaciales, controladores aéreos, etc.”.
Ruiz (1999, p. 15) sintetiza en la siguiente frase el estado del arte de la tecnología
“avanza a la integración de cuatro grandes campos: Inteligencia artificial, Técnicas de
simulación, multimedia e internet”.
2.1.2 Concepto software educativo de simulación. Marqués (2010) describe el
tipo de aprendizaje que promueven las simulaciones: “La simulación presenta un modelo
o entorno dinámico, y facilita la exploración y modificación a los alumnos, los cuales
pueden realizar aprendizajes inductivos o deductivos mediante la observación y
manipulación de la estructura subyacente. Facilitan aprendizajes significativos.
A su vez, Marqués (2010) clasifica los simuladores como físicos-matemáticos y
sociales, los define como:
Modelos físico-matemáticos. Presentan de manera numérica o gráfica una realidad que tiene unas leyes representadas por un sistema de ecuaciones deterministas. Incluyen los programas-laboratorio, trazadores de funciones y los programas que con un convertidor analógico-digital captan datos de un fenómeno externo y presentan en pantalla informaciones y gráficos del
27
mismo. Entornos sociales. Presentan una realidad regida por unas leyes no del todo deterministas. Se incluyen aquí los juegos de estrategia y de aventura.
Por su parte, Ruiz (1999) clasifica las simulaciones computacionales en forma
más funcional y relacionada a su desarrollo histórico. Sitúa su inicio en la primera
generación, caracterizada por aplicaciones CAI en Basic, Pascal y Logo, entre otras;
continúa el desarrollo del software de simulación durante la segunda generación, basada
en aplicaciones en entorno Windows, hasta llegar a la actual generación, basada en las
siguientes características: entornos y lenguajes gráficos, tales como, Visual Basic,
Delphi, Java; protocolos de comunicación TCP/IP; incorporación de técnicas de
programación orientadas a objetos y técnicas OLE y ActiveX. Además en esta última
generación se introducen entornos que soportan aplicaciones de aprendizaje a distancia.
Los software simuladores de instrumentación, valiosos en la investigación
académica, contienen un ambiente gráfico previamente programado. Un ejemplo de la
versatilidad del uso de los simuladores la ofrece Flores (2006, p. 93 ) “simuladores que
contienen un ambiente gráfico de señales fisiológicas, como la señal electrocardiográfica
la cual se visualiza y se pueden cambiar los parámetros. Así mismo se realizan modelos
al igual que en el software MATLAB con la herramienta de Simulink”.
Marqués (2010) diferencia los tutoriales de los entornos de simulación,
estableciendo criterios de uso a partir de la conceptualización de los tutoriales: “Los
tutoriales están basados en modelos cognitivistas, proporcionan herramientas de
búsqueda y proceso para que los alumnos construyan la respuestas”.
Para discriminar entre ambos, Galvis (2003, p. 4) especifica que el tutorial debe
utilizarse cuando interesa la adquisición de conocimientos y afianzarlos., mientras que
28
un simulador es necesario en primer lugar para practicar destrezas u obtener
retroalimentación según las decisiones que haya adoptado.
Ruiz (1999, p. 3) define el modelo físico-matemático de los simuladores como una
realidad representada por un conjunto de operaciones matemáticas que se podrá
representar por una serie de ecuaciones.
Diversos autores solo conciben los simuladores como sistema orientados a la
adquisición de conocimientos por descubrimiento, Galvis (1993, p. 4) plantea que “un
simulador puede usarse para que el aprendiz llegue al conocimiento mediante trabajo
exploratorio, conjetural y mediante aprendizaje por descubrimiento, dentro de un micro-
mundo que se acerca, en su comportamiento, razonablemente a la realidad o a aquello
que intenta modelar”.
Al anterior planteamiento, Galvis (1993, p. 7) adiciona los factores que determinan la
elección entre un modo u otro de adquisición del conocimiento por parte de los profesores
en el proceso de enseñanza – aprendizaje.
Los buenos profesores usan los tres modos en combinaciones variadas, dependiendo del material, de los alumnos y de los ambientes físicos donde se lleven a cabo las actividades de aprendizaje. Se impone que estos profesores hagan uso selectivo y creativo de distintos tipos de MECs (Materiales educativos computarizados).
2.1.3 Entorno didáctico del software educativo de simulación. El contenido
del software debe estar inserto dentro de los objetivos generales del currículo, y por otro
lado, es indispensable establecer el para qué de su uso. Es importante destacar que el
software no ha de ser utilizado como una simple actividad lúdica, de ser así, más que
beneficio, puede ocasionar descontento y descontrol entre los alumnos.
29
El fundamento teórico del software debe considerar el aprendizaje como un
proceso en el que los alumnos modifican sus estructuras cognitivas. Por tanto debe tener
actividades que exijan un esfuerzo cognitivo, como son (interpretar, relacionar, buscar,
entre otros).
Catalogado como una estrategia de enseñanza aprendizaje, ha de adecuarse al
educando, al educador, a los objetivos y a los contenidos; además, debe tener en cuenta
los posibles distintos estilos de aprendizaje de los alumnos y poseer carácter completo,
es decir proporcionar todo lo necesario (tutorial, ayuda, guía de navegación, etc.).
El software tiene que permitir que el alumno se haga cargo de su propio
aprendizaje. Debe fomentar el autoestudio, pero permitir el trabajo colaborativo. El
alumno que se convierte en participante activo en el proceso de aprendizaje, incrementa
de una manera espectacular la capacidad de recordar información y la de establecer
vínculos. Para este fin, el diseñador pondrá énfasis en las posibilidades de auto-
planificación, de control y de auto-evaluación del alumno (Glabán y Ortega, 2004;
Marqués, 2009).
2.1.4 Características del software educativo de simulación. Las características
de un software de simulación dependen del campo de aplicación para el cual se
diseñaron (simulación de procesos, circuitos y sistemas, control de maquetas,
adquisición de datos y medidas de variables físicas, entorno de entrenamiento con
operadores técnicos, laboratorio virtual, interacción con el medio externo, entre otros).
Ruiz (1999, p. 5) adiciona las siguientes características de los entornos de
simulación:
El tipo entorno gráfico.
30
Posibilidad de conexión con el exterior. Incorporación de módulos de planificación del aprendizaje Posibilidad de conexión con otros programas. Lenguaje de programación gráfica. Posibilidad de ampliación de biblioteca de objetos. Interfaces Hombre Máquina. Instrumentación Virtual, instrumental, etc.
2.1.5 Diseño del software educativo de simulación. Los avances tecnológicos
en las últimas décadas en materia de programación, han permitido desarrollar entornos
de programación que facilitan a docentes y usuarios en general la producción de
simulaciones adaptadas a sus necesidades.
Previo a conocer estos entornos de producción de simuladores, se debe tener
nociones sobre el modelo de simulación, su estructura, componentes de diseño y fases de
producción.
2.1.5.1 Modelo de simulación. La simulación de un sistema implica la
construcción de un modelo. El objetivo es averiguar qué pasaría en el sistema si
aconteciera determinada hipótesis.
Al respecto, Joolingen, & De Jong (2003, p. 2) afirman “Las simulaciones son
programas informáticos que contienen un modelo ejecutable de un sistema natural o de
otro tipo, capaz de calcular el comportamiento del sistema modelado por medio de
algoritmos y presentan los resultados de estos cálculos al usuario”.
Finalmente, Ruiz (1999, p. 3) es más específico al definir un modelo de
simulación: “La simulación no deja de ser el cálculo iterativo de una serie de valores o la
exploración de una “tabla de eventos” en la que se recogen estados de entradas y estados
de salidas”.
31
2.1.5.2 Estructura de un modelo de simulación. En todo programa didáctico se
distinguen tres módulos principales (Marqués, 1996):
a) El entorno de comunicación (interface o interficie): es el sistema de
entrada/salida (input/output), cuyo objetivo es establecer el diálogo con el usuario y
posibilitar la interactividad. La principal característica de la interface es ser cada vez
más intuitiva y proporcionar un diálogo abierto lo más próximo posible al lenguaje
natural.
Realmente se trata de un doble sistema:
Sistema usuario-programa (input): incluye las funciones que se pueden realizar
con periféricos como el teclado, ratón, micrófono, pantalla táctil, lápiz óptico,
etc.
Sistema programa-usuario (output): incluye las funciones que se llevan a cabo
con periféricos como la pantalla, la impresora, altavoces, sintetizador de voz,
etc.
b) Bases de datos: contienen la información específica organizada (texto, sonido,
gráficos, etc.) objeto de trabajo. Pueden ser más o menos deterministas en su
comportamiento.
c) Motor o Algoritmo: es el mecanismo lógico que gestiona las actuaciones del
computador frente a los imput y sus respuestas a las acciones de los usuarios, decidiendo
como se presenta la información. Así, es el módulo que decide:
- Si la información se presenta de forma lineal (en secuencia única) o ramificada
(varias secuencias, según la respuesta de los alumnos).
32
- Si el sistema es un Sistema Experto o no, es decir, en qué medida dialoga y
tutoriza al alumno (inteligencia artificial).
2.1.5.3 Componentes de diseño en construcción del modelo de simulación. Los
componentes considerados en el diseño de un modelo de simulación son los siguientes:
los estímulos que representan los valores de entrada o imput; las respuestas generadas en
función de los estímulos y parámetros involucrados en la simulación; los parámetros,
definidos como los valores de entrada que reflejan condiciones internas e iniciales,
ejemplos de parámetros: tiempo de simulación y número de muestras a tomar, entre
otros (Ruiz, 1999).
A los anteriores componentes se adiciona el escenario, definido como el conjunto
de valores y parámetros de un modelo de simulación, los escenarios son teóricamente
infinitos, sin embargo solo se seleccionan aquellos que ayuden a comprender el
fenómeno (Ruiz, 1999).
2.1.6 Validez operacional y pedagógica del software educativo de
simulación. La validez de un software se establece sobre las premisas de que su
operación por aprendices ocurrió luego de que éste recibiera entrenamiento sobre el
propio instrumento y el usuario y/o profesor reconocen que se tienen los conocimientos
previos requeridos para el campo del conocimiento que se quiere transferir por medio
del simulador.
Al respecto, Ruiz (1999, p. 10) La utilización de herramientas de simulación en el
aula es preciso que se sistematice por parte del profesor y que antes de ponerla al
servicio de los alumnos estos hayan recibido la instrucción necesaria tanto en el terreno
que se quiera aplicar como en el conocimiento de la propia herramienta.
33
La validez operacional y pedagógica de un software es solo determinada posterior
a su evaluación interna y externa.
Al momento de evaluar debe considerarse en todo momento que las características
del software deben satisfacer los propósitos de un software educativo, recordando la
definición de Marqués (1996) “El software educativo se puede definir como
«programas de ordenador creados con la finalidad específica de ser utilizados como
medio didáctico, es decir, para facilitar los procesos de enseñanza y aprendizaje”
La evaluación de software educativo es actualmente una actividad muy extendida,
a todos los niveles de usuarios, bajo este contexto se han desarrollado múltiples modelos
de evaluación.
En este sentido, Ruiz (1999) aporta criterios específicos para la valoración de
software de simulación educativo, aclara que no son criterios pedagógicos.
Por su parte, Cova, Arrieta y Aular, (2008) aportan un exhaustivo listado de
modelos para evaluación de software. En este listado se incluye el modelo de valoración
de software implementado por Bostock en el 1998, en este modelo el autor propone una
lista de control para la evaluación de software educativo, mediante variables, e
indicadores.
Por último, Marqués (2010) plantea la evaluación externa mediante unas plantillas,
las cuales cubren aspectos funcionales, estéticos, técnicos, pedagógicos; además, en ellas
participan: personal técnico, profesores, estudiantes y usuarios finales.
2.1.7 Ventajas y desventajas del software educativo de simulación. Izaguirre
(2010, p. 81) caracteriza las personas que tienen éxito para enfrentar problemas,
expresando que: “Las personas que aprenden, piensan y resuelven problemas con éxito
34
son estratégicas. Puesto que emplean estrategia para cumplir determinadas metas, debido
a que estas son esenciales para tener éxito en el aprendizaje, el pensamiento y la
resolución de problemas”.
Basado en lo anterior se llegaría a la conclusión de asignar como una de las causas
que presenta el aprendizaje de la Química y en general de cualquier asignatura científica,
la carencia por parte del aprendiz de una estrategia para enfrentar la comprensión que le
permita identificar y resolver problemas o realizar inferencias, aún más, debe ser capaz
de extender el conocimiento más allá de las aulas, resolviendo problemas al adaptar sus
estrategias a entornos reales.
Una de las principales ventajas de interactuar con un sistema de simulación digital
es que promueve el uso de estrategias para la resolución de problemas, puesto que en su
funcionalidad y operación por el alumno cumple con todas las fases de la indagación
científica: Identificar un problema, acceder a lo que ya se sabe sobre el problema,
analizarlo y generar hipótesis para una solución, decidir sobre un plan para probar
hipótesis, poner en funcionamiento el plan , evaluar la solución, concluir enunciando las
soluciones y sus implicaciones (Izaguirre, 2010, p. 85).
Otra ventaja muy relacionada a la anterior radica en que el nivel de experto
logrado por el aprendiz en los repetidos usos en el entorno seguro del simulador lo
habilita a la generalización y a la transferencia al contexto real de la experimentación
(Ruiz, 1999).
Por otra parte los sistemas de simulación digitales exigen un compromiso activo
por parte del estudiante, lo cual promueve su motivación, constituyéndose en otra
ventaja de estos sistemas (Sierra, 2002)
35
Abundando sobre las ventajas Galvis (1993, p. 5) señala que el aprendizaje de
información procedimental es una de las ventajas que ofrecen los simuladores.
Por su parte, Ruiz (1999, p. 2) adiciona cinco importantes ventajas que aporta una
herramienta de simulación como estrategia de enseñanza: El aprendizaje por
descubrimiento, Fomenta la creatividad, ahorra tiempo y dinero, la enseñanza
individualizada, la autoevaluación.
Finalmente, Sánchez (2002) señala algunas ventajas de los simuladores educativos
desde la perspectiva de su función de propiciar aprendizajes significativos, tales como,
implica a los alumnos activamente en el proceso de aprendizaje al utilizar el ordenador,
hacia el cual sienten una motivación intrínseca, por lo general. Involucra a los alumnos
en tareas propias de los investigadores (delimitación de un problema, observación,
emisión de hipótesis, discusión en grupo, diseño de estrategias para contrastar hipótesis,
control de variables).
Además, la dinámica de la clase es más participativa. Los programas didácticos de
simulación permiten al alumnado cambios en las condiciones experimentales que en el
laboratorio real serían difíciles de conseguir, e incluso, en ocasiones, inviables; por
último, la comunicación entre el profesor y los alumnos, y de éstos entre sí se hace más
fluida (Sierra, 2002)
Sin embargo, también existen desventajas en el desarrollo de sistemas de
simulación, se identifican principalmente las siguientes desventajas: el tiempo requerido
para la validación de un modelo después de su diseño y producción (Cámara y
Alzugaray, 2010), y por otro lado, la incomprensión por las altas instancias de una
36
institución educativa a aceptar la validez de los simuladores como mediadores de la
instrucción.
2.2 Aprendizaje significativo
Esta frase de Coll (1988, p. 133) es un buen inicio para esta apartado: “La
finalidad última de la intervención pedagógica es desarrollar en el alumno la capacidad
de realizar aprendizajes significativos por sí solo en una amplia gama de situaciones y
circunstancias”, en este planteamiento Coll describe uno de los principales beneficios
del aprendizaje significativo: aprender a aprender.
2.2.1 Antecedentes y fundamentos del aprendizaje significativo. Antes de la
década del 60, las estrategias de enseñanza estaban mayormente basadas en aprendizaje
por repetición (Ausubel, Novak, & Hanesian, 1978, p. 144), dicen al respecto:
“Discrete and relatively isolated entities that are relatable to cognitive structure only in
an arbitrary, verbatim fashion, not permitting the establishment of the above mentioned
relantionships ” [los materiales aprendidos por repetición son entidades aisladas
relacionadas con la estructura cognoscitiva sólo de manera arbitraria y al pie de la letra,
lo que no permite el establecimiento de relaciones de conexión].
La tendencia actual de las estrategias de enseñanzas - aprendizajes van
proyectadas a un enfoque constructivista cognitivo, la cual dio origen a la teoría del
aprendizaje significativo de David Ausubel, desarrollada inicialmente en 1963 en su
obra Educational Psychology: A Cognitive View (Psicología Educacional: Una
perspectiva cognitiva). Surge en contraposición al aprendizaje memorístico.
37
Esta teoría fue complementada en 1978 en colaboración con Novak y Hanesian en
la obra en conjunto Ausubel, Novak, & Hanesian (1978) Educational Psychology: A
Cognitive View.
Es importante especificar que la referencia a la primera obra sobre el aprendizaje
significativo de Ausubel en 1963 no es la única fuente para citar los postulados de
dicha teoría, las sucesivas obras, tanto de Ausubel como de sus colaboradores pueden
ser utilizadas, porque en ellas se plantean los mismos postulados iniciales, adicionados a
las nuevas propuestas.
2.2.2 Definición de aprendizajes significativos. Para conceptualizar el
aprendizaje significativo, nada más apropiado que su creador Ausubel (1976, p. 56), “La
esencia del proceso del aprendizaje significativo reside en que ideas expresadas
simbólicamente son relacionadas de modo no arbitrario, sino sustancial (no al pie de la
letra) con lo que el alumno ya sabe, relacionado con algún aspecto esencial de su
estructura de conocimientos (por ejemplo, una imagen, un símbolo ya con significado,
un contexto, una proposición”.
Básicamente la teoría del aprendizaje significativo plantea que el aprendizaje se
logra relacionando en forma sustantiva (no literal) el nuevo conocimiento con los
conocimientos previos relevantes (no arbitrarios) existente en la estructura cognitiva del
aprendiz. A estas ideas inclusoras Ausubel las llamó subsumidores o ideas de anclaje, a
la acción asociada, subsunsión (Ausubel, 2002).
Ausubel (2002, p. 84) denomina “Subsunción al proceso de asimilación que enlaza
los nuevos conocimientos con los previos. Considera el olvido como una etapa de la
asimilación (subsunción obliteradora)”.
38
Ahora bien, ¿Cómo se manifiesta el aprendizaje significativo??
Para responder la anterior interrogante debe tenerse en cuenta las implicaciones
del aprendizaje significativo planteadas por Novak (2010, p. 23), “el Aprendizaje
significativo subyace a la integración constructiva de pensar, sentir, y actuar que
conduce a la potenciación de compromiso y responsabilidad”.
Basado en la anterior afirmación se podría decir que la presencia de alguna de las
siguientes manifestaciones en los alumnos, es una evidencia de aprendizaje
significativo.
Se siente implicado, responsable y motivado; participa expresando sus ideas.
Utiliza operaciones mentales o cognitivas de mayor nivel que la mera
memorización.
Se interrelaciona con los compañeros, expresa sus reflexiones durante el
trabajo en equipo.
Se desenvuelve con autonomía y utiliza el auto aprendizaje con eficacia
Es perseverante. Adopta disciplina de superación de las dificultades en las
actividades.
Creativo. Exhibe el pensamiento divergente, sin ser polémico
A partir de los enunciados de Ausubel, Ballester (2002, p. 18) explica en forma
clara el concepto de aprendizaje significativo “El aprendizaje es por tanto un proceso de
construcción individual y personal, los humanos integramos dentro de las estructuras de
conocimiento aquellos conceptos que tienen en cuenta y se relacionan con lo que ya
sabemos”.
39
Novak fue co-autor de la 2a ed. del libro Educational Psychology: A Cognitive
View junto con Ausubel y Hanesian, en el 1978; editada al español en 1983, en esta obra
se complementa la teoría del aprendizaje significativo, Novak (2006, p. 90) resume su
aporte más relevante: “el aprendizaje significativo subyace a la construcción del
conocimiento humano y lo hace integrando positivamente pensamientos, sentimientos y
acciones, lo que conduce al engrandecimiento personal”.
Novak imprime el carácter humanista a la teoría de la significatividad de Ausubel,
bajo esta perspectiva Moreira (1997a) comenta, “para Novak, una teoría de educación
debe considerar que los seres humanos piensan, sienten y actúan y debe ayudar a
explicar cómo se pueden mejorar las maneras a través de las cuales las personas hacen
eso”. Cualquier evento educativo de acuerdo con Novak, es una acción para cambiar
significados (pensar) y sentimientos entre aprendiz y profesor.
Por su parte Gowin (1981) presenta en su obra Educating un modelo de enseñanza
caracterizado por el rol del profesor de compartir significados consensuados por la
comunidad mediante los materiales educativos del currículum hasta verificar que el
alumno captó el significado, e inicie su propia construcción a partir de los significados
captados. Además, Gowin aporta un instrumento epistemológico, la V de Gowin que
representa un diagrama del conocimiento en forma de V, que guía a los estudiantes en el
proceso de analizar reportes y diseños de investigación.
Ausubel, D (2002, p. 20) fundamenta el aprendizaje planteando que “La
estructura cognitiva existente del estudiante juega un rol en la adquisición, la retención,
la organización y la transferencia de nuevos significados (Ausubel, D. 2002, p. 20)
40
El aprendizaje es concebido como un proceso de adquisición, reestructuración y
cambio de las estructuras cognoscitivas, en el que los fenómenos cognitivos juegan un
papel fundamental: la percepción, la atención y la memoria, a partir de una
interpretación dinámica de estos fenómenos (Ausubel, 2002).
La relación anterior obliga a preguntarse ¿Qué son los procesos mentales y cuál es
su importancia?
Johnson-Laird (1980, p. 110) resume la importancia que le otorgaban los
investigadores educativos de la generación del 1980 a las ciencias cognitivas: Cognitive
science does not exist: it is necessary to invent it (Si la ciencia cognitiva no existiese, es
necesario inventarla).
Por otra parte, un sustento para entender qué son los procesos mentales, lo
proporciona la clasificación de los niveles de complejidad de los procesos mentales,
planteada por Sánchez (2002) en básicos, superiores y metaprocesos.
Los procesos básicos son el soporte de la organización y razonamiento del
conocimiento, están constituidos por seis operaciones elementales: observación,
comparación, relación, clasificación simple, ordenamiento y clasificación jerárquica; lo
integran además, tres procesos integradores: análisis, síntesis y evaluación (Sánchez,
2002).
Por otra parte, los procesos superiores controlan los siguientes procesos:
planificación, supervisión, evaluación y retroalimentación, así como la adquisición de
conocimientos y toma de decisiones. Finalmente, los meta procesos situados en la
cúspide de los procesos mentales, regulan el proceso de aprendizaje (Sánchez, 2002).
41
La organización jerárquica de la estructura cognitiva es planteada en la teoría del
aprendizaje de Ausubel (2002, p. 84).
La propia organización psicológica del conocimiento como una estructura jerárquica donde los conceptos más inclusivos ocupan una posición en la cima de la estructura y luego subsumen (se incluyen) hacia abajo y de una manera progresiva subconceptos y datos factuales más diferenciados.
Basándose en los anteriores planteamientos, Díaz-Barriga y Hernández (2002, p.
39) se refieren a la estructura cognitiva destacando su carácter jerárquico.
La estructura cognitiva puede ser considerada como una estructura de conceptos inclusores y de relaciones entre los mismos. En la parte superior están las ideas más generales, abstractas e inclusivas. Más abajo están las ideas de nivel intermedio hasta llegar a la base de la estructura cognitiva en la que se encuentran las ideas particulares, concretas y menos inclusivas, con menos poder explicativo.
En la actualidad esta concepción constructivista y cognitiva de cómo se aprende,
generalmente aparece redactada en las filosofías de la mayoría de las instituciones
educativas, sin embargo suele coexistir en la práctica con la teoría del aprendizaje
memorístico, donde el alumno aprende por repetición, asocia con su estructura cognitiva
en forma arbitraria y no relevante.
2.2.3 Características del aprendizaje significativo. Moreira (1997a) elabora un
magnifico aporte para discriminar entre lo que es y no es aprendizaje significativo: ¿Qué
no es un aprendizaje significativo?
No es súbito ni surge instantáneamente.
No es necesariamente aprendizaje correcto.
No se produce sin la intervención del lenguaje.
No se facilita con cualquier organización o tratamiento del contenido curricular.
No es el uso de instrumentos facilitadores.
42
No es un proceso independiente que se produzca al margen de la interacción
personal.
Según Moreira (1997a) las características del aprendizaje significativo pueden
sintetizarse:
Carácter crítico (que queremos aprender, para que, por que con respecto a
nuestros intereses).
Es subyacente (compatible y en el trasfondo) a las teorías, constructivistas y
psicológicas.
Es teoría de aprendizaje.
Carácter progresivo (evolutivo) a través del tiempo.
2.2.4 Formas de adquisición del conocimiento. Existen dos corrientes
importantes al interior del aprendizaje significativo en cuanto a la manera de adquisición
del nuevo conocimiento (Díaz-Barriga y Hernández, 2002, pp. 35-38).
Una de las corrientes, desarrollada por Jerome Bruner, defiende la adquisición de
conocimientos por descubrimiento., atribuyéndole una gran importancia a la actividad
directa de los estudiantes sobre la realidad (Marqués, 2010). Evidentemente, su
fundamento es el paradigma constructivista que concibe al alumno como un agente
activo en la adquisición del conocimiento.
En el aprendizaje por descubrimiento los alumnos están en el control sobre el
proceso de aprendizaje, haciendo experimentos, formulando hipótesis, construyendo su
propio conocimiento del dominio en cuestión (Izaguirre, 2010)
43
Ruiz (1999, p.2) conceptualiza el aprendizaje por descubrimiento como “una
forma activa de aprender en la que el alumno es el propio artífice de su aprendizaje. Se
sugieren al alumno unas hipótesis y éste las desarrolla buscando las causas y efectos de
los distintos fenómenos”. Los entornos de simulación deben cumplir los requisitos
necesarios para que la interacción alumno-simulador permita este tipo de aprendizaje. El
método de aprendizaje ensayo-error es perfectamente compatible con esta dimensión de
los sistemas de simulación.
La otra corriente, defiende el aprendizaje por recepción, es contraria a la teoría de
aprendizaje por descubrimiento, postula que el profesor estructura los contenidos y las
actividades a realizar para que los conocimientos sean significativos para los estudiantes.
Es importante aclarar que ambas corrientes no son contrarias al aprendizaje
significativo, solo se trata de estrategias diferentes para adquirir el nuevo conocimiento
(Díaz-Barriga y Hernández, 2002, pp. 35-38).
Ausubel, principal creador de la teoría del aprendizaje significativo, afirmaba que
solo se justificaba el aprendizaje por descubrimiento en la primera infancia, no estaba
de acuerdo con la estrategia de adquisición por descubrimiento del nuevo conocimiento
en las siguientes etapas de madurez del aprendiz (Díaz-Barriga y Hernández, 2002, p.
39).
Existe en la práctica educativa una tercera corriente intermedia entre la adquisición
por descubrimiento y por recepción: Aprendizaje por descubrimiento guiado.
En este sentido Njoo y de Jong (1991) consideran el aprendizaje por
descubrimiento guiado importante, ya que los contenidos conceptuales pueden ser
aprendidos mejor y con más profundidad, a la vez que se aprenden contenidos
44
procedimentales. La simulación por ordenador se adapta adecuadamente a este modelo
didáctico, ya que oculta un modelo que debe descubrir el alumno. En este modo de
adquisición del conocimiento, el rol de maestro es de monitorear el proceso de
aprendizaje del alumno, ofertándole el andamiaje oportuno.
Es importante resaltar la clasificación del aprendizaje, según el modo de inclusión,
planteada por Ausubel (1976); constituyen la base de la estructura de los mapas
conceptuales.
1. Subordinado, entonces consistiría en la inclusión del nuevo concepto o
proposición en ideas más amplias y generales ya existentes en la estructura cognoscitiva
(Ausubel, 1976, p. 72). Por ejemplo: la ballena es un mamífero.
2. Supraordinado, cuando lo que se aprende es un concepto o proposición que
engloba a otros ya existentes (Ausubel, 1976, p. 72). Por ejemplo: las zanahorias, judías
y espinacas son verduras.
3. combinatorio, cuando el nuevo concepto o proposición no guarda relación de
subordinación ni de supraordenación con las ideas establecidas en la estructura
cognoscitiva del sujeto (Ausubel, 1976, p. 73). Por ejemplo: las relaciones entre la masa
y la energía, entre el calor y el volumen.
2.2.5 Relación entre aprendizaje significativo, desarrollo cognitivo y
desarrollo cognoscitivo. El Desarrollo cognitivo a que se refiere esta tesis no es relativo
al desarrollo cognitivo vinculado a la evolución de la estructura cognitiva con respecto a
la maduración de estructuras cerebrales, concepción en la cual Jean Piaget fundamentó
su teoría del desarrollo cognitivo en la infancia.
45
El desarrollo cognitivo a que se refiere esta investigación está dentro del enfoque
del aprendizaje significativo de Ausubel, se refiere al progreso en los esquemas
mentales o estructura cognitiva, generado por la asimilación del nuevo conocimiento,
estimulado por factores internos de motivación del aprendiz y sustentado en la evolución
de sus procesos mentales.
Para evitar la ambigüedad del término, de aquí en adelante nos referiremos a este
concepto como desarrollo cognoscitivo, adoptando la segunda acepción del término
La Real Academia Española (RAE) conceptualiza ambos términos así:
Cognoscitivo, va. (del lat. cognoscĕre, conocer), adjetivo. Que es capaz de conocer. Potencia cognoscitiva.
Cognitivo, va. (de cognición), adjetivo. Perteneciente o relativo al conocimiento.
De esta conceptualización se infiere que los procesos cognitivos son habilidades
del pensamiento que preceden a la capacidad de conocer y aprender, es decir preceden a
lo cognoscitivo.
Mientras que el desarrollo cognoscitivo relacionado directamente con el
aprendizaje significativo se enfoca en describir las características cognoscitivas de los
sujetos en distintos períodos del aprendizaje de un dominio del conocimiento específico.
En base a lo anterior, la evaluación del aprendizaje significativo se hace mediante
los indicadores del desarrollo cognoscitivo.
2.2.6 Ventajas del aprendizaje significativo. En torno a la calidad y ventaja de
adquirir conocimientos significativos, en virtud de su carácter no arbitrario y sustancial,
Ausubel (2002, p. 46) plantea, “en las situaciones de aprendizaje y retención de carácter
significativo se puede aprender una cantidad mucho mayor de material de instrucción y
46
también retener durante períodos más prolongados de tiempo que en situaciones de
aprendizaje y retención de carácter memorista”.
Ballester (2002, p. 18) presenta evidencias empíricas de las ventajas de un
aprendizaje significativo generadas en investigaciones del profesor Novak en Cornell y
del profesor González en la Universidad Pública de Navarra, al respecto Ballester dice
No hay dudas sobre la virtualidad y eficacia del aprendizaje significativo para conseguir elevados niveles de calidad y de aprendizaje, por lo que deberíamos esforzarnos todas las personas implicadas en educación en el compromiso de facilitar y dar a conocer la aplicación práctica en el aula del aprendizaje significativo.
2.2.7 Factores que influyen en el aprendizaje significativo. Los factores que
influyen en la promoción del aprendizaje significativo son las mismas variables que
influyen en la estructura cognitiva, enunciadas por Ausubel en su teoría del aprendizaje
en Ausubel (2002, p.16): “Las variables de la estructura cognitiva: disponibilidad de
ideas de anclajes pertinentes, la especificidad, la claridad, la estabilidad y la
discriminabilidad con ideas afines ya interiorizadas y con las ideas de los materiales de
instrucción que reflejan lo que el estudiante ya sabe y lo bien que lo sabe”.
Además se incluyen los factores motivacionales, llamadas por Ausubel
significatividad psicológica.
47
2.2.7.1 Significatividad Psicológica del Aprendiz. Es la predisposición o actitud
para llegar al nivel de comprensión es decir aprender de forma significativa. Implica la
predisposición a la construcción de enlaces no arbitrarios y sustantivos entre la
información nueva y los esquemas previos. (Moreira, 1997a, p. 2). Es necesario plantear
claramente los significados que se le atribuyen a no arbitrarios y sustantivos.
No arbitrario: La relación no es con cualquier aspecto de la estructura cognitiva
sino con conocimientos específicamente relevantes a los que Ausubel llama
subsumidores.
Sustantivos: la relación incorpora del nuevo conocimiento su sustancia.
2.2.7.2 Subsumidores adecuados (ideas de anclaje). En la estructura cognitiva
del aprendiz. “Si yo tuviese que reducir toda la psicología educativa a un solo principio,
enunciara éste: averígüese lo que el alumno ya sabe y enséñesele convenientemente”
(Ausubel, 1976, p. 389), con esta frase Ausubel resumió la importancia otorgada en su
teoría a los conocimientos previos.
Los conocimientos previos son los esquemas mentales, ideas de anclajes que
permiten la interacción con el material nuevo que se presenta. Ausubel (2002, p. 25)
caracteriza estos conocimientos previos, “la estructura cognitiva de la persona concreta
que aprende contenga ideas de anclaje pertinentes con las que el nuevo material se
pueda relacionar”.
Ausubel (2002, 41) defiende las ventajas del uso de organizadores para facilitar la
construcción del conocimiento, señalando que estos “intentan identificar los contenidos
pertinentes ya existentes en la estructura cognitiva y de relacionarse explícitamente con
48
ellos e indicar de forma explícita tanto la pertinencia del contenido ya existente como su
propia pertinencia para el nuevo material de aprendizaje”.
2.2.7.3 Material lógicamente significativo. El material deberá ser potencialmente
relacionable con la estructura cognitiva del que aprende de manera no arbitraria y
sustantiva. Potencialmente se refiere a que no es atribuible al material la propiedad de
ser enlazado en forma no arbitraria y sustantiva, esto es una facultad del aprendiz, su
intencionalidad y su estructura cognitiva.
Al respecto, Ausubel (2002, p. 25) introduce el concepto de material
potencialmente significativo, refiriéndose a una de las condiciones que propician la
construcción del aprendizaje significativo, “el propio material de aprendizaje se pueda
relacionar de una manera no arbitraria (plausible, razonable y no aleatoria) y no literal
con cualquier estructura cognitiva apropiada y pertinente esto es, que posea un
significado lógico”.
Moreira (1997a, p. 19) plantea, a partir de la teoría de Ausubel: las propiedades
que caracterizan a un material para ser valorado como significativamente lógico:
diferenciación progresiva, reconciliación integradora, organización secuencial y
consolidación.
Una buena síntesis la realiza Actis (2007, 24) cuando refiriéndose a las
propiedades de un buen material dice: “Importa no sólo el contenido, sino la forma en
que éste es presentado, por lo que se deberá presentar en secuencias ordenadas, de
acuerdo a su potencialidad de inclusión”.
49
2.2.7.4 Condiciones propiciadoras del aprendizaje significativo. Se hizo
referencia anteriormente a las condiciones inherentes al aprendiz y al propio material sin
las cuales no se produce el aprendizaje significativo, en este sentido Ausubel (2002, p.
25) advierte que el aprendizaje significativo no es sinónimo de material significativo,
está claro que se requiere la condición psicológica, motivación del aprendiz y la
disponibilidad de esquemas mentales pertinentes.
En este apartado se consideran factores externos al material y al aprendiz, más
bien se refiere a como se usa, es decir la estrategia empleada en la instrucción y el
adecuado manejo que de ella haga el profesor para propiciar la efectiva construcción de
los conocimientos por parte del aprendiz.
Según Ausubel, Novak y Hanesian (1978, p. 187) “la transferencia en el
aprendizaje escolar consiste principalmente en moldear la estructura cognoscitiva del
alumnado manipulando el contenido y la disposición de sus experiencias de aprendizaje
previas de modo que se facilite al máximo las experiencias de aprendizaje subsiguiente”.
Ausubel (2002, p. 113) Entiende la transferencia como “el impacto de la
experiencia previa en la experiencia actual”.
2.2.8 Estrategia para propiciar el aprendizaje significativo. La estrategia que
más abajo se presenta está basada en los postulados de Ausubel (Ausubel, 1976;
Ausubel, 2002; Ausubel, Novak y Hanesian, 1978) referentes a las condiciones que
deben imperar para el logro de un aprendizaje significativo. Dichos postulados ya fueron
tratados en los párrafos precedentes dentro de este constructo.
50
Presentar al alumno herramientas que le permitan hacer reinstropección de lo
que sabe y no sabe, como son los organizadores: se propicia la metacognición y
se propicia la organización de los conocimientos previos.
Evaluación de diagnóstico de los conocimientos previos.
Retroalimentación a la prueba de diagnóstico para lograr las características
deseadas de los subsumidores: Claros, estables y relevantes.
Reconocer los intereses y contexto de los alumnos como grupo, así como sus
particularidades o individualidades, para ser eficaz en el proceso de despertar
su interés o motivación a desear aprender significativamente y a ser crítico con
el material presentado y con su propio proceso de cognición (metacognición).
Enseñar al alumno a reconocer en un material las siguientes propiedades:
diferenciación progresiva, reconciliación integradora, organización secuencial y
consolidación con la finalidad de incentivarlos a adquirir conocimientos que
propicien ser eficazmente enlazados a sus conocimientos previos.
Presentar al alumno material atrayente con diferenciación progresiva,
reconciliación integradora, organización secuencial y consolidación para
propiciar que construyan conocimientos que al pasar a ser previos sean claros,
estables y relevantes.
Presentar al alumno actividades o proyectos que propicien el descubrimiento del
conocimiento que se desea que ellos adquieran.
51
Verificar la calidad de la transferencia de conocimientos procesados por el
alumno después de la adquisición o descubrimiento: Claro, estables y
relevantes.
Estas son las condiciones previas que deben rodear la implementación de un
recurso educativo de forma que garantice su éxito en el logro de un aprendizaje
significativo. El alumno debe tener los conocimientos previos claros, estables y
relevantes al tema en cuestión y sobre el uso funcional del propio software.
2.2.9 Los mapas conceptuales y aprendizaje significativo. Actualmente los
educadores cuentan con un instrumento idóneo para potenciar y diagnosticar el
aprendizaje significativo: Los mapas conceptuales, fueron desarrollado por el Dr.
Joseph D. Novak, de la universidad de Cornell, alrededor de 1972, basándose en la
teoría del aprendizaje significativo de Ausubel (Novak, 2006).
Novak y Gowin (1988), proponen los mapas conceptuales para evaluar los
indicadores de amplitud y complejidad, basándose en que los mapas conceptuales son
recursos gráficos que permiten representar jerárquicamente conceptos y proposiciones
sobre un tema determinado, reflejando los procesos mentales que describe la teoría de
la asimilación de Ausubel.
Los indicadores de significatividad en los mapas conceptuales son indicados en
Díaz-Barriga y Hernández (2002, p. 360) como “el grado de amplitud y el nivel de
complejidad con que se han elaborado los esquemas mentales”.
El Grado de amplitud: Grado de vinculación o interconexión semántica existente
entre los esquemas previos y el contenido nuevo que se ha de aprender, según los
52
mecanismos de diferenciación progresiva y de integración inclusiva (Ausubel, Novak y
Hanesian, 1983).
La Complejidad: Calidad de la vinculación o interconexión semántica existente
entre los esquemas previos y el contenido nuevo que se ha de aprender, según los
mecanismos de diferenciación progresiva y de integración inclusiva (Ausubel, Novak y
Hanesian, 1983).
Los mapas conceptuales están fundamentados por Ausubel (1976, p. 21) en el
siguiente párrafo.
La relación entre los corpus de conocimientos, representados por consensos académicos en una disciplina dada (por ejemplo, libros de texto, monografías, estudios de investigación) y cómo se representan y se organizan estos conocimientos en las estructuras cognitivas de estudiosos y estudiantes concretos; y 2) cómo cambia esta relación en función de la madurez intelectual (cambios relacionados con la edad en el procesamiento de la información) y de la complejidad de la materia.
Novak y Cañas (2006) definen los mapas conceptuales como: “herramientas
gráficas para organizar y representar el conocimiento”.
Ballester (2002, p. 78) ofrece una conceptualización más descriptiva de los mapas
conceptuales “instrumentos que permiten conectar y relacionar los conceptos para
conseguir redes potentes de conocimiento adecuadamente estructurado y aprendido”.
2.2.9.1 Elementos fundamentales de un mapa conceptual. Los elementos
fundamentales de un mapa conceptual son identificados y conceptualizados por Novak
y Cañas (2006): “Los conceptos, enlaces y proposiciones, jerarquía y relaciones
válidas”.
Un Concepto, Novak y Cañas (2006, p. 1) lo definen como “una regularidad
percibida en eventos u objetos, o registros de eventos u objetos, designados por una
53
etiqueta”, es decir es la representación mental de una realidad o un objeto, por tanto
representa el significado del signo lingüístico. Un concepto está relacionado
arbitrariamente a diversas imágenes acústica o significante (casa, house).
Las Proposiciones son definidas por Novak y Cañas (2006, p. 2) como “contienen
dos o más conceptos conectados mediante palabras o frases de enlace para formar una
afirmación con significados formando una unidad semántica.
La Pregunta de enfoque es definida por Novak y Cañas (2006, p. 2) como “la
pregunta que claramente especifica el problema o cuestión que el mapa conceptual
tendrá que resolver”, o dicho de otro modo, es el tema (evento, fenómeno, etc.) que
inicia el mapa en su parte superior y delimita el contexto de la construcción.
Los enlaces “palabras o frases de enlaces que expresan la relación entre dos
palabras” (Novak y Cañas, 2006, p. 1).
Un dominio es conceptualizado por Novak y Cañas (2006, p. 2) como “un
segmento del mapa” es decir, la secuencia jerárquica de enlaces que inicia en un
concepto unido a la pregunta de enfoque
Los enlaces cruzados son definidos por Novak y Cañas (2006, p. 2) como
relaciones o enlaces entre conceptos de diferentes segmentos o dominios del mapa
conceptual, representan una muestra de creatividad”
El criterio de jerarquía en un mapa conceptual es de lo más general o inclusivo
(parte superior del mapa) a lo más particular o subordinados (debajo), buscando las
relaciones de dependencia (Novak y Cañas, 2006)
54
2.2.9.2 Valoración de los mapas conceptuales. Los mapas conceptuales han sido
utilizados, por sus atributos, como herramientas de aprendizaje y un segundo uso, no
muy extendido, es como herramienta de evaluación, es incalculable su valor en la
evaluación de los conocimientos previos de los alumnos.
Al respecto, Ballester (2002, p. 83) califica la función evaluadora del mapa
conceptual “es un instrumento potente para el aprendizaje para clarificar, definir y
delimitar, por ejemplo, al inicio de una unidad didáctica, los conceptos y sus relaciones,
por lo que el alumnado sabe desde el inicio lo que ha de aprender”.
Las características de los mapas conceptuales que lo hacen idóneo para evaluar la
significatividad reside en que su estructuración durante su construcción funciona similar
a como el alumno construye el conocimiento, por tanto permite el “volcado” de los
esquemas mentales del alumno organizados en niveles jerárquicos en su estructura
cognitiva (Ballester, 2002).
Novak y Gowin (1988, p. 15) explican la estructura de los mapas conceptuales en
el siguiente párrafo.
Ya que el aprendizaje significativo transcurre con más facilidad cuando los nuevos conceptos o significados son incluidos bajo conceptos más amplios e intensivos, los mapas conceptuales deben ser jerárquicos; esto es, los conceptos más generales e inclusivos deben estar en el lugar superior del mapa, y los conceptos progresivamente más específicos y menos inclusivos, ordenados debajo de ellos.
Por su parte, Sánchez (2002) dice, al respecto “En el proceso de aprendizaje, el
conocimiento conceptual se transforma en imágenes, y el conocimiento procedimental
en habilidades o hábitos mentales”.
55
También, Palazio, Garrido & Olazabalaga (2008, p. 74) plantean que la utilización
de mapas conceptuales en el aprendizaje constituye “un enfoque racional, estrategia
metacognitiva de enseñanza, en sintonía con el modo natural en que trabaja el cerebro
humano, donde la información se memoriza, recupera y se reutiliza a través de
conexiones directas y reticulares como en los mapas conceptuales”.
Los anteriores planteamientos reafirman que Los mapas conceptuales no solo son
herramientas organizadoras de los conocimientos, también funcionan como instrumentos
de evaluación, actúan como visualizadores del procesamiento mental durante la
construcción del conocimiento, es decir, su análisis da pista de cómo se estructuró la
información”.
Construir un mapa conceptual exige la selección de las ideas relevantes en torno a
un tema y organizarlas en forma jerárquica y entrelazada donde sea necesario. Lo más
importante es que esta exigencia es subyacente a la organización de los esquemas
mentales organizados en la estructura cognitiva.
Existen varias propuestas para valorar los esquemas mentales representados en los
mapas conceptuales. En los siguientes párrafos se verán tres de las más importantes.
La primera propuesta la formulan Novak y Gowin (1988), proponen un sistema de
calificación con un índice numérico, utilizando rúbricas y puntuaciones basadas en los
elementos o categorías del mapa:
4. Para las relaciones correctas entre conceptos: un punto.
5. En el caso de los ejemplos correcto: La mitad del valor que en las relaciones
correctas o igual valor.
56
6. Para los niveles jerárquicos correctos: de tres a diez veces lo que vale una
relación correcta.
7. En el caso de las relaciones cruzadas correcta: Dos veces el equivalente a un
nivel jerárquico bien puesto.
Una segunda propuesta es la de Ifenthaler (2003), este investigador valora los
mapas conceptuales mediante un índice basado en el conteo de la presencia o ausencia
de determinadas características de un mapa con respecto a una rúbrica de indicadores de
significancia en los mapas conceptuales elaborada por el mismo investigador.
Esta rúbrica fue construida en torno a los elementos de un mapa conceptual, tales
como, conceptos (vértices), las relaciones (aristas), proposiciones (vértice-enlace-
vértices); las agrupa en categorías de acuerdo a las características de dichos elementos, a
saber, estructura de la superficie (Surface structure), estructura del gráfico (Deep
Graphical Structure) y coincidencia proposicional (Propositional Matching). Estas
tablas pueden visualizarse en el apéndice B, tablas 17 y 18.
Años después, en la misma línea de investigación, Ifenthaler, Masduki, & Seel
(2009) plantean que el propósito de la investigación de tipo empírico es evaluar el
desarrollo de la estructura cognitiva a través del tiempo y propone una representación
gráfica, a la que llaman SMD, utilizando indicadores gráficos de cognición derivados de
la teoría gráfica desarrollada por Reinhard Diestel en el 2000, tabla 19 en el apéndice B.
Este método, computarizado y automatizado, analiza el gráfico generado a partir
de los conceptos (vértices) y las relaciones (aristas), proposiciones (vértice-enlace-
vértices) importadas desde un mapa conceptual desarrollado por el aprendiz.
57
Los indicadores gráficos que utiliza evalúan tres tipos de medidas sobre el gráfico
generado: estructura de la superficie (Surface structure), Estructura del gráfico (Deep
Graphical Structure) y Coincidencia proposicional (Propositional Matching). Su
nombre SMD resulta del acrónimo de partes de sus siglas Surface, Deep y Matching
Una tercera propuesta es la de Guruceaga y González (2011). Estos investigadores
informan cuales son los aspectos importantes aislados por los alumnos en su
investigación sobre evaluación de mapas conceptuales: “los niveles de jerarquías entre
los conceptos, la fortaleza de sus enlaces y por último la complejidad de la construcción
a partir del número y calidad de los enlaces cruzados”. Proponen las siguientes
características a evaluar
Se utilizan todos los conceptos importantes del tema elegido.
Hay una disminución de proposiciones erróneas.
se da una organización jerárquica de los conceptos.
Identificando los conceptos más inclusivos.
Los conceptos más inclusivos presentan una compleja diferenciación progresiva
pues aparecen como relaciones lineales entre conceptos.
Aparecen numerosos enlaces cruzados reveladores de reconciliaciones
integradoras.
La extensión o alcance de la jerarquía entre los conceptos se manifiesta en el mapa
por el número de niveles de dependencia, manifiesta la creatividad en la construcción
del conocimiento.
58
La complejidad de la construcción en general viene determinada por el número y
calidad de enlaces cruzados, como mayor nivel creatividad, estos criterios se sustentan
en las ideas de Ausubel, Novak y Hanesian (1983), los que planteaban que la amplitud y
complejidad de los aprendizajes debe entenderse como el grado de vinculación o
interconexión semántica (cantidad y calidad de relaciones) existentes entre los esquemas
previos y el contenido nuevo que se ha de aprender.
2.2.9.3 Programas para construir mapas conceptuales. La existencia de
programas gratuitos gestores de mapas conceptuales, facilitan su elaboración, el más
popular de todos es CmapTools, desarrollado a partir de 1990 por Novak y Cañas en el
Instituto de Cognición Humana y de Máquinas (IHMC) de la Florida, Estados Unidos.
Este software combina las fortalezas de hacer mapas conceptuales con el poder de la
tecnología y el internet.
Interoperabilidad y usabilidad son las características que han convertido en
populares las herramientas de creación de mapas conceptuales; entendiéndose como su
capacidad de operar en distintas plataformas.
Las herramientas de creación de mapas conceptuales actualmente van más allá de
la mera representación jerarquizada de un concepto y subconceptos. Son también
contenedores de recursos educativos: Pueden llevar recursos incrustados, anexados e
hiper-enlazados (documentos, imágenes, videos, un sitio web, o enlaces a otros mapas).
2.3 Investigaciones relacionadas
La metodología que utilizan las investigaciones citadas a continuación, tendentes a
evaluar el desarrollo de capacidades cognitivas y comprensión, se basan en estudio de
59
caso con diseño experimental, plantean la comparación entre un grupo control y otro
experimental, a este último se le aplica un modelo de instrucción diferente o la
estrategia de un simulador, la base de la comparación son las calificaciones obtenidas en
las post-pruebas. Las post-pruebas aplicadas son de resolución de problemas, pruebas de
desempeño y actitudes.
Entre los autores e investigadores no hay un consenso sobre la definición de
estudios de casos, lo han definido como un método, metodología, estrategia, tipo de
muestreo, en cada perspectiva existirá un concepto diferente. Un caso puede ser un
sujeto, una clase, una institución, un objeto, entre otros. Lo importante es que posean las
características del perfil de la problemática bajo estudio.
Hernández y Mendoza (2008, citados en Hernández et al, 2010, p. 163) definen el
estudio de caso como “una investigación que mediante los procesos cuantitativo,
cualitativo y/o mixto; se analiza profundamente una unidad integral para responder al
planteamiento del problema, probar hipótesis y desarrollar teoría”, los mismos autores
consideran que más que un método es un diseño y una muestra, sin embargo es usual
que los estudios de caso se utilicen con diseños pre-experimentales cuando se trata de
estudios exploratorios y descriptivos, donde su propósito es comprender la esencia de un
problema, refinar una teoría o aprender a trabajar con otros casos similares, cuando se
usan con estos propósitos se les llama estudios de caso instrumentales (Hernández et al.,
2010).
Un estudio de caso puede estar constituido por una sola unidad de análisis (un solo
caso) o múltiples casos.
60
Los estudios de un solo caso pueden ser evaluado de manera completa, holística, o
por el contrario segmentado en unidades, a esta variante se le llama estudio de casos con
unidades incrustadas, por ejemplo, una institución evaluada como un estudio de caso
abarcaría un enfoque sobre las tareas que realiza en términos generales, su estructura,
política de calidad de calidad, estilo administrativo, políticas de servicio al cliente, entre
otros. Sin embargo un estudio de caso con unidades incrustadas, estudiaría cada
departamento de la institución como un caso dentro de la ‘gran unidad’, en esta variante
el investigador debe esforzarse por no perder de vista la problemática del caso completo
(Hernández et al, 2010, [CD-ROM]).
2.3.1 Investigaciones sobre la evaluación de la significancia de los
aprendizajes. Este apartado se refiere a la evaluación del impacto de modelos
didácticos en la comprensión significativa de los contenidos mediados. Tienen como
característica en común que el modelo procura crear las condiciones que propician el
aprendizaje significativo.
Asan (2007), en el artículo Concept Mapping in Science Class: A Case Study of
fifth grade students, resume la investigación desarrollada con el propósito de relacionar
los efectos de la incorporación de mapas conceptuales en el nivel de logro de los
estudiantes de quinto grado en la clase de ciencias. El estudio se realizó con veinte y tres
estudiantes de Ata, escuela primaria de Trabzon, Turquía. Los estudiantes fueron
evaluados con las prueba pre y post constituidas por 20 preguntas de opción múltiple.
El estudio se condujo durante cinco días.
Los alumnos se dividieron en dos grupos experimental y control, ambos fueron
expuestos a las mismas técnicas de enseñanza en torno a la unidad didáctica calor y
61
temperatura. Se les dio la misma prueba pre test a ambos grupos. Sin embargo, después
de la pre-test, el grupo de control se le dio una revisión oral del material, mientras el
grupo experimental fue expuesto a la revisión por el uso de la inspiratión, que es un
instrumento informático de construcción de mapas conceptuales.
Después de estas revisiones, los estudiantes de ambos grupos se les dieron el post-
test.
Los resultados de los exámenes fueron analizados por diferencias estadística
significativas en las puntuaciones de la prueba.
Los resultados del estudio indican que los mapas conceptuales tiene un impacto
notable en el rendimiento de los estudiantes en clases de ciencias.
Metodología: El objetivo de este proyecto de investigación fue determinar los
efectos de la utilización de mapa conceptual mediante el programa inspiration en el
rendimiento de los estudiantes de quinto grado. Un grupo de control no equivalente se
utilizó. La variable independiente fue la incorporación del programa de construcción de
mapas conceptuales en la instrucción. La variable dependiente del experimento fue el
nivel de logro del estudiante en el post-test, que se determinó mediante una prueba
construida y validada por profesores.
Muestra: Los participantes en este estudio fueron 23 estudiantes de quinto grado
inscritos en las clases de ciencias en la primavera de 2005, en Ata. Escuela Primaria en
Trabzon, Turquía. De los estudiantes que participaron, el 51% eran mujeres y el 49%
eran varones.
Instrumentación: Tres de estos instrumentos se utilizaron en este estudio: 1) Prueba de
62
elección múltiple, 2) Mapa Conceptual Rúbrica de puntuación, y 3) Entrevistas a
estudiantes.
Descripción de los instrumentos:
1) Prueba de opción múltiple: prueba sumativa de comprensión de los conceptos
de calor y temperatura cubiertos por la unidad, diseñada por un profesor consultado por
el investigador. En el diseño de test de opciones múltiples, el investigador junto con el
profesor, examinó en primer lugar toda la información pertinente: los objetivos de
instrucción, las notas del profesor de clase, planes de lecciones, y guías de estudio
suministradas a los estudiantes. Con base en esta información y el conocimiento del
maestro de los detalles del desarrollo docente en la clase, se elaboró una tabla de
especificaciones. Utilizando esta tabla, el maestro escribió los items de la prueba,
relacionados con una lista de conceptos que se sabía los estudiantes utilizarían en el
proceso de elaboración de mapas conceptuales.
La prueba se componía de 20 preguntas de opción múltiple. Las preguntas tenían
valor de cinco puntos cada uno y las pruebas se clasificaron en una escala de 100 puntos.
Fiabilidad y validez se establecieron antes del inicio del estudio por los siguientes
procedimientos:
El investigador proporcionó pre-y post-test a cinco profesores que tienen al menos
cinco años de experiencia docente en la ciencia. Estos profesores evaluaron la prueba de
selección múltiple para asegurarse de que las preguntas están alineadas con el contenido
del curso y nivel. Los profesores de ciencias también evaluaron los instrumentos por su
facilidad de lectura. Las preguntas sobre el pre-test y post-test fueron similares.
63
2) Rúbrica de calificación de Mapa Conceptual: Simultáneamente con el desarrollo
de las preguntas de selección múltiple, Se redactó la lista de conceptos desarrollado para
los estudiantes a utilizar en sus mapas conceptuales. Veinte y dos (22) conceptos fueron
identificados.
Para cada concepto, una puntuación positiva (1) si el enlace del concepto está
vinculado a un concepto correcto, y una puntuación de (-1) se registran si existe un error
de vinculación. Si el concepto no aparece en el mapa, se asigna una puntuación de (0)
cero.
3) Entrevista a estudiantes: datos actitudinales fueron recolectados a través de
entrevistas a todos los estudiantes en el grupo experimental, aproximadamente tres
semanas después de finalizar el estudio. Una pregunta abierta se utilizó para evaluar las
reacciones de los estudiantes al proceso de los mapas conceptuales: a los estudiantes se
les pidió que describieran sus sentimientos, mientras elaboraban el mapa conceptual en
la clase de ciencia.
Guruceaga y González (2011), en su artículo titulado Un Módulo Instruccional
para un Aprendizaje Significativo de la Energía describen una experiencia sobre el
aprendizaje significativo del concepto energía a través de la aplicación de un módulo
instruccional conceptualmente transparente, fundamentado en el marco teórico de
Ausubel y Novak que enfatiza la herramienta del mapa conceptual como instrumento
facilitador de un aprendizaje significativo.
La implementación del módulo se realizó con alumnos/as de la secundaria de un
centro concertado de la comarca de Pamplona. El trabajo realizado muestra que como
resultado de la instrucción realizada el alumnado presenta una evolución positiva en los
64
indicadores del aprendizaje significativo en relación con el concepto energía. Además,
este estudio pone de manifiesto dificultades en algunos alumnos para superar algunas
concepciones erróneas sobre dicho concepto.
Un aporte importante en este estudio es la descripción de las evidencias de un
aprendizaje significativo leídas en un mapa conceptual y concretizados en una tabla de
indicadores de significatividad, (rúbrica de indicadores significancia Guruceaga
González, 2003).
Por su parte, Ifenthaler, Masduki, & Seel (2009) en su investigación publicada en
el artículo The mystery of Cognitive structure and how we can detect it: tracking the
development of cognitive structures over time (El misterio de la estructura cognitiva y
cómo podemos detectarla: Seguimiento del desarrollo de estructuras cognitivas en el
tiempo), plantea que el propósito de la investigación de tipo empírico es evaluar el
desarrollo de la estructura cognitiva a través del tiempo y propone una representación
gráfica utilizando indicadores gráficos de cognición derivados de la teoría gráfica
desarrollada por Reinhard Diestel en el 2000. Esta teoría ha sido utilizada exitosamente
en diversa disciplinas.
Este método, computarizado y automatizado, analiza el gráfico generado a partir
de los conceptos (vértices) y las relaciones (aristas), proposiciones (vértice-enlace-
vértices) importadas desde un mapa conceptual desarrollado por el aprendiz.
Fundamenta el análisis del gráfico en los indicadores gráficos derivados de la
teoría gráfica y genera tres números que representa un indicador cuantitativo de la
estructura cognitiva con fines de comparación de la evolución en el tiempo de la
estructura cognitiva del aprendiz, o su comparación con otros.
65
Los indicadores gráficos que utiliza evalúan tres tipos de medidas sobre el gráfico
generado: estructura de la superficie (Surface structure), Estructura del gráfico
(Graphical Structure) y Coincidencia proposicional (Propositional Matching).
Los autores utilizan un instrumento computacional, basado en estos y otros
indicadores suplementarios, llamado SMD (Surfase, matching, deep structure)
technology (Ifenthaler 2006, 2008b, citados en Ifenthaler et al, 2009), el cual genera el
cuantificador de la estructura cognitiva. Como método cuantitativo de comparación.
Se obtiene una curva del progreso cognitivo de un aprendiz elaborada con los
índices cuantitativos cognitivos obtenidos de sus gráficos cognitivos generados en
varios puntos del tiempo, a partir de los correspondientes mapas conceptuales.
El estudio concluye reportando una alta coincidencia entre los resultados
computarizados y los datos del mapa conceptual generador.
Los datos de más abajo, referente a la objetividad, confiabilidad y validez de la
tecnología SMD, son extraídos de la página oficial del autor del instrumento
http://www.Ifenthaler.info/index.php?option=com_content&view=section&layout=blog
&id=5&Itemid=12&lang=us
La objetividad, confiabilidad y validez de la tecnología SMD fue probada en tres
estudios experimentales con 106 participantes y sobre diferentes dominios del
conocimiento. La objetividad de la tecnología SMD está garantizada por la
automatización computarizada del instrumento. La fiabilidad fue valorada utilizando la
prueba retest dentro de un grupo de control en el que los resultados no arrojaron
cambios sustanciales. La validez de constructo de la SMD tecnología fue también
probada.
66
Además, la tecnología SMD fue parte de una serie de estudios comparativos entre
técnicas utilizadas para evaluar la estructura cognitiva con el fin de determinar la
fortaleza de dichas metodologías. (Johnson et al., 2006; Pirnay-Dummer et al., 2008).
Por considerarlo importante para la compresión de la propuesta se colocan en el
apéndice B, tablas 17 y 18 de los indicadores gráficos, aportada bajo el estudio de
Ifenthaler et al (2009), basados en la teoría gráfica, tabla 19, cuyos enunciados es
también importante anexar fielmente.
2.3.2 Investigaciones sobre la integración de la tecnología a los ambientes de
aprendizajes. Este apartado se refiere a la incorporación de entornos o herramientas de
simulación digitales como herramientas didácticas que promueven el aprendizaje por
descubrimiento por la sintonía que existe entre ambos y por otra parte facilitan el
aprendizaje significativo.
En la revisión bibliográfica realizada para este trabajo de tesis se hace una amplia
referencia a las experiencias de reputados investigadores sobre estos sistemas de
simulación. Los reportes de estas investigaciones dan cuenta de la importancia de
considerar el apoyo instruccional para generar hipótesis, la características particulares y
actitud del aprendiz, así como la necesidad de conocer los procesos que ocurren en el
entorno de simulación, el conjunto de estos requisitos coincide con lo que los teóricos
del aprendizaje significativo llaman condiciones para un aprendizaje significativo.
A continuación se detallan cada una de las investigaciones consultadas.
Cámara y Alzugaray (2010), en su tesis de maestría titulada Análisis del Impacto
de la Aplicación de Métodos de Simulación, en Electrotecnia II, plantea como objetivo
evaluar la relación que existe entre el uso de métodos de simulación y el aprendizaje de
67
la asignatura. Además propone explorar la función de los simuladores en reafirmar
conceptos teóricos y la actitud de los alumnos luego de utilizarlos. Analiza la ventaja de
usar un simulador como herramienta de aprendizaje previo a la experiencia de trabajos
práctico real.
El autor compara la diferencia entre los alumnos que van al laboratorio con una
previa experiencia en un simulador y aquellos que no recibieron una experiencia previa
de simulación. Se diseñó el experimento como mixto. Se dividió en tres etapas:
En la primera etapa se aplica un cuestionario exploratorio. En la segunda etapa el
estudio es explicativo correlacionar: Se dividen los alumnos en dos grupos,
integrándolos aleatoriamente, para equilibrar las diferencias entre ambos grupos. Un
grupo trabaja con el simulador y otro con el equipo real, a ambos grupos se le aplica
evaluaciones antes y después, pero las respuestas eran evidencias de desempeño. En la
tercera etapa el estudio es descriptivo utiliza un cuestionario para evaluar actitudes.
Concluye que los simuladores contribuyen a afianzar los conocimientos que se
imparten. Además son un complemento importante para los trabajos prácticos aunque
sin reemplazarlos. El mejor momento para usarlos es antes de la experiencia en contexto
real.
Casadei (2008), en el artículo La Simulación como Herramienta de Aprendizaje en
Física (Simulation as physics learning tool), resume la investigación desarrollada con el
propósito de establecer la influencia de aplicar una estrategia didáctica apoyada con
simuladores a estudiantes de física del nivel universitario. El diseño fue cuasi-
experimental en un solo grupo al que se le aplicó una prueba antes y después de la
instrucción (pre y pos-prueba), con un enfoque mixto.
68
La investigación utilizó una prueba de conocimientos y dos guías de observación,
como instrumentos para recabar información y los datos obtenidos fueron analizados en
un paquete estadístico. Los resultados indicaron que, a través de la aplicación de
estrategias didácticas con el uso de simuladores los estudiantes participantes mejoraron
en su comprensión de los conceptos de cinemática así también una mejora en su
rendimiento académico. Se sugiere utilizar las simulaciones en el área de física para el
apoyo de estrategias de enseñanza.
Izaguirre (2010), en su artículo Sistema de Simulación Computacional como
Estrategia Cognitiva de Aprendizaje, plantea la relación entre los sistemas de simulación
como estrategia de aprendizaje y el desarrollo de capacidades cognitivas fundamentado
en que en un buen simulador exige todas las etapas de los procesos cognitivo que
garantizan un aprendizaje significativo. Propone una serie de actividades que describen
situaciones de aprendizajes novedosas y en las que se incluyen los sistemas de
simulación como estrategia cognitivas de aprendizaje.
El autor concluye en relacionar el sistema de simulación con el desarrollo de
capacidades cognitivas; utiliza como instrumento de valoración los resultados de las
pruebas de desempeño llevadas a cabo en el simulador. Condiciona los resultados a las
características genéricas que potencialmente tiene un simulador y la forma de usarlo en
el aula. Izaguirre fundamenta sus conclusiones en el análisis teórico así como en
pruebas de desempeño en el simulador.
Joolingen, & Jong de (2003), en el artículo SimQuest, authoring educational
simulations (Creación de Simulaciones Educativas), los autores presentan su
contribución a la creación de ambientes educativos con tecnología mediante el software
69
SimQuest, éste es un software de edición gratuito que proporciona una plataforma para
la creación de ambientes de aprendizajes basados en simulaciones computacionales.
Permite crear diversos tipos de apoyo pedagógico para los aprendices.
SimQuest se desarrolla bajo el proyecto SERVIVE, patrocinado por la Comisión
Europea dentro del cuarto programa marco. En el proyecto se hizo hincapié en el
aprendizaje guiado por descubrimiento con simulaciones por computador
El proyecto se desarrolló para los estudiantes: Ambientes de aprendizaje que
combinan una simulación por computadores y las herramientas cognitivas. Las
herramientas cognitivas son instrumentos de software que apoyan al alumno en el
proceso de aprendizaje por descubrimiento. Por ejemplo, herramientas que ayudan al
alumno a realizar una planificación adecuada.
Además, se diseñó para los autores: Un entorno de desarrollo (herramienta de
edición) para la creación de ambientes de aprendizaje que combinan la simulación y las
herramientas cognitivas para los alumnos.
Participan en este proyecto varias universidades, siendo una de las principales la
universidad de Twente de Holanda.
SimQuest soporta el proceso completo de autoría de simulación basados en
entornos de aprendizaje, desde la creación del modelo de simulación hasta la definición
del proceso educativo en el entorno de aprendizaje. Sin embargo permite a los autores
iniciar en cualquier punto del proceso, favoreciendo la colaboración entre un experto en
modelado y un experto instruccional para crear un ambiente de aprendizaje de
simulación.
70
El software está orientado a objetos. Se basa en la selección de plantillas a partir
de una biblioteca para crear bloques de construcción del ambiente de aprendizaje, que
luego se editan para satisfacer los requisitos del autor.
Njoo (1994), en esta tesis doctoral titulada Exploratory Learning with a computer
simulation: learning processes and instructional support (Aprendizaje por exploración
usando computacional simulación. Procesos de aprendizajes y apoyo instruccional), se
plantea el propósito de investigar y establecer un inventario de causas de fallas por mal
uso en la implementación de simulaciones computarizadas como herramientas de
aprendizaje durante entrenamientos previo a la experimentación real.
Establece como premisa que en las simulaciones se pone a prueba la capacidad del
aprendiz de aprender por exploración.
El estudio de Njoo (1994) define el aprendizaje por exploración como un ambiente
de aprendizaje abierto que permite a los aprendices adquirir activamente los
conocimientos. Las simulaciones computarizadas son ambientes de aprendizajes
abiertos.
En este sentido, plantea que el aprendizaje por exploración puede darse en el
aprendizaje por descubrimiento, por inducción o por resolución de problemas. La
investigación contesta la pregunta de investigación, ¿Cuáles son los procesos
involucrados en el aprendizaje por exploración?: Modelo de exploración, generación de
hipótesis, diseño del experimento, predicciones, interpretaciones, evaluación y
generalización. Afirma que la diferencia con múltiples investigaciones es que no asocian
dichos procesos a la exploración.
71
El estudio concluye verificando la relación entre estudiantes con bajo rendimiento
académico con el mayor índice de fallas en el uso de los sistemas de simulación, analiza
que estos estudiantes generalmente tienen limitada capacidad de planeación por lo que el
aprendizaje por exploración no es su fortaleza. Sus exploraciones fueron impulsivas no
sistemáticas, cambiaron múltiples variables simultáneamente. No utilizaron todos los
procesos asociados a la exploración.
La investigación recomienda el apoyo instruccional para la generación de teoría a
estudiantes con déficit en la capacidad de exploración. Atribuye a la carga cognitiva que
se da cuando la exploración interfiere con la adquisición que se pretende de
conocimientos.
También recomienda a los diseñadores de ambientes de aprendizaje por
simulación utilizar distintas situaciones de aprendizajes con características no solo del
contexto sino también de los distintos tipos de estudiantes.
Finalmente aspira a que los diseñadores de simulaciones instruccionales coloquen
en una base de dato las reglas pedagógicas de uso eficiente desarrolladas por múltiples
investigaciones sobre el aprendizaje por exploración en ambientes de simulación.
Sánchez, Sierra, Martínez y Perales (2005), en este artículo El Aprendizaje De La
Física En Bachillerato: Investigación Con Simuladores Informáticos Versus Aula
Tradicional, se describe la investigación llevada a cabo por los autores, ésta tiene como
propósito probar que la enseñanza de la física mediante pequeños trabajos de
investigación con ayuda de simuladores por ordenador procura un aprendizaje más
significativo de los contenidos conceptuales, procedimentales y actitudinales que la
enseñanza tradicional meramente transmisiva.
72
La investigación utiliza la siguiente metodología: Un grupo de control y otro de
grupo experimental, ambos reciben la instrucción de cinemática, ambos reciben
adecuados pre-test, el grupo experimental recibe además entrenamiento en la estrategia
de resolución de problema mediante el simulador, cumpliendo con las etapas del
método científico. El grupo control realizan problemas propuestos por el libro. Ambos
grupos reciben adecuadas post-prueba.
Con objeto de evaluar y comparar la eficacia didáctica de las metodologías
aplicadas en el aula, los autores utilizan las herramientas apropiadas y validadas para
evaluar conocimientos declarativos (cuestionario sobre conceptos relativos al dominio
bajo estudio); procedimentales (test sobre procedimientos científicos TIPS: Test of
Integrated Process Skills, elaborado y validado por Dillashaw y Okey en 1980 y
actitudinales (Escala de Likert); conocimiento de informática (test elaborado por Sierra
en el 2003; razonamiento lógico (test de razonamiento lógico elaborado y validado por
Acevedo y Oliva en 1995).
El rol del profesor durante las secciones de trabajo con el simulador es: a) resolver
dudas acerca del enunciado de los problemas; b) facilitar al grupo de estudiantes la
información que le ha sido solicitada por más de un alumno; c) supervisar y orientar el
trabajo de investigación de cada estudiante.
Las etapas del método científico en las secciones de trabajo con el simulador, son:
Delimitación del problema, identificación de variables, elaboración de hipótesis, Diseño
del experimento, experimentación en el simulador, ejecutando el diseño seleccionado,
interpretación de los resultados, replanteo si los resultados refutan la hipótesis.
73
Los autores concluyen comprobando la hipótesis “existe una diferencia
significativa entre el conocimiento adquirido por los estudiantes que realizaron trabajos
con simulador y los estudiantes que siguen la metodología tradicional, los primeros
consiguen un conocimiento de los conceptos de mecánica Newtoniana más próximos al
conocimiento científico que los del segundo grupo”.
Sonda (2010), en su tesis doctorado titulada Aplicación de una Estrategia de
Enseñanza Apoyada con Simuladores, para un Mejor Entendimiento Conceptual de la
Física, el autor plantea el objetivo de analizar si el uso de simuladores como herramienta
de aprendizaje, mejora la comprensión y la actitud hacia las ciencias.
La metodología se basa en la comparación de las variables dependiente
(comprensión y actitud) entre dos grupos: grupo experimental, utiliza un simulador
(variable independiente) como medio de instrucción; y el grupo control, recibe solo la
instrucción por los medios tradicionales. Como herramienta de valoración y
comparación se utiliza un pre-test antes de la instrucción y un post-test después de la
instrucción.
En esta investigación la base de la comparación es la calificación obtenidas en las
pruebas. Concluye afirmando que el uso del simulador propicia la comprensión y
adquisición de los conocimientos.
Los resultados coinciden con estudios similares, Casadei et al (2008); Izaguirre
(2010).
2.3.3 Investigaciones sobre el uso de software simulador en química. En este
apartado se encuentran las investigaciones que relacionan los dos constructos bajo
estudio, aplicados a la enseñanza de la química. Son muy pocas las investigaciones
74
educativas enfocadas a evaluar el impacto del uso de software de simulación educativo
en la significatividad de los aprendizajes en química, cuando existen, se limitan a
evaluar los logros académicos por medio de pruebas sumativas.
La revisión bibliográfica realizada para este trabajo no encontró ninguna
investigación en la enseñanza de la química que relacionara los dos constructos y
evaluara el estado de compresión alcanzado por los alumnos con los instrumentos
destinados para estos fines (pruebas de desempeño, mapas conceptuales). La
investigación de Rosadilla es la que se puede acercar más a los criterios anteriores, por
lo que se resume en los siguientes párrafos.
Es incluido en este apartado la investigación de Sierra (2004) y su exitoso
proyecto Inteleccion-PIN-114/02, fue diseñado para ser aplicado a cualquier disciplina
de las ciencias.
Rosadilla, Buhl, Queirolo, y Tissot (2007), en este artículo bajo el título Material
Multimedia Interactivo para Curso de Laboratorio de Química Analítica, se presenta el
desarrollo de un material didáctico interactivo para ayudar a enseñar una ciencia
experimental como la Química Analítica, el desafío que enfrenta este proyecto surge al
proponerse fortalecer el desarrollo de habilidades en el laboratorio mediante un medio
virtual. El software multimedia fue diseñado con fines de auto-evaluación con el
objetivo de apoyar el laboratorio de Química Analítica, en lo que se refiere a las
manipulaciones generales del laboratorio.
El programa contiene preguntas de opción múltiple acerca de situaciones que
ocurren con frecuencia en el laboratorio (manipulaciones, errores, etc.) se presenta en
forma de fotos y vídeos. El software ha sido probado con 112. El 63% de los estudiantes
75
entrevistados consideró que era muy bueno o excelente. El 78% dijo que les ayudó a
reforzar su comprensión de los temas tratados.
Sierra (2004), en la memoria final del proyecto Inteleccion-PIN-114/02 Proyecto
de Innovación Educativa, se presenta un proyecto para integrar las tecnologías de la
información en el currículum de las materias de ciencias experimentales de enseñanza
primaria y secundaria, desde un enfoque constructivista.
En consecuencia se incorporan y validan en el aula programas didácticos de
simulación de ciertos fenómenos físicos químicos. Para ello, los profesores aplican en el
aula una estrategia docente por descubrimiento e investigación guiada, en la que los alumnos
se implican en pequeños proyectos de investigación bajo la tutela del profesor.
El modelo adoptado por esta innovación educativa es el denominado “enseñanza
mediante investigación guiada”, que persigue los cambios conceptuales, metodológicos
y actitudinales en el alumnado, situándolo en un contexto de actividad similar al del
científico, donde el profesor actuaría como director de las investigaciones.
El aprendizaje debe seguir los pasos de la investigación científica, entendida ésta
como “una secuencia de pasos adoptados y aceptados por la comunidad científica”
(Hernández, Fernández & Baptista, 2002).
2.3.4 Resumen y reflexión de la experiencia extraída de las investigaciones
consultadas. Esta revisión de literatura ha revelado la falta de investigaciones que
ofrezcan informaciones sobre los cambios en la forma de aprender la química de los
estudiantes impactados por una instrucción mediada con tecnología.
En cambio, en el contexto de la física es donde se concentran casi todos los
estudios sobre la implementación de entornos de simulación instruccional.
76
La metodología que utilizan las investigaciones citadas tendentes a evaluar el
desarrollo de capacidades cognitivas y comprensión se basa en la comparación entre un
grupo control y otro experimental, al que se le aplica la estrategia del simulador, la base
de la comparación son las calificaciones obtenidas en las post-pruebas. Estas post-
pruebas son de resolución de problemas y actitudes.
De las investigaciones citadas solo los estudios llevados a cabo por Sánchez
(2002), Cámara y Alzugaray (2010); Izaguirre (2010), Sierra (2004) y Asan (2007)
incluyen la evaluación en base a desempeño, instrumento utilizado para evaluar
comprensión y significancia en el aprendizaje, aunque no es precisamente el más idóneo
para revelar la gradualidad en el mejoramiento de los procesos mentales de los
aprendices (Díaz-Barriga y Hernández, 2002, p. 360).
Por otra parte, varios de los trabajos consultados en esta bibliografía son la base
metodológica para esta investigación. Uno de ellos es el trabajo desarrollado por Sierra
(2004) en el proyecto denominado Inteleccion PIN-114/02, basado en la integración de
las tecnologías de la información en la enseñanza de las ciencias mediante estrategias
por descubrimiento y de investigación, donde los alumnos se involucran en pequeños
proyectos de investigación, mediada por el simulador. Un año después de validada la
metodología se aborda de nuevo por Sánchez, Sierra, Martínez, Perales (2005).
En esta misma línea, Izaguirre (2010) plantea en su investigación la presencia
potencial de las etapas del método científico en la resolución de problemas mediante un
simulador utilizado correctamente, lo cual coincide con los procesos cognitivos que
conducen al aprendizaje significativo
77
También es de gran utilidad la tabla de descriptores validada por Guruceaga y
González (2003) para evaluar los mapas conceptuales, instrumento idóneo para evaluar
la significatividad de aprendizajes. Se utiliza en el presente estudio el método de
cuantificación desarrollado por Ifenthaler, Masduki, & Seel (2009), estos
investigadores asignan un número a la significatividad mediante el procedimiento de
automatización y estandarización de los descriptores de Guruceaga y González, 2003.
La investigación de Asan (2007) será tomada en cuenta para el presente estudio
por el modelo que utiliza para evaluar los mapas conceptuales.
Resultan de mucho provecho para este estudio las informaciones sobre las
condiciones óptimas previas a la utilización de un software de simulación, derivadas de
los estudios de Njoo (1994).
La investigación de Njoo (1994) describe la experiencia de utilizar un entorno de
simulación para mediar la instrucción en el que faltan algunos de los condicionantes para
que el aprendizaje significativo se produzca, y como consecuencia los resultados no son
los esperados, el grupo que recibió la instrucción mediada con el simulador y el grupo
control obtienen prácticamente el mismo desempeño.
Los resultados no esperados de la tesis de Njoo (1994) confirman lo que la teoría y
las múltiples experiencias establecen: El apoyo instruccional, tanto al que atañe al
dominio especifico del conocimiento involucrado en la simulación como al
conocimiento del propio sistema de simulación, mejora el uso eficiente del entorno de
simulación al tiempo que mejora el objetivo de la transferencia del conocimiento hacia
otras situaciones, léase, el desempeño en un entorno real o una evaluación formativa de
los conocimientos adquiridos.
78
Al final, se admite en las conclusiones de la tesis que una posible causa de los
resultados es la carga cognitiva de los alumnos, aludiendo a la teoría de la carga
cognitiva, ya que tenían interferencias entre lo que debían aprender relativo al objetivo
instrucional y el propio conocimiento del sistema de simulación, no se le familiarizó
previamente con los procesos que ocurrían en el simulador, no sabían sus
potencialidades, limitaciones, procesos y que se esperaba de ellos.
79
Capítulo 3. Metodología
En este capítulo se describe la metodología de la investigación, en la cual se
abordan los siguientes apartados: Método de investigación; población y muestra; tema,
categorías e indicadores de estudio; fuentes de información; técnicas de recolección de
datos y aplicación de los instrumentos en tres fases. Al final de este apartado se incluyen
tablas que resumen la implementación de los instrumentos, con fines de guiar en la
lectura del presente estudio.
3.1 Método de Investigación
En este apartado se define el alcance y el enfoque metodológico de la
investigación, el primero está guiado por la pregunta de investigación y resulta de la
revisión de la literatura y de la perspectiva que el investigador desee orientar los
propósitos del estudio; mientras que el segundo está orientado por el tipo de
procedimiento que se requiere para lograr los propósitos enmarcado en el objetivo de
dicho estudio.
3.1.1 Alcance y enfoque de investigación. La pregunta de investigación que
guía el alcance: ¿Es eficaz el entorno didáctico vinculado a aplicaciones analíticas del
espectrómetro virtual de masas de las universidades Carnegie Mellon y Pittsburgh, para
desarrollar procesos cognitivos en los alumnos de un curso de Química Analítica
Instrumental de la Universidad Autónoma de Santo Domingo?
El alcance de la investigación es descriptivo; la pregunta de investigación plantea
una descripción de las estructuras cognitivas de los alumnos, partiendo de las
observaciones estructuradas y productos elaborados por los alumnos en sus actividades
80
de aprendizajes, tales como, mapas conceptuales antes y después de aplicar el software
educativo simulador; informes durante su desempeño, entre otros.
El estudio es descriptivo porque tal como establecen Hernández et al. (2010, p. 80)
esta investigación se propone “especificar características, rasgos, informaciones
importantes de un proceso”; en el presente estudio se investigan las características que
valoran los indicadores de significatividad en los aprendizajes con la finalidad de
establecer el logro del desarrollo cognoscitivo en los alumnos después de un evento
instruccional.
Para la presente propuesta se ha elegido el enfoque mixto, pues se colectan datos
cualitativos (entrevistas y observaciones) y cuantitativos (escalas ordinal con base al
conteo de la frecuencia en que aparece el rasgo evaluado). El estudio de caso admite
muy bien el enfoque mixto, integrado en forma anidada.
La integración de los enfoques mixto en variante anidada es explicada por
Buendía, Colás y Hernández (1998) como un proceso donde se “identifican variables
claves que describen la problemática y la metodología las convierte en operadores o
indicadores cuantitativos los cuales asignan números o códigos vinculados a la
intensidad relativa con la cual se presenta dicha variable”.
La perspectiva mixta del estudio está vinculada al proceso que se sigue para dar
respuesta a la pregunta de investigación: se llega a la eficacia del entorno didáctico, a
partir de la valoración de la variable desarrollo cognitivo, utilizando dos vías o enfoque
para su evaluación, una de estas via es operacionalizando la variable a indicadores
cuantitativos, empleando instrumentos de recolección de medición y /o valoración
estructurados con rúbrica o lista control y expresadas sobre escalas ordinales en unos
81
casos y en porcentajes en otro, en ambos casos se realizan estas operaciones con base al
conteo de la frecuencia en la que se presenta el rasgo evaluado.
La otra vía de valoración es identificar las manifestaciones de las actitudes
característica de un aprendizaje significativo, codificando y agrupando en categorías las
actitudes y conductas de los alumnos de la muestra, colectadas por instrumentos no
estructurados, tales como, la entrevista con respuestas abiertas y la observación
participante en un contexto de grupo de enfoque.
La intención de esta valoración cualitativa con alcance descriptivo, está sustentada
en el criterio de que no es posible obtener aprendizaje significativo cuando no existen las
condiciones sicológicas del alumno (Ausubel, 2002). En el análisis a profundidad deben
emerger a través de sus expresiones y conductas codificadas, las categorías que
corresponden a dichas condiciones.
Al respecto, Hernández et al (2010) plantea sobre el enfoque cualitativo “este por
lo común, se utiliza para descubrir y refinar preguntas de investigación y su propósito es
reconstruir la realidad, tal y como la experimentan los participantes.
Ambos enfoques, utilizados para evaluar el desarrollo cognoscitivo, conducen a
una triangulación entre sus resultados, planteada en la discusión de los resultados, en el
capítulo V, se espera que los resultados de ambos enfoques, sean coherentes, aún cuando
sus datos son de naturaleza distintas y evalúan dimensiones diferentes de la variable
desarrollo cognoscitivo.
82
3.2 Población y muestra.
La investigación está basada en el estudio del caso correspondiente a un curso de
Química Analítica Instrumental Qui-345, de la universidad Autónoma de Santo
Domingo en República Dominicana.
3.2.1 Contextos donde se desarrollará el estudio. La población de alumnos de
este curso rara vez sobrepasa los 15 estudiantes, los cuales corresponden a la
Licenciatura en Química. Este curso se imparte en semestres alternos. Su propósito es
capacitar al alumno en el diagnóstico de la estructura de materiales y productos,
utilizando métodos y equipos de análisis químico instrumental avanzado, como son la
espectroscopía infrarroja, espectrometría de masas, resonancia magnética nuclear y
espectroscopía de rayos X.
Las áreas más comunes de aplicación de estos métodos son: pruebas de dopaje;
investigaciones de contaminantes en alimentos, medicamentos, medio ambiente;
investigaciones de principios activos en medicamentos, alimentos, productos naturales,
análisis de combustibles, entre otros.
La estrategia de instrucción en la espectrometría de masas y espectroscopía de
rayos X se desarrolla en dos etapas: La primera etapa se imparte en el aula donde los
alumnos reciben los conocimientos teóricos o declarativos y entrenamiento en
conocimientos procedimentales a través de software simuladores, esta estrategia de
instrucción está consignada en el programa de la asignatura.
La segunda etapa está constituida por las visitas programadas a laboratorios
especializados, internos o externos, en ellos los alumnos observan el desarrollo de una
experiencia en los equipos correspondientes a los temas ya referidos. Los responsables
83
de la instrucción en los laboratorios exigen como requisito que los alumnos deben llegar
con una base teórica sobre el tema, incluyendo las especificaciones técnicas del modelo
del equipo a utilizar, parámetros de operación y procedimiento a utilizar.
La estrategia de instrucción para el tema de Resonancia Magnética Nuclear sólo
tiene la primera etapa, debido a que no existe en país equipos de Resonancia Magnética
Nuclear con fines de análisis químico.
3.2.2 Selección y tamaño de la muestra. La muestra está constituida por un
grupo de 11 participantes que representan la totalidad de los alumnos que integran un
curso de Química Analítica Instrumental en la Universidad Autónoma de Santo
Domingo. Cada alumno de este curso se trata como una unidad incrustada dentro del
caso.
La muestra de estudios de caso es no probabilística, pese a que su enfoque es
mixto, sin embargo no es un problema para la investigación, por dos razones, en primer
lugar, los datos cuantitativos serán solo el soporte para establecer atributos cualitativos
en la fase del análisis e interpretación de resultados, y en segundo lugar, en los estudios
de caso la generalización que se pretende es analítica, lograda a base de aplicar una
estrategia de análisis (ver apéndice D).
Al respecto, Hernández et al. (2010, p. 396), plantea: “los tipos de muestras que
suelen utilizarse en las investigaciones cualitativas son las no probabilísticas o dirigidas,
cuya finalidad no es la generalización en términos de probabilidad. También se les
conoce como guiadas por uno varios propósitos”.
3.2.3 Criterio de selección de los participantes. Los participantes son la
totalidad de un curso de Química Analítica Instrumental en la Universidad Autónoma de
84
Santo Domingo, impartido por la investigadora tesista. Se eligió este curso porque es la
única asignatura en la universidad cuyo programa incluye el uso de software de
simulación educativo como estrategia de aprendizaje.
3.3 Tema, categoría e indicadores de estudio
El tema bajo estudio es el software de simulación en entornos didácticos que
propician la significatividad del aprendizaje logrados por los alumnos en ambiente de
aprendizaje superior presencial.
Los constructos correspondiente a este tema son software de simulación educativo,
desarrollo cognoscitivo y aprendizaje significativo.
El propósito de la investigación es evaluar la eficacia del entorno didáctico de
investigación guiada de un software educativo de simulación, mediante los cambios de
la estructura cognitiva logrado por los alumnos en ambiente de educación superior y
presencial, como expresión de aprendizajes significativos.
La eficacia es definida (UNESCO, 2006) como la “Capacidad de alcanzar los
resultados de calidad independientemente de los medios que se utilicen, de acuerdo con
las metas y objetivos propuestos, y con los estándares de calidad definidos”.
La variable para valorar la eficacia del entorno didáctico es el desarrollo
cognoscitivo; se explica a partir de la perspectiva bajo la que se examina la eficacia del
entorno didáctico, es claro que la variable que evalúa la eficacia es un operador definido
por la evolución o desarrollo de la significatividad en los aprendizajes logrados después
de utilizar el simulador educativo.
85
La selección de los indicadores en el enfoque cuantitativo, pertinentes para
evaluar la variable desarrollo cognoscitivo, se realizó mediante el proceso denominado
operacionalización, consistente en identificar las dimensiones o perspectivas desde la
que se evalúa la variable y su correspondiente característica observable o medible,
finalmente se asigna el tipo de escala sobre la que se mostraran los datos, en forma
numérica o como etiquetas o atributos.
3.3.1 Indicador evolución de los esquemas mentales. Este indicador responde
a la pregunta sobre la existencia de un cambio o evolución de los esquemas mentales
representados en los mapas conceptuales, antes y después del uso del simulador. Se
toman en cuenta las siguientes características.
Amplitud y complejidad de las relaciones construidas.
Calidad de las relaciones construidas.
Este indicador evalúa la cantidad y calidad de las relaciones que establece el
alumno en la construcción del conocimiento en torno a la espectrometría de masas, es
decir el grado de amplitud y complejidad que utiliza el aprendiz en su construcción
mental. Su evaluación se realiza mediante un instrumento que permita visualizar los
esquemas mentales que posee el alumno sobre la espectrometría de masas.
Los mapas conceptuales son el instrumento idóneo para visualizar los esquemas
mentales, debido a que en su realización el alumno estructura la información tal como
está en sus estructura cognitiva.
Sin embargo, es necesario un método que analice los mapas conceptuales,
identificando e interpretando los indicadores de significatividad (amplitud y
86
complejidad) presente en los mapas conceptuales, generalmente se realiza mediante el
uso de indicadores operativos, permitiendo dar un diagnóstico sobre el estado de los
esquemas mentales del alumno en torno a un tema específico, tomando como referencia
un estado anterior.
Existen tres métodos importantes para el análisis de los mapas conceptuales:
En primer lugar el método de Novak y Gowin (1998), estos autores asignan
valores relativos y numéricos a los indicadores operativos definidos e identificados en el
mapa.
En segundo lugar el método de Guruceaga (2003), este autor interpreta los mapas
conceptuales utilizando una tabla de indicadores operativos que evidencian en el mapa
la presencia de significatividad en los aprendizajes, el diagnóstico dependerá de la
habilidad del investigador de conjugar los resultados de estos indicadores.
Por último el método de Ifenthaler, Masduki, y Seel (2009), estos investigadores
crean un instrumento cuantitativo y gráfico llamado SMD (Surface, Matching, Deep
Structure). Para su elaboración los autores computarizan una tabla de indicadores
operativos gráficos que evalúan las variables de significatividad presente en los mapas
conceptuales, su creación está fundamentada en los enunciados de la teoría gráfica (Ver
tabla 23 apéndice B para su consulta), el resultado obtenido mediante este instrumento
solo tiene sentido y relevancia cuando es comparado con otro resultado del mismo
alumno en otro tiempo.
87
3.3.1.1 Indicador ejecución de estrategias cognitivas durante simulación. Este
indicador responde a la pregunta de investigación en torno a la estimación de las
estrategias cognitivas empleadas por los alumnos en su actividad frente al simulador.
Los siguientes aspectos fueron observados en los alumnos. Análisis, manejo de fuentes
de información, generación de hipótesis, pruebas toma de decisiones, entre otros.
3.3.2 Indicador uso funcional de los aprendizajes durante la simulación. Este
indicador responde a la pregunta de investigación en torno a la valoración del uso
funcional de los aprendizajes en el simulador. El producto esperado fue la expresión de
los resultados, conclusiones y recomendaciones.
3.3.3 Indicador uso flexible de los aprendizajes en un contexto real. Este
indicador responde a la pregunta de investigación en torno a la valoración del uso
flexible de los aprendizajes logrados por los alumnos en su transferencia a un contexto
real. Los siguientes aspectos fueron observados en los alumnos como evidencias de
transferencia de los aprendizajes.
Hacer inferencias, realizar comparaciones entre el modelo virtual y el real,
expresiones reflexivas, predecir las secuencias en el procedimiento del modelo real,
entre otros.
3.3.4 Indicadores para establecer las condiciones previas. En esta sesión se
plantean los indicadores relativos al potencial lógico del material para propiciar
aprendizajes significativos, así como, los indicadores de significancia sicológica del
alumno. Además se consideran otros factores que influyen en el aprendizaje
significativo, tales como, actitudes, metacognición y percepciones sobre el ambiente
social en el aula.
88
En el apéndice C se describen las herramientas utilizadas para evaluar dichos
indicadores, así como los resultados de las mediciones. Estos trabajos, realizado por la
tesista, constituyen los trabajos previos a la investigación central de esta tesis, la cual
está enfocada al aprendizaje significativo propiciado por el entorno didáctico del
software de simulación educativo implementado.
3.3.4.1 Indicadores sobre la significancia lógica o potencial del nuevo material.
Estos indicadores responden a las preguntas en torno a:
Diferenciación progresiva.
Integración conciliadora.
Organización secuencial.
Consolidación.
3.3.4.2 Indicadores de significatividad psicológica del alumno. Actitud hacia el
aprendizaje por comprensión (significativo) y el estado de los esquemas mentales
previos necesarios para la compresión de los nuevos conocimientos procedimentales de
la espectrometría de masas. Responden a las preguntas sobre:
Actitud o predisposición del alumno hacia el aprendizaje significativo
Estados de los esquemas mentales sobre los conocimientos previos de tipo
declarativo sobre la espectrometría de masas y sobre el propio simulador.
89
3.3.4.3 Indicadores de metacognición. Reflexión sobre sus propios procesos
cognitivos y sobre los contenidos, administración de sus procesos para dar soluciones,
Auto evaluación espontanea de sus procesos cognitivos.
3.3.4.4 Indicadores de Actitud. Estos indicadores responden a las preguntas
sobre:
Estado anímico de los alumnos
Nivel de actividad de los alumnos participantes
3.3.4.5 Indicadores de ambiente social. Estos indicadores responden a las
preguntas sobre las creencias que se forman los alumnos sobre:
Facilidades básicas
Organización
Cohesión
Nivel satisfacción
Democracia
Competencia
Orientación a meta
3.4 Fuentes de recolección de datos
3.4.1 Mapas conceptuales. Productos elaborados por los alumnos en las
actividades de construcción interna del conocimiento en espectrometría de masas,
durante dos etapas: construcción del nuevo conocimiento de tipo procedimental antes del
uso del simulador y después del uso del simulador educativo.
90
3.4.2 Informe. Producto elaborado por los alumnos sobre los resultados,
conclusiones y recomendaciones en torno a la experiencia en el espectrómetro virtual de
masas de las universidades Carnegie Mellon y Pittsburgh.
3.4.3 Cuestionario. Las respuestas de los alumnos a los cuestionarios que
examinan aspectos tales como actitudes hacia el aprendizajes a la ciencia, predisposición
a aprender significativamente y metacognición, además sus creencias sobre el ambiente
social del aula.
3.4.4 Entrevista conducida por el tesista investigador. Las opiniones,
comentarios, gestos, actitudes de los alumnos emergentes de su propia voz luego de
observar un análisis de espectrometría de masas en un entorno real.
3.4.5 Observaciones por parte del tesista investigador. Se observan las
actitudes en general de los alumnos, además aquellas actitudes enfocadas a la
motivación, actitud crítica y reflexiva.
3.4.6 Fuentes bibliográficas. Hojas de especificaciones de los equipos de
espectrometría de masas y procedimientos utilizados en el espectrómetro virtual de
masas de las universidades Carnegie Mellon y Pittsburgh para desarrollar el caso bajo
estudio: Cafeína en café.
3.5 Instrumentos de recolección de los datos de la investigación (ver apéndice B)
Los instrumentos a utilizar para evaluar los indicadores o categorías, según el
enfoque, fueron los siguientes:
3.5.1 Lista de control. (Novak y Gowin, 1998); (SMD, tecnología (Ifenthaler,
Masduki, & Seel (2009).
91
Su propósito fue el diagnóstico de la estructura de conocimientos o cognitiva que
poseen los participantes en torno a la espectrometría de masas, antes y después de la
experiencia con el espectrómetro virtual de masas de las universidades Carnegie Mellon
y Pittsburgh.
3.5.2 Lista de control (LC-7.1). Desempeño durante el uso del simulador
educativo.
Su objetivo fue colectar informaciones, mediante observación, sobre las
estrategias cognitivas empleadas por los alumnos durante el uso del software simulador.
El inventario de estas estrategias fue elaborado mediante lista de control por Njoo
(1994, p. 61). Se realizaron adaptaciones al contexto.
3.5.3 Rúbrica RU-7.2. Rúbrica utilizada por el investigador tesista para evaluar
el informe redactado por los alumnos de la muestra en torno al análisis de cafeína por
GC-MS en el simulador en línea GC-MS.
3.5.4 Ficha de observación (FO-10.1). Utilizada durante la experiencia en
entorno real. Su objetivo es colectar las reacciones y actitudes, cuando los alumnos
observen una experiencia real de espectrometría. Pimienta (2008).
3.5.5 Entrevista cualitativa focalizada (En-11.1). Su propósito fue reunir las
impresiones, reacciones, actitudes de los participantes en torno a la transferencia de
conocimientos que lograron desde el simulador al entorno real.
Tal y como describen Merton, Fiske & Kendal (1998), la principal función de la
entrevista enfocada es centrar la atención del entrevistado sobre la experiencia concreta
que se quiere abordar; para ello, hay una labor previa que consiste en delimitar los
puntos o aspectos que deben ser cubiertos. Esta delimitación se hace en función de los
92
objetivos de la investigación, de las hipótesis de partida, de la teoría sobre la naturaleza
del fenómeno, de las características del entrevistado y de su relación con el suceso o
situación que le afecta.
Por esta razón se elaboró una lista de preguntas que señalan los puntos sobre los
que debía conducirse la entrevista, sin embargo, el investigador debe utilizarla con
flexibilidad. Las preguntas no tienen un orden rígido, solo se introducen si no surgen de
forma espontánea, y por otra parte debe permitirse respuestas abiertas, no controlar la
respuesta, el entrevistado tiene libertad de adicionar, improvisar, extenderse y elegir el
nivel de profundidad donde se sienta cómodo.
3.5.6 Bitácora de observación. Es un instrumento no estructurado. Su objetivo
es observar y anotar las actitudes de los alumnos durante toda la experiencia y desde
todas las perspectivas, desde el estado físico y anímico, hasta su nivel de actividad.
3.6 Instrumentos empleados en trabajos previos a la investigación (Apéndice C)
Previo al inicio del desarrollo de la tesis se realizó un trabajo para evaluar las
condiciones previas al aprendizaje significativo en torno al tema bajo estudio, la
espectrometría de masas. En este apartado se describen los instrumentos utilizados en
dichas evaluaciones.
3.6.1 Lista de control (LC-1.1) . Evalúa la significancia lógica del simulador
para transmitir los conocimientos procedimentales en torno a la espectrometría de
masas. Esta evaluación la realiza el evaluador para determinar si el software es
propiciador de aprendizajes significativo.
93
Su objetivo es apoyar al investigador en la tarea de elegir un software educativo,
mediante la evaluación de las características técnicas, estéticas, funcionales y
pedagógicas del software. El Modelo de evaluación empleado corresponde al modelo de
Bostock, adaptado por Cova y Arrieta (2008).
3.6.2 Guía de observación con escala (FO-1.1). Guía de observación
estructurada que recolectó las actitudes, reacciones y progresos en los niveles de
reflexión de los alumnos durante una sección de docencia teórica. Basada en el modelo
de Pimienta (2008). Se aplicó en la fase previa.
3.6.3 Lista de control (LC-1.2). Evalúa el estado de los conocimientos previos
de los alumnos del caso en torno a la espectrometría de masas y al propio simulador.
El instrumento LC-1.2, lista de cotejo, fue completado por la investigadora
tesista, enfocado sobre dos productos elaborados por los alumnos de la muestra, con la
finalidad de recolectar los datos utilizados en la valoración del indicador
“Conocimientos previos”, en la fase previa a la implementación del simulador.
Se les solicitó a los alumnos elaborar individualmente, en el aula, un esquema en
torno a conocimientos básicos sobre espectrometría de masas. Estaban autorizados solo
para consultar sus notas, no libros. Los alumnos tenían dos semanas estudiando el tema
en forma autónoma y consultando informaciones por internet.
Se les solicitó repetir la actividad con relación a sus conocimientos básicos en
metodología de la investigación, considerando que habían recibido esta asignatura en
semestres anteriores.
3.6.4 Cuestionario KPSI (C.1.1). Pretest sobre el estado de la reflexión
metacognitiva del alumno. Implementado en la fase previa a la investigación.
94
3.6.5 Escala ex profeso (E-1.2). Pretest de actitudes del alumno hacia el
aprendizaje significativo. Aplicado durante la fase previa a la investigación.
3.6.6 Escala tipo Likert (E-1.2). Pretest sobre las creencias del alumno sobre el
ambiente social del aula. Fue implementada en la fase previa a la investigación.
3.6.7 Lista control (LC-9.1). Aplicada por los alumnos, como usuarios del
software simulador, con la finalidad de evaluar el desempeño del software educativo
desde varias perspectivas.
Las Plantillas de evaluación de software diseñadas por Marqués (2004) tienen
como objetivo valorar los aspectos técnicos, estéticos, funcionales y pedagógicos.
3.7 Diseño o plan
El foco de esta investigación estuvo centrado en evaluar el desarrollo de la
estructura cognoscitiva en torno a un conocimiento especifico. El alcance del estudio fue
definido como descriptivo; se empleó un enfoque mixto. En el enfoque cuantitativo se
hizo necesario operatizar la variable en indicadores cuantitativos, los cuales se
codificaron sobre una escala ordinal, con base al conteo de la frecuencia en que aparecía
el rasgo evaluado .
Por otra parte se utilizó el enfoque cualitativo con alcance descriptivo con la
finalidad de hacer surgir de las actitudes y conductas de los alumnos, las características o
condiciones descripta por Ausubel (2002) como necesarias para lograr el aprendizaje
significativo. Para este fin se emplearon instrumentos no estructurados, identificándose
en el contexto las categorías aportadas por la teoría, evidentemente es un enfoque
cualitativo, pero con alcance descriptivo.
95
En base a las anteriores características el estudio se planteó mixto. Al respecto
Hernández y Mendoza (2008), citados en (Hernández et al, 2010, [CD-ROM]) plantean
que es recomendable que los estudios de casos sean mixtos con lo cual se fortalece su
amplitud y profundidad.
Las investigaciones cualitativas adoptan métodos de estudio referenciados a la
fenomenología, que sostiene que lo importante al estudiar un fenómeno es la “lectura”
que nos da el sujeto cognoscente al internalizar la realidad externa, manifestada por sus
percepciones, actitudes, reacciones y productos ante el evento. El investigador busca
patrones y variabilidad entre las informaciones que les llegan (categorías o patrones).
Sin embargo, luego de que se inició la recolección de los datos, las categorías de
análisis surgieron, dando sentido a la profundización. Este es el fundamento que orienta
el enfoque cualitativo con alcance descriptivo.
Por otra parte se consideró someter a pruebas de pilotaje los cuestionarios que se
aplicaron a los alumnos en la fase previa a la investigación (ver apéndice C).
El objetivo del pilotaje fue identificar errores en las instrucciones y en la
codificación de las respuestas posibles.
El diseño que siguió esta investigación fue pre-experimental tipo A-B-A con
pretest y postest para un solo caso de tipo instrumental. Donde A es la llamada línea
base; el investigador establece las condiciones iniciales para el aprendizaje significativo
y el estado de los esquema mentales en cuanto al conocimiento teórico o conceptual
sobre el tema. B es la intervención o experimento sobre la muestra, en el caso presente
es el software educativo de simulación.
96
Un enfoque mixto para un estudio de caso puede seguir diversas variantes según la
etapa y grado de integración. En el presente estudio se adoptó la variante Integración
completa, la perspectiva es mixta desde el planteamiento, la pregunta de investigación es
de carácter mixto, todo el proceso de investigación es mixto, incluyendo la recolección
de los datos y el análisis y finalmente.
Por otra parte la triangulación se realizó entre ambos enfoques, bajo el criterio de
que sus resultados deben apoyarse uno a los otros, aún cuando sean de naturaleza
diferente (análisis de los resultados en el capítulo V). En este mismo sentido, también se
estableció un triangulación entre los cuatro resultados de los indicadores que evaluaron
el desarrollo cognitivo desde el enfoque cuantitativo (tabla No. 7 en el capítulo IV)
Mertens (2005); Stake (2006); Creswell (2009), citados en (Hernández et al, 2010,
[CD-ROM]) consideran que en un estudio de caso debe haber triangulación de fuentes
de datos y pueden utilizarse diferentes herramientas, cuantitativas, cualitativas o mixtas.
Finalmente se considera la validación de los datos, al respecto, Yin (2004) plantea
que el tipo de generalización más confiable en estudios de caso es una generalización
analítica en lugar de estadística, sobre este fundamento, Hernández et al (2010, [CD-
ROM]) recomiendan una base de datos para fines de auditoría y confirmación de los
datos, este es el aspecto más significativo en la estrategia de validación analítica de los
estudios de caso (ver estrategia en apéndice D).
3.8 Aplicación de instrumentos
El diseño de la investigación para evaluar el desarrollo cognoscitivo generado por
el entorno didáctico del simulador, se plantea para desarrollar en tres fases. Existió una
97
fase previa al desarrollo de la investigación, en la cual se realizaron diversos trabajos
tendentes a preparar las condiciones para el aprendizaje significativo.
El recurso didáctico o intervención pedagógica utilizada fue el espectrómetro
virtual de masas de las universidades Carnegie Mellon y Pittsburgh, su entorno didáctico
está fundamentado en la investigación guiada en torno a aplicaciones de análisis
químico, los alumnos emprendieron pequeños proyectos de investigación para utilizar el
simulador en un caso de análisis químico típico, incluido en el entorno del simulador.
3.8.1 Fase previa: trabajos realizados previos al desarrollo de la
investigación.
1. El investigador solicitó permiso a las autoridades donde se llevará a cabo el
estudio, departamento de Química de la Universidad Autónoma de Santo Domingo
(UASD). Documento anexo en el apéndice A
2. El investigador informó a los participantes del caso elegido en esta tesis,
integrantes del curso de Química Analítica Instrumental V, perteneciente al
departamento de Química de la UASD, sobre los propósitos del estudio y la
confidencialidad. Formato de Documento anexo en apéndice A.
3. Se obtuvo la autorización de los participantes con las firmas del documento.
Solicitar a los participantes su autorización para grabar en video escenas importantes
durante el desarrollo de la investigación.
4. Se escanearon las autorizaciones firmadas y se enviados a la Universidad
Virtual Instituto Tecnológico de Monterrey, universidad donde se realiza esta maestría.
5. Se evaluaron las condiciones previas para el aprendizaje significativo, tales
como: predisposición al aprendizaje y conocimientos previos, así como la motivación,
98
metacognición y percepciones del ambiente social en el aula, estos tres últimos
indicadores son factores importantes en la gradualidad de la comprensión significativa.
03/03/2012. Esta fase previa puede ser consultada en el apéndice C.
3.8.2 Fase 1: Construcción del nuevo conocimiento en espectrometría de
masas. Esta fase constituyó el contacto de los alumnos con el entorno didáctico del
espectrómetro virtual. Los alumnos adquirieron los conocimientos de espectrometría de
masas de tipo declarativo y procedimental, por investigación guiada, previo al simulador
(17/03/2012–24/03/2012). Las actividades llevadas a cabo en esta fase fueron las
siguientes:
Actividad 3: Los alumnos plantean el problema en torno a un caso: Cafeína en café
(subordinado al tema de estudio: la espectrometría de masas). Realizan las siguientes
acciones:
Buscan y plantean dónde surge una necesidad de estudio sobre el caso.
Proponen la pregunta de investigación y las subordinadas.
Proponen los objetivos de la investigación.
Proponen la hipótesis de investigación.
Justifican porque es importante el estudio.
Viabilidad del estudio.
Actividad 4: Los alumnos realizaron la revisión de bibliografía en torno a la
pregunta de investigación y los objetivos propuestos, con el propósito de elaborar la
metodología.
99
Actividad 5: Los alumnos realizaron un mapa conceptual sobre propuesta
metodológica para identificar cafeína por espectrometría de masas. Este será el mapa
conceptual previo al simulador, utilizado en la valoración de la evolución de los
esquemas mentales.
3.8.3 Fase 2: Implementación del nuevo conocimiento. Durante el uso del
simulador.
Las actividades llevadas a cabo para la valoración de la significatividad en los
conocimientos procedimentales sobre espectrometría de masas, durante el uso de un
software de simulación como recurso educativo de la instrucción. (21/04/2012).
Actividad 6: Actividad de instrucción sobre el funcionamiento del simulador.
Proyección en una pantalla de la interfase traducida al español del espectrómetro
virtual de masas de las universidades Carniegie Mellon y Pittsburgh. Se proyectaron
informaciones complementarias, resultados de la evaluación previa al simulador
realizada por la tesista.
Actividad 7: Exploración y experimentación del simulador: El alumno trata de
comprender la estrategia empleada por el simulador en su funcionamiento.
Cada alumno exploró el simulador, en su latop, vía internet, usando el wi fi. El
alumno trata de probar la hipótesis siguiendo la metodología propuesta, utilizando sus
notas sobre el caso investigado en el simulador (análisis de cafeína). Las acciones
llevadas a cabo por cada uno de los once (11) alumnos fueron:
Ingresó datos solicitados por el simulador. Toma en cuenta la metodología
previamente propuesta para enfocar el problema.
100
Analizó la retroalimentación del simulador.
Reformuló metacognición.
Repitió la experimentación.
Entregó informe de los resultados y conclusiones de la simulación.
El investigador anotó en lista de control estructurada las acciones, actitudes,
expresiones y anotaciones realizadas por los alumnos durante la sesión frente al
simulador. Esta actividad fue grabada en video.
3.8.4 Fase 3: Evaluaciones posteriores al uso del simulador. Recuperación de
los conocimientos construidos después de la simulación.
A8: Cada alumno construyó un mapa conceptual sobre la metodología
procedimental en espectrometría de masas, después de utilizar el simulador. Además,
entregó un informe sobre el procedimiento conducido en el simulador. Anexó los
gráficos, conclusiones e impresiones sobre el proceso de instrucción.
A9: Los alumnos evaluaron las características, técnica, estéticas, funcionales y
pedagógicas del espectrómetro virtual de masas de las universidades Carnegie Mellon y
Pittsburgh (apéndice C). Estos resultados no se incluyeron ya que no era objetivo de este
estudio, se consideró interesante dejarla como fuente de consulta en los apéndices.
En la siguiente actividad se valoró la significatividad en los conocimientos
procedimentales adquiridos por los alumnos en el simulador, a partir de su nivel de
transferencia a una experiencia real (26/04/2012).
Los alumnos, acompañados del investigador tesista, asistieron al Laboratorio
Central de Veterinaria (LAVECEN), específicamente al área de espectrometría de
101
masas. Observaron la experiencia real, al tiempo que funcionaban una metacognición
con lo aprendido en el simulador. Esta actividad fue grabada en video.
A10 = El profesor analizó el video para anotar las actitudes y expresiones de los
alumnos durante la experiencia en el contexto real del laboratorio LAVECEN.
Actividad para recuperar las actitudes y expresiones de los alumnos en torno a la
comprensión del procedimiento llevado a cabo en un espectrómetro de masas en el
contexto real del Laboratorio LAVECEN.
A11 = Se realizaron entrevistas a cada alumno para recuperar de su propia voz
consideraciones sobre las experiencias simulada y real, así como expresiones o gestos
que reflejaban sus motivaciones y funcionamiento de metacognición. La actividad fue
grabada en video.
Durante toda la fase 1 de la investigación el tesista realizó anotaciones en la
bitácora de observación, instrumento no estructurado, pero enfocado mayormente para
reunir evidencias sobre las actitudes y conductas de cada uno de los alumnos.
Dada la complejidad de la tesis y la cantidad de instrumentos involucrados en la
evaluación de los indicadores de desarrollo cognoscitivo, se ha convenido en presentar el
proceso de operacionalización de la variable desarrollo cognoscitivo ( tabla 1) y las tres
fases en que se desarrolló la investigación por medio de una tabla que guie la lectura
(tabla2).
102
Tabla 1 Operacionalización de la variable desarrollo cognoscitivo Objetivo: evaluar la eficacia del entorno didáctico de investigación guiada de un espectrómetro virtual de masas por el logro de aprendizajes significativo Variable: desarrollo cognoscitivo Dimensiones de la variable
Indicador escala de valores
Contexto Fuente de datos
Instrumento Instrumento tratamiento datos
Cambios de esquemas mentales con respecto a un tema, antes y después del tratamiento (recurso)
• Amplitud o complejidad de los esquemas mentales
• Calidad semántica y teórica de los esquemas mentales
(Díaz-Barriga y Hernández (2002).
Índices Basado en el conteo de la presencia de una característica en el mapa conceptual
En el aula En dos momentos
Mapas conceptuales antes y después del recurso
Mapas conceptual No estructurado
Índice SMD: Elaborado por Ifenthaler, Masduki y Seel (2009)
Triangulación con Índice
Novak y Gowin (1998):
Evaluación con Rúbrica
Cambio actitud
Motivación Actitudes de
reflexión metacogniti -va
Nivel de actividad
En el aulaDurante cada sesión de clases de 6 h.
Conductas exhibidas por los alumnos desde todas las perspectivas
Bitácora de observación No estructurado
Ejecución de estrategias cognitivas y metacognitivas. (Taylor, 1983) “predisposición para analizar, tanto las tareas como las consecuencias de las respuestas”.
Manejo de fuentes de información.
Toma de decisiones
Reflexión sobre sus ejecuciones.
% procesos ejecutados en cada categoría de procesos con respecto al total de procesos listados en el instrumento (Basado en el conteo de los procesos ejecutados)
Prueba de desempeño
frente al simulador (recurso)
Experiencia
frente al simulador
Expresiones y acciones de los alumnos, mientras trabajaban en el simulador , además sus anotaciones en base a una guía.
Observación con Lista de control de 24 procesos que los alumnos deberían ejecutar frente al simulador Njoo y Jong (1994) Grabación de la sección en video (LC-7.1)
103
Tabla 1 Operacionalización de la variable desarrollo cognoscitivo Objetivo: evaluar la eficacia del entorno didáctico de investigación guiada de un espectrómetro virtual de masas por el logro de aprendizajes significativo Variable: desarrollo cognoscitivo Dimensiones de la variable
Indicador escala de valores
Contexto Fuente de datos
Instrumento Instrumento tratamiento datos
Aplicación del conocimiento. Nivel de desempeño en el contexto del simulador
Uso funcional de los aprendizajes
Resultados de la experiencia en el simulador
Escala de apreciación ordinal desde un “uso funcional de los aprendizajes desde deficiente hasta excelente” Basado en el conteo
Prueba de desempeño frente al simulador (recurso) Experiencia frente al simulador
Informes del resultados en el simulador
Informe No Estructurado
Rúbrica RU-8.2
Transferencia del conocimiento
Uso flexible de los aprendizajes
Evidencias de transferencia de los aprendizajes a otros contextos.
Escala de apreciación ordinal desde un “uso flexible de los aprendizajes desde deficiente hasta excelente” Basado en el conteo
Experiencia en entorno
real
Actitudes , conductas y comentarios
de los alumnos
Observación con lista de control de evidencias transferencia de aprendizaje Grabación de la sesión en video (FO-10.1).
Entrevista abierta enfocada Grabada en video En-11.1 No estructurado
Identificar las categorías o patrones en torno a los indicadores de significativi-dad
En el aula Se usó elsoftware Atlas.ti
104
Tabla 2 Fases investigación aprendizaje significativo (indicadores del desarrollo cognoscitivo) FASES/Actividades Indicadores Instrumentos Propósito Aplicación
1) FASE 1 antes del uso del simulador
Elaboración por los alumnos de un mapa conceptual (MC) en torno a la metodología investigada para identificar cafeína en una muestra por espectrometría de masas. Sustento teórico de la herramienta usada:
Novak y Gowin (1988), proponen los mapas conceptuales para evaluar los indicadores de amplitud y complejidad de los esquemas mentales. Características a evaluar: La calidad semántica y teórica de las proposiciones, y por otro lado, la complejidad del mapa conceptual (Díaz-Barriga y Hernández (2002).
Monitoreo de las Condiciones para el logro del aprendizaje significativo
Esquemas mentales.
-- Índice SMD -- Índice de Gowin Índice SMD: Elaborado por Ifenthaler, Masduki y Seel (2009) basado en los indicadores de los mapas conceptuales identificados por Ifenthaler. (tablas 14, 17 y 18) Los autores del instrumento proponen un índice formado por tres componentes numéricos S= Estructura del mapaM = coincidencia de los conceptos del mapa con un mapa experto. D = Diámetro de la red de expansión del mapa. Índice Novak y Gowin (1998): Instrumento enfocado en niveles de jerarquía y enlaces cruzados en los mapas (tabla 15) Índice se calcula por la expresión: = ∑ [1x (No. enlaces) + 5 x (No. niveles) + 10 x (No. enlaces cruzados) + 1 x (No. ejemplos)]
Obtener el diagnóstico de los esquemas mentales de los alumnos. Actividad desarrollada: Se asigna a cada alumno el proyecto en torno a la investigación de la identificación de cafeína en una muestra por espectrometría de masas. Los alumnos plantean el problema, se discute en clases. Investigan fuentes bibliográficas sobre la metodología apropiada. Entregan un mapa conceptual sobre la metodología que adoptará cada uno. Se escogió el proyecto de cafeína porque es una de las aplicaciones (casos) con las que trabaja el espectrómetro virtual. .
El Instrumento fue aplicado por la tesista a los MC y actitudes alumnos Los resultados son reportados por medio de la triangulación de los índices numéricos SMD de Ifenthaler, Masduki & Seel (2009) y por otro lado Novak y Gowin (1998), asociados a las propiedades de calidad, complejidad y creatividad del mapa. .
- Motivación - Actitudes de reflexión metacognitiva. - Nivel de actividad.
Bitácora de observación.
Recoger evidencias de rasgos del estado de su motivación, predisposición al aprendizaje y estado de reflexión.
Aplicada por la tesista, enfocada a las actitudes de los alumnos durante cada sesión de clases (6 h.)
105
Tabla 2 Fases investigación aprendizaje significativo (indicadores del desarrollo cognoscitivo) FASES/Actividades Indicadores Instrumentos Propósito Aplicación
2) Fase 2 Durante el uso del simulador
Fue el primer contacto de los alumnos con el simulador y su entorno didáctico. (Experiencia grabada en video). Estrategia adquisición del conocimiento por descubrimiento: Los alumnos exploraron el simulador por sí mismos. En primer lugar seleccionaron la aplicación de cafeína El entorno didáctico del simulador es la vinculación de todas sus operaciones en su interface gráfica con el caso o aplicación seleccionada: identificación de cafeína en café mediante espectrometría virtual. Producto entregado por los alumnos Informe de los resultados del espectro de masas obtenido en el simulador.
Ejecución de estrategias cognitivas y metacognitivas Concepto de este indicador: Muria (1994) define las estrategias cognitivas como un conjunto de “actividades físicas (conductas, operaciones) y/o mentales (pensamientos, procesos cognoscitivos) que se llevan a cabo con un propósito determinado, como sería el mejorar el aprendizaje, resolver un problema o facilitar la asimilación de la información” Taylor (1983) define las estrategias cognitivas como “predisposición para analizar, tanto las tareas como las consecuencias de las respuestas”.
Lista control de observación LC-7.1 ¿Qué es el instrumento? Listado de 24 procesos mentales que los alumnos deberían ejecutar mientras exploraban el simulador para resolver el problemas planteado (identificar la cafeína) a partir de una lista de procesos dividida en siete categorías, definidas por Njoo (1989): análisis, Generación de hipótesis, pruebas, evaluación, regulación, operaciones y generales. Sustento teórico del instrumento. Inventarios de 24 procesos mentales asociados al trabajo de exploración y resolución de un problema en un simulador reportados por Njoo (1989) y validados en Njoo (1993) ¿Cómo se reportó? Los autores del instrumento proponen reportar los resultados como % procesos ejecutados en cada categoría con respecto al total de procesos listados en el instrumento.
Evaluar desarrollo cognoscitivo Sustento teórico: Njoo y Jong (1994) plantea que la calidad y cantidad de los procesos de aprendizajes, entendidos como operaciones mentales asociados al aprendizaje por exploración, es un indicador de que la información fue incorporada en forma más efectiva y significativa en la estructura cognitiva del aprendiz. Identifica factores que distorsionan los resultados. Izaguirre () y Muria (1994) plantean estos mismos procesos, pero los llaman estrategias cognitivas empleadas por el aprendiz y los asocian a evidencias de un aprendizaje significativo. Los simuladores educativos son herramientas cognitivas que los alumnos pueden usar para desarrollar habilidades del pensamiento (Jonassen et al 1998).
El instrumento fue aplicado por tesista a las actitudes Evidencias: Expresiones y acciones de los alumnos, mientras trabajaban en el simulador , y además sobre sus anotaciones en base a una guía semejante al instrumento LC-7.11 Los resultados son reportados como % estrategias cognitivas y metacognitivas ejecutadas por los alumnos durante el trabajo en el simulador. El mayor y mejor uso de estas estrategias está asociado a los procesos del pensamiento utilizados por el alumno en el aprendizaje, lo que constituye un indicio de desarrollo cognoscitivo. .
106
Tabla 2 Fases investigación aprendizaje significativo (indicadores del desarrollo cognoscitivo) FASES/Actividades Indicadores Instrumentos Propósito Aplicación
Uso funcional de los Aprendizajes.
Rúbrica RU-8.2 ¿Qué es el instrumento? Niveles de desempeño en el simulador Sustento teórico del instrumento. Díaz-Barriga y Hernández (2002, p. 365) “Los alumnos pondrán al descubierto, mediante distintos desempeños , la utilización funcional y flexible de los aprendizajes logrados” ¿Cómo se valoró?: Escala desde un “uso funcional de los aprendizajes deficiente hasta excelente”
Evaluar el desarrollo cognoscitivo Sustento teórico relación con el desarrollo cognoscitivo. Uno de los indicadores más potente de significatividad es el uso funcional que los alumnos hacen de lo aprendido, ya sea para construir nuevos aprendizajes, explorar, descubrir y solucionar problemas, derivando de ellos nuevas formas de profundizar su aprendizaje (Marchesi y Martin 1998)
aplicado por la tesista sobre los informes Los informes fueron generados por los alumnos en su actividad frente al simulador (Espectro con la identificación de la cafeína). Se reportó por medio de una escala que cubría el rango desde uso funcional deficiente hasta excelente.
3) Fase 3 Después del uso del simulador
Elaboración por los alumnos de un mapa conceptual (MC) sobre la metodología para identificar cafeína en una muestra por espectrometría de masas. posterior al uso simulador Entregado tres días después del uso del simulador
Cambios en los esquemas mentales Previamente se realiza el diagnóstico de los esquemas mentales después del uso del simulador, Se comparan los índices de los MC, antes y después, un aumento en alguno de los índices revela cambio en esquemas mentales
-- Índice SMD -- Indice Gowin Índice SMD: Elaborado por Ifenthaler, Masduki y Seel (2009) basado en los indicadores de los mapas conceptuales identificados por Ifenthaler. Índice Novak y Gowin (1998): enfocado en niveles de jerarquía y enlaces cruzados
Valorar el desarrollo cognoscitivo. Sustento teórico: Novak y Gowin (1988), proponen los mapas conceptuales para evaluar los indicadores de amplitud y complejidad. Según los autores los MC son recursos gráficos que permiten representar jerárquicamente conceptos y proposiciones sobre un tema determinado, reflejando los procesos mentales de la teoría de Ausubel.
La herramienta es aplicada por la tesista sobre los mapas. Se reporta el estado de los esquemas mentales en este segundo mapa mediante la triangulación de los índices numéricos SMD y Novak, Gowin (1998). Finalmente se reporta si hubo un aumento en los índices de los mapas para cada alumno.
107
Tabla 2 Fases investigación aprendizaje significativo (indicadores del desarrollo cognoscitivo) FASES/Actividades Indicadores Instrumentos Propósito Aplicación
‘ Visita grabada en video al Laboratorio Veterinario Central (LAVECEN) para observar una experiencia real en un espectrómetro de masas. Entrevistas grabada en video con cada uno de los alumnos Dos semanas después del uso del simulador
Uso flexible de aprendizajes
Lista control de observación FO-10.1 ¿Qué es el instrumento? Listado de las evidencias de los procesos mentales asociados a la trasferencia de aprendizajes desde el simulador a un contexto real. ¿Cómo se reportó? Escala desde un “uso flexible de los aprendizajes deficiente hasta excelente”
Evaluar el desarrollo cognoscitivo Sustento teórico: Ausubel (2002, p. 113) Entiende la transferencia como “el impacto de la experiencia previa en la experiencia actual. “La evaluación del desempeño en un contexto real es una evaluación auténtica de significatividad de los aprendizajes, que demanda que los alumnos demuestren habilidades, destrezas y conductas en situaciones de la vida real” (Díaz-Barriga y Hernández, 2002, p. 388)
La herramienta fue aplicada por la tesista enfocada a las actitudes. Evidencias: Expresiones de los alumnos durante las dos horas de la experiencia práctica en contexto real. Se reportó por medio de una escala que cubría el rango desde uso flexible deficiente hasta excelente.
Se pretende que emerjan la patrones o categorías en torno a los indicadores de significatividad, a partir de las citas, mediante el mecanismo de la codificación y las relaciones entre códigos.
Entrevista cualitativa focalizada En-11.1 En cada frase o párrafo de una entrevista se buscó algún indicio o evidencia subyacente de indicadores de significancia, actividad reflexiva, estado de motivación, actitud frente al entorno didáctico del simulador, o algún elemento nuevo no considerado. Bajo estos criterios se codificaron las citas en el software Atlas.ti. Se activo la red de códigos para visualizar las categorías.
Identificar las categorías o patrones Las categorías estuvieron en torno a la comprensión y trasferencia del conocimiento mediado por el simulador y su entorno didáctico. Triangular el estado de su motivación, evidencias de reflexión metacognitivas y notas en la bitácora.
Aplicada por la tesista a los once alumnos del caso. Se aplicó en forma individual y privada, utilizando una guía para las preguntas, las cuales variaban según las respuestas, las cuales eran totalmente libres y sin limitaciones de tiempo. Se reportaron las categorías o patrones emergentes en torno a la significatividad.
108
Capítulo 4. Análisis y Discusión de Resultados
En este capítulo se presentan los resultados, análisis e interpretación del estudio
del caso de un curso de química analítica instrumental en la Universidad Autónoma de
Santo Domingo (UASD).
El estudio de caso fue elegido para buscar respuesta a la pregunta de investigación
expuesta en el planteamiento del problema: ¿Es eficaz el entorno didáctico vinculado a
aplicaciones analíticas del espectrómetro virtual de masas de las universidades Carnegie
Mellon y Pittsburgh, para desarrollar procesos cognitivos en los alumnos de un curso de
Química Analítica Instrumental de la Universidad Autónoma de Santo Domingo?
En vías de dar respuesta a la pregunta de investigación, se ha definido como
objetivo general evaluar la eficacia del entorno didáctico de investigación guiada del
espectrómetro virtual de masas de las universidades Carnegie Mellon y Pittsburgh,
mediante los cambios de la estructura cognitiva lograda por los alumnos de un curso de
Química analítica instrumental en ambiente de educación superior y presencial, como
expresión de aprendizajes significativos.
Las investigaciones consultadas indicaron que la variable para valorar la eficacia
del entorno didáctico es el desarrollo cognoscitivo, definido por la evolución de la
estructura cognitiva o nivel de comprensión significativa.
Por otra parte, el seguimiento de la evolución del nivel de compresión
significativa o desarrollo cognoscitivo fue realizado mediante la triangulación de 4
indicadores cognitivos. El primero de ellos utilizó la red de datos en los mapas
109
conceptuales producidos por los sujetos participantes, antes y después de la experiencia
en el software simulador educativo para evaluar la evolución de los esquemas mentales.
Otros indicadores del desarrollo cognoscitivo evaluados fueron la funcionabilidad
de los aprendizajes y las estrategias cognitivas y metacognitivas ejecutadas durante
pruebas de desempeño en el simulador, así como la transferencia o flexibilidad de los
aprendizajes en una experiencia en contexto real son también indicadores importantes
de significatividad y diagnóstico del desarrollo cognoscitivo logrado por los alumnos.
Los trabajos de esta investigación se desarrollaron en tres fases, a saber, antes del
simulador, durante la implementación del simulador y después del simulador. Sin
embargo hubo una fase previa, incluida en el apéndice C, consistente en la evaluación de
los indicadores que evidencian el estado de las condiciones previas para el logro de una
comprensión significativa. Solo cuando las condiciones estuvieron logradas se iniciaron
los trabajos de la investigación.
4.1 Presentación de Resultados
En este apartado se presentan los resultados de los indicadores utilizados para
valorar el desarrollo cognoscitivo generado por el entorno didáctico del simulador, para
cada uno de los 11 alumnos que componen el caso de estudio. Cada alumno es tratado
como una unidad incrustada dentro del caso global, por tanto, de aquí en adelante se
hace referencia a los alumnos de la muestra por el No. de caso que le corresponde.
Los resultados de los indicadores destinados a valorar el desarrollo cognoscitivo
están presentados en las tablas 1 hasta la 8. Ellos son, “ejecución de procesos de
110
aprendizajes”, “funcionalidad de los aprendizajes”, “flexibilidad de los aprendizajes” y
“cambio o evolución de los esquemas mentales externados en los mapas conceptuales”.
Mientras que las tablas 9 hasta la 11 incluyen los resultados de las entrevistas a los
alumnos.
Previo a presentar los resultados de los indicadores cognitivos, se muestran los
resultados correspondientes a las valoraciones de las actitudes de los alumnos,
realizadas en forma permanente, durante toda la fase 1, mediante la bitácora de
observación, con la finalidad de detectar alguna alteración en las condiciones iniciales en
torno a los factores que influyen en el aprendizaje significativo.
La validez de la bitácora de observación está fundamentada en las observaciones
permanentes, durante todo el semestre de docencias en que la investigadora tesista se
relacionó muy de cerca con los alumnos.
Es importante adicionar que el conocimiento de los alumnos por parte de la tesista
se basa en su condición de profesora de la asignatura bajo estudio y además fue
profesora de los alumnos en dos asignaturas anteriores.
Díaz-Barriga y Hernández (2002, p. 368) indica que en el habla espontanea
expresada por medio de interacciones con el profesor, o con los compañeros el profesor
tiene una fuente importante de datos no solo de actitudes sino de conocimientos previos.
El carácter continuo de esta observación faculta al investigador para diagnosticar
y clasificar el estado de actividad de los alumnos: Activos (casos: 1, 3, 4, 6, 7, 8, 9, 11)
y muy reservados (2, 5, 10), existiendo en este último grupo casos extremos (caso 2).
A continuación se presenta algunas características relevantes identificadas en los
alumnos en las anotaciones sobre la bitácora de observaciones.
111
Caso 1: Realiza reflexiones en voz alta, buscando despejar sus propias dudas. Es
activa, entusiasta y colaboradora. Generalmente apoya sus puntos de vistas con
argumentos.
Caso 2: Introvertido pero siempre sonriente. No dialoga. Solo habla si le preguntan
y responde demostrando comprensión. Participa en el trabajo colaborativo en forma
silenciosa. Jamás toma la iniciativa de iniciar un diálogo o realizar una pregunta. Sigue
las instrucciones Observa al profesor y a sus compañeros cuando explican. No se niega a
participar en las exposiciones, se observa calmado.
Caso 3: Realiza preguntas muy bien estructuradas y reflexivas. Es muy activo y
expresivo. En ocasiones realiza comentarios donde califica mal su propio trabajo,
revelando una inseguridad y necesidad de que le aseguren lo contrario.
Caso 4: Es proactivo. En ocasiones interviene sintetizando, con el fin subyacente
de aclarar confusiones entre sus compañeros. Sus preguntas, muy bien estructuradas,
exploran otras vertientes o implicaciones. Realiza observaciones apoyadas en datos, en
forma crítica pero dialogante. Carácter muy afable.
Caso 5: Interviene pocas veces. No conversa con los compañeros pero si contesta
afablemente. En ocasiones interviene, tomando la iniciativa, haciendo breves
aclaraciones con el fin de apoyar algún aspecto, sus intervenciones no son bien
estructuradas, pero siempre son oportunas. Requiere mejorar la escritura ya que resulta
no comprensible. Escucha atentamente al profesor y a sus compañeros cuando explican.
No se niega a participar en las exposiciones, se le ve calmado.
Caso 6: Toma notas intensamente y se pierde de escuchar. Es activa y entusiasta.
Formula preguntas puntuales con la finalidad exclusiva de completar sus notas. Realiza
112
las actividades de las clases a media. Rara vez fundamenta sus opiniones con un dato
documentado.
Caso 7: es proactivo. Realiza frecuentemente reflexiones que aportan al dialogo,
bien fundamentadas, estructuradas y sustentadas en lecturas que realiza libremente, se
adelanta en las lecturas de los temas. Temperamento muy afable.
Caso 8: Es activo, sus intervenciones son dosificadas e impregnadas de un sabio y
fino humor, propiciando un ambiente relajado y distendido. Realiza preguntas puntuales.
Es colaborador.
Caso 9: Toma notas intensamente y se pierde de escuchar. Realiza preguntas
puntuales para completar sus notas. Las preguntas frecuentemente no son claras, a veces
no son oportunas. No apoya los comentarios con datos. Utiliza términos no técnicos. No
vincula apropiadamente los procesos con sus fundamentos. Sus comentarios
generalmente promueven un ambiente relajado y muy distendido en las clases.
Problemas de puntualidad pero muestra mucho interés en mejorar.
Caso 10: No toma la iniciativa en el diálogo abierto de las clases, pero si se
relaciona socialmente con los compañeros en forma pasiva, pero alegre. En general
habla poco. Responde si se le pregunta. Sus respuestas son puntuales, no las argumenta
basándose en datos producto de las lecturas. Al exponer se muestra nerviosa, no
cómoda.
Caso 11: Es proactivo. Organiza y estructura muy bien sus comentarios. Aporta
reflexiones. En ocasiones realiza síntesis con la finalidad de aclarar dudas de los
compañeros. Es de temperamento muy afable.
113
En Segundo lugar, se muestra en la tabla 3 los porcentajes de estrategias cognitivas
por categoría, empleadas por los alumnos en el simulador. Fueron calculados contando
el número de estrategias ejecutadas bajo una categoría y relacionándolo con el total de
estrategias que deberían ser ejecutados en el simulador (24), enumerados en la lista de
control del instrumento.
Se adiciona una columna al final para totalizar las estrategias utilizadas para cada
alumno, además se adiciona una fila al final para obtener los promedios por categoría en
el curso.
Durante la experiencia con el simulador, muy pocos casos (3, 4, 7, 9, 11)
mostraron ejecutar algunos de las estrategias en la categoría reguladores durante la
actividad con el simulador, apenas un promedio para el curso de un 5 % del total de
estrategias listadas, en cambio, llevaron esquema con los parámetros, probaron
introduciéndolos y monitorearon las respuestas para probar otras alternativas.
Durante la misma experiencia, solo tres casos (4, 7, 11) mostraron evidencias de
ejecución de algunos de las estrategias de auto evaluación, el promedio para el curso fue
solo un 1 % del total de estrategias listadas.
Las estrategias de operaciones, análisis, pruebas fueron las principales utilizadas
por los alumnos durante la simulación (promedio 13, 26 y 16), en cambio, las estrategias
reguladoras fueron los menos ejecutados (promedio 5 %).
Los casos 2 (42 %), 5 (42 %), 8 (58 %), 9 (63 %), 10 (58 %) representan valores
no óptimos en el indicador de “ejecución de estrategias cognitivas”. Estos resultados
serán triangulados con los demás indicadores cognitivos.
114
El caso 2 en la “ejecución de procesos de aprendizajes” (42 %) se compara,
triangulando, con el resultado 2.9 del estado de su motivación, valor más bajo del
grupo, para una calificación de “parcialmente motivado”. De igual forma muestra su
estado de metacognición como “parcialmente reflexivo” (ver apéndice C).
Además, el caso 2 califica el aspecto pedagógico del simulador y su entorno con
“aceptable cumplimiento objetivos pedagógicos”. Sin embargo, la calidad de sus
conocimientos previos en espectrometría de masas fue clasificada en “excelente”.
Estos fueron los resultados más relevantes del indicador “ejecución de procesos de
aprendizajes”.
115
Tabla 3 Valores del indicador “ejecución estrategias cognitivas” Durante el uso del simulador por parte de los alumnos. Instrumento: LC-7.1. Fuente de datos: Libro de ExcelTM, no anexado. (Datos recabados por el autor)
% Procesos transformadores ejecutados por el alumno durante la simulación
% procesos de
regulación ejecutados
% procesos operaciones en el simulador
ejecutados por alumno
% procesos generales ejecutados
% Total Procesos
Ejecutados
análisis Generación de hipótesis
pruebas evalua -ción
- Planifica - Verifica -Monitorea
- Coloca parámetros MS- Inyecta - Imprime salida cromatograma - Ajusta TIC - Enfoca el cromatograma - Imprime salida espectro masas- Imprime salida tabla de datos.
-Tomando notas de la pantalla. Observaciones fuera de la tarea
Total procesos/ alumnos
Casos 1 13% 4% 17% 0% 0% 29% 8% 71% 2 13% 4% 4% 0% 0% 17% 4% 42% 3 13% 4% 21% 0% 13% 29% 8% 88% 4 13% 4% 21% 4% 13% 29% 8% 92% 5 13% 0% 4% 0% 0% 17% 8% 42% 6 13% 4% 21% 0% 0% 29% 8% 75% 7 13% 4% 25% 4% 13% 29% 8% 96% 8 13% 4% 17% 0% 0% 17% 8% 58% 9 8% 0% 13% 0% 4% 29% 8% 63% 10 13% 0% 17% 0% 0% 29% 0% 58%
11 13% 4% 17% 4% 8% 29% 8% 83% Promedio procesos/ categoría en el curso
13% 3% 16% 1% 5% 26% 7% 70 %
.
116
En segundo lugar se aborda la valoración del indicador “uso funcional de los
aprendizajes”, aplicado a los informes producidos por los alumnos durante la prueba de
desempeño. Se utilizó el instrumento RU- 8.2, rúbrica para la funcionalidad de los
aprendizajes. El informe debía tener como objetivo la identificación de la cafeína a partir
del espectro de masas obtenido en el espectrómetro virtual. Su entrega se efectuó 3 días
después de la prueba de desempeño.
La rúbrica del instrumento consta de 3 niveles de ejecución: Uso funcional = 6;
Uso funcional parcial = 4; Uso funcional deficiente = 2.
La tabla 4 muestra los resultados de la evaluación de los informes mediante
rúbrica.
La valoración de los informes muestra resultados balanceados, desde un “uso
funcional” de los aprendizajes en 5 casos (casos 1, 3, 4, 6, 7) pasando por “un uso
parcial” de los aprendizajes (caso 11) hasta llegar a un “uso deficiente” de los
aprendizajes en los 5 casos restantes (2, 5, 8, 9, 10).
Estos resultados son comparables a los obtenidos en la evaluación de procesos
ejecutados, exactamente los mismos casos 2, 5, 8, 9 y 10 presentaron % de procesos
ejecutados entre 42% y 65 %.
Se destacan dos casos extremos, el informe del caso 3, valorado como “uso
funcional excelente” de los aprendizajes, y por otra parte el caso 5, quien no presentó el
informe.
La revisión del informe del caso 3 revela la identificación apropiada de la cafeína
en el espectro de masas, resultado del enfoque correspondiente.
117
Por otro lado, desconcierta el caso 11, todas sus evaluaciones lo situaron en las
categorías de mayor puntaje, incluso en la evaluación de procesos ejecutados con un 83
%, sin embargo clasifica en “uso funcional parcial” de los aprendizajes. La revisión a su
informe revela que a pesar de que identifica el pico de la cafeína, sus resultados no son
concluyentes debido a que no realiza el enfoque sobre el pico para identificar posibles
interferencias de otras sustancias.
118
Tabla 4 Valoración indicador “uso funcional de los aprendizajes” Valoración por rúbrica del informe análisis de cafeína por GC-MS en simulador. RU-8.2 (Datos recabados por el autor) Alumno 6 = uso funcional
excelente 4 = uso funcional
parcial; 2 = uso funcional
deficiente 11 Rango de masa estrecho para
solvente (20 – 100) , sin embargo tiempo de adquisición grande (6 min) Obtiene cromatograma y espectro sin enfoque para la cafeína
4 Muy bien rango amplio (400) para solvente, sin embargo tiempo adquisición pequeño 2 min (Este error no cambia resultados
7 Muy bien
6 Muy bien
10 No uso TIC ni enfoque No salió el pico de 194 de la cafeína
8 No uso TIC ni enfoque No salió el pico de 194 de la cafeína
3
Excelente
2 No uso TIC ni enfoque No salió el pico de 194 de la cafeína
1 Todo correcto, excepto que en el solvente emplea rango masa 400 y tiempo adquisición 2 ( No es un error que cambia resultados)
9 Utilizó un rango de masa para la cafeína por debajo de su masa molar No salió el pico de 194 de la cafeína
5 No entregó
119
En tercer lugar se muestra el indicador “Uso flexible de los aprendizajes”. Su
evaluación se efectuó durante la visita de los alumnos y tesista al Laboratorio
Veterinario Central (LAVECEN) para presenciar la operación del espectrómetro de
masas (GC/MS). Para colectar los datos se utilizó el instrumento de observación
estructurado con lista de control, FO-10.1. La visita fue grabada en video.
La lista de control de observación, FO-10.1, estaba enfocada en colectar las
evidencias externalizadas por los alumnos en torno a los procesos mentales de
transferencia de conocimientos desde el simulador hacia el contexto real.
Ausubel (2002, p. 113) entiende la transferencia como “el impacto de la
experiencia previa en la experiencia actual”.
La gradualidad en la transferencia se realizó asignando niveles de calidad a 3 de
los procesos de aprendizajes de mayor peso incluidos en la lista de control, en la
siguiente forma:
(1) Generar preguntas y pedir aclaraciones: uso flexible correcto. (2) Hacer
inferencias: uso flexible excelente. (3) Elaborar ejemplos, contraejemplos, analogías,
comparaciones e identificar relaciones y modelos incluidos en la simulación: uso
flexible excelente.
La Tabla 5 señala los procesos mentales involucrados en la transferencia y
evidenciados por los alumnos durante su visita al laboratorio LAVECEN para presenciar
la operación en el espectrómetro de masas (GC/MS).
120
Tabla 5 Valoración indicador “flexibilidad de los aprendizajes”. Mediante la observación de evidencias de transferencias del conocimientos. Instrumento FO-10.1. (Datos recabados por el autor) Procesos mentales involucrados en la transferencia
Alumnos(Casos)
Comentarios: evidencias de la transferencia.
Generar preguntas y pedir aclaraciones. (nivel uso: correcto: 2)
4 3 1
Realizaron preguntas que demostraban un conocimiento procedimental propio del que ya ha trabajado en un instrumento de este tipo. ( comentario externado por la instructora del laboratorio visitado) Llevaron especificaciones de los equipos que estaban observando en el laboratorio.
6
Realizó preguntas pidiendo aclaraciones del equipo, a partir de las especificaciones que llevó por escrito.
Hacer inferencias. (nivel uso: excelente: 6)
34 7
11
Realizaron comentarios exponiendo derivaciones a partir de las explicaciones de la instructora del laboratorio.
Elaborar ejemplos, contraejemplos, analogías, comparaciones, etc. (nivel uso: muy bueno: 4)
9
Realizó preguntas elaborando comparaciones y analogías
Monitorear el avance / logro de objetivos. 1, 3, 4, 6, 7, 8, 9, 11
Mostraron estar atento al avance del proceso, conocían sus etapas, incluso se adelantaban a nombrarla. Tenían pendiente la culminación del proceso: obtención del pico del compuesto buscado y sus posibles interferencias.
Identificar relaciones y modelos. incluidos en la simulación (nivel uso: excelente: 6)
3 4 7
Hicieron comentarios identificando las coincidencias entre el modelo virtual y el equipo real, a nivel de las variables, parámetros y sus relaciones
Actitud Activos Interesados En atención Críticos
todos
Se mostraron altamente motivados. Algunos grabaron la sesión en video para revisarla de nuevo. Tomaron notas. Se observaban muy entusiasmados y felices frente al proceso que observaban. Luego de su salida del laboratorio expresaron su opinión crítica sobre un recurso omitido en el proceso, el cual ellos consideraban hacía el proceso de identificación más automatizado.
121
A continuación se destacan los resultados más relevantes en la tabla 5.
Los casos (3, 4, 6) generaron cuestionamientos propio del que ya ha trabajado en
un equipo, llevaron las especificaciones del equipo, preguntaron sobre una alternativa
que ellos entendían convertía el proceso de identificación en una opción más
automatizada.
Los casos (3, 4, 7, 11) realizaron inferencias a partir de explicaciones de la
analista; mientras que el caso (9) realizó comparaciones y analogías en sus comentarios.
Los casos (3, 4, 6) identificaron coincidencias entre el modelo virtual y el equipo real, a
nivel de las variables, parámetros y sus relaciones.
Todos los casos anteriormente citados demostraron estar monitoreando el avance
del proceso y su culminación: obtención del pico del compuesto buscado y sus posibles
interferencias; mostraron conocer las etapas del proceso, e incluso se adelantaban a
nombrarlas. Se mantuvieron atentos y altamente motivados durante toda la visita de unas
3 horas. Se observaban entusiasmados y felices.
Los casos 2, 5 y 10 no realizaron preguntas ni comentarios, No se expresaron, sus
únicas evidencias fueron actitudes de interés y atención.
Por último, el cuarto indicador para evaluar el desarrollo cognoscitivo lo
constituye el “cambio o evolución de los esquemas mentales” representados en los
mapas conceptuales, en torno a los conocimientos conceptuales que sustentan a los
procedimientos de espectrometría de masas.
Con fines de triangular, se utilizaron dos índices para evaluar la calidad y
complejidad de los esquemas mentales representados en los mapas conceptuales. El
122
índice SMD de Ifenthaler (2009), basado en los indicadores cognitivos de Ifenthaler, el
índice de Novak y Gowin (1998).
Los parámetros del índice SMD de Ifenthaler son:
S = Surface (S) structure: Estructura Superficie, medida por el número
proposiciones válidas semánticamente en el mapa conceptual.
M = Vertex matching: número de coincidencias de conceptos del mapa
conceptual con un listado de conceptos expertos (elaborado por la tesista)
D = Graphical structure: Estructura gráfica, medida por el número de enlaces del
diámetro del árbol de expansión del mapa conceptual.
Finalmente, el índice de Novak y Gowin (1998), valora especialmente la
complejidad de los mapas conceptuales, ponderando mayormente los enlaces cruzados
frente a las ramificaciones.
En el apéndice F, se muestra la tabla 35 conteniendo detalladas informaciones
extraídas de los mapas conceptuales. Además, en este apéndice se consultan las tablas
desde la 35 -41, éstas muestran las variables cualitativas asociadas a cada índice y
codificadas por su presencia en los mapas. Los cálculos, a partir de las variables
codificadas, fueron realizados en un libro de ExcelTM, no anexado.
Las tablas 6 contienen los resultados de los dos índices utilizados en las
valoraciones de los mapas conceptuales elaborados por los alumnos, antes y después del
uso del simulador y su entorno didáctico.
A continuación se resumen algunos resultados relevantes, considerando el curso
completo.
123
El máximo cambio experimentado en los esquemas mentales fue el caso 4;
mientras que el número total de conceptos utilizados en los 11 mapas antes del
simulador se incrementó en los mapas después del simulador, de 143 a 198. Por otra
parte, los alumnos adicionaron 55 concepto nuevos. Ninguno de los casos mostró
enlaces cruzados como señal de alta complejidad y creatividad.
Llama la atención que los mapas más complejos correspondieron al caso 2, el cual
presentó deficiencias en los demás indicadores cognitivos.
Otro caso relevante es el número 11, fue el único caso en que el índice SMD no
experimentó aumento.
Los resultados de la evolución de los esquemas mentales para el caso 11, son
desconcertantes por las siguientes características, fue un alumno que a través de todo el
semestre contribuyó en las clases con aportaciones bien argumentadas de carácter
reflexivo y crítico. Además, todos sus indicadores de condiciones previas fueron
excelentes.
124
Tabla 6 Valores Indicadores esquemas mentales (antes- después simulador). Índice SMD (Ifenthaler et. al (2009)
Novak-Gowin (1998)
Estructura Superficie Estructura gráfica Coincidencias de conceptos
Surface (S) structure
Graphical structure
Vertex matching
Casos MC
Antes MC
después MC
Antes MC
después MC
Antes MC
después MC
Antes MC
después
1 7 10 4 6 3 10 24.5 37
2 25 29 4 6 8.5 22.5 68.75 59
3 18 30 14 10 10 18 85.25 80.5
4 12 24 8 14 8 18 51.75 93
5 0 8 0 2 5 6 0 17.5
6 0 10 0 6 2 8
0 40.5
7 7 14 2 7 1.5 10 15.5 46.25
8 9 10 4 5 4 8
29.25 37
9 9 17 4 5 5.5 12 29 43.25
10 8 17 2 6 4 15 19 44.25
11 15 17 7 6
10 10.5 49.5 55.5
125
Tabla 7 Resumen de los indicadores del desarrollo cognoscitivo propiciado por el entorno didáctico del software de simulación. Casos
% estrategias cognitivas
y meta- cognitivas ejecutadas
durante trabajo en simulador Tabla 14
Uso funcional de
los aprendizajes
Tabla 15
Uso flexible de los
aprendizajes (transferencia)
Tabla 16
Desarrollo esquemas mentales
Índices valoración MC
antes simulador
Índices valoración MC después simulador ¿Hubo
cambio en los
esquemas? Sí/NO
Ifenthaler Gowin Ifenthaler Gowin
S M D S M D
1 71% excelente correcto 7 3 4 24 10 10 6 37 Sí**
2 42% deficiente actitud
de interés y 25 8 4 68 29 22 6 59 Sí*
3 88% excelente excelente 18 10 14 85 30 18 10 80 Sí*
4 92% excelente excelente 12 8 8 51 24 18 14 93 Sí**
5 42% No entregó actitud de interés y
0 5 0 0 8 6 2 17 Sí**
6 75% excelente correcto 0 2 0 0 10 8 6 40 Sí**
7 96% excelente excelente 7 2 2 15 14 10 7 46 Sí**
8 58% deficiente Actitud de interés y
9 4 4 29 10 8 5 37 Sí**
9 63% deficiente correcta 9 6 4 29 17 12 5 43 Sí**
10 58% deficiente actitud de interés y
8 4 2 19 17 15 6 44 Sí**
11 83% parcial excelente 15 10 7 49 17 10 6 55 Sí
CU
RSO
70 % % Procesos ejecutados
por el curso
55 % % alumnos
uso funcional
63 % % alumnos uso flexible
correcto
91 %% alumnos
con Cambios
* Significa que solo el índice de Ifenthaler et. al aumentó.
** Significa que ambos índices aumentaron Ifenthaler y Novak -Gowin (1998).
126
En los siguientes párrafos se triangulan los resultados entre los cuatros indicadores
cognitivos, utilizando sus resultados resumidos en la tabla 7. En los casos donde hubo
claras diferencias entre el SMD e índice de Novak y Gowin, se adoptó el SMD.
Paralelamente se adicionan algunos datos y actitudes relevantes tomadas de la bitácora.
Los cuatros indicadores cognitivos mostrados en la tabla 7 son, en el orden en que
aparecen, % procesos ejecutados, uso funcional de los aprendizajes, uso flexible de los
aprendizajes y desarrollo esquemas mentales.
Caso 1: Índice académico aceptable, por debajo de 80. Los valores de los tres
primeros indicadores de la tabla 7 son entre aceptables y excelentes. No experimentó
dificultad para expresar las proposiciones en los mapas conceptuales. Los índices SMD
y Gowin aumentaron.
Caso 2: índice académico por debajo de 70. Comportamiento muy introvertido
pero afable. los primeros tres indicadores son deficientes (42 % procesos ejecutados,
funcionalidad de los aprendizajes deficiente, flexibilidad en la transferencia de los
aprendizajes sin evidencias).
Desde el inicio no experimento ninguna dificultad para expresar las proposiciones
en los mapas conceptuales, el indicador SMD aumentó, sobre todo en su componente de
complejidad. Sin embargo el índice de Gowin disminuyó de 68 a 59.
Caso 3: Índice académicos sobre 80. Excelente los resultados de los tres primeros
indicadores de la tabla 19. Por otra parte, superó rápidamente la dificultad de expresarse
mediante proposiciones jerárquicas en los mapas conceptuales, el índice SMD aumenta
notablemente, sin embargo el índice de Gowin disminuye.
127
Caso 4: Índice académico sobre 80. Los tres primeros indicadores son excelentes.
Es de los pocos casos con un buen desempeño en porcentajes de estrategias ejecutadas
(92 %), funcionalidad y flexibilidad de los aprendizajes en un nivel excelente Su
informe indica claramente la identificación de la cafeína con su respectivo enfoque.
Gran facilidad desde el inicio para expresar las proposiciones en los mapas conceptuales.
Notable los aumentos en los índices SMD y Novak-Gowin.
Caso 5: Índice académico aceptable, por debajo de 80. Comportamiento
introvertido, pero afable. Los resultados en los otros tres primeros indicadores son
deficientes. Este caso experimentó inicialmente dificultad para expresar las
proposiciones en los mapas conceptuales. Realizaba diagramas de flujo, al final pudo
superar la limitación. El índice de Novak-Gowin aumenta bruscamente de 0 a 17,
mientras que el SMD aumenta (de 0 a 8 (S), de 5 a 6 (M), de 0 a 2 (D).
La valoración inicial de cero para los mapas conceptuales del caso 5, se explican
al observar la ausencia de enlaces en dichos mapas, lo que significa que no construyó
proposiciones.
Caso 6: Índice académico aceptable, por debajo de 80. Sus tres primeros
indicadores de comprensión están dentro del rango de aceptable a correcto. Este alumno
fue un caso resistente a externalizar sus esquemas mentales en forma de proposiciones,
pero al final logró superar la limitación, mejorando notablemente los índices de SMD y
Novak-Gowin.
Caso 7: Índice académico está sobre 85. Los resultados de sus indicadores son
notables, obtiene el mayor % de estrategias cognitivas ejecutadas frente al simulador
(96 %), excelente el uso funcional y flexible de los aprendizajes. Gran dificultad desde
128
el inicio para expresarse en proposiciones en los mapas conceptuales, en forma natural
se expresaba mediante diagramas de flujo. AL final logra superar el inconveniente
mejorando los índices SMD y de Novak-Gowin.
Caso 8: Índice académico aceptable, por debajo de 80. Sus tres primeros
indicadores son deficientes. Sin embargo no experimento dificultades para expresarse
mediante proposiciones en los mapas, sus índices SMD y Novak-Gowin aumentaron.
Caso 9: Índice académico por debajo de 80. Sus indicadores son confusos,
mientras los procesos ejecutados son solo de un 63 % y el uso funcional de los
aprendizajes es deficiente, en cambio las evidencias de trasferencias o flexibilidad en los
aprendizajes fue buena. Fue un caso de resistencia a expresarse mediante proposiciones
en los mapas, al final pudo mejorar, sus índices SMD y Novak-Gowin aumentaron.
Caso 10: Índice académico es aceptable, por debajo de 80. Sus primeros tres
indicadores son deficientes. Su comportamiento es muy reservado, pero afable, sin
embargo interactúa socialmente en ocasiones con los compañeros, sobre todo fuera del
aula. Desde el inicio no tuvo dificultad en expresarse mediante proposiciones en los
mapas conceptuales, sin embargo sus enlaces eran muy débiles, sus índices SMD y
Novak-Gowin aumentaron
Caso 11: Índice académico por encima de 85. Sus indicadores de desarrollo
cognoscitivo, tales como, procesos ejecutados 83 % y uso flexible de los aprendizajes
son excelentes, sin embargo muestra un uso funcional parcial de los aprendizajes,
evidenciado en que no cumple con el propósito de identificar el pico de la cafeína en
forma correcta.
129
Desde el inicio, este caso experimentó grandes dificultades para expresarse
mediante proposiciones en los mapas conceptuales. Sus mapas conceptuales antes y
después no mostraron evolución de sus esquemas mentales, tal como lo revelan las
disminuciones en los índices SMD y Novak Gowin. Es el único caso donde el índice
SMD disminuye. Sin embargo fue un estudiante que durante todo el periodo exhibió un
gran dinamismo, motivación y realizaba valiosos aportes al desarrollo de la docencia.
Es importante resaltar que todos los casos experimentaron cambios en alguno de
los 4 indicadores cognitivos.
Cinco casos reflejaron desarrollo cognoscitivo en todos los indicadores (casos 1, 3,
4, 6 y 7). Cinco casos solo lo hicieron en el indicador “cambio en los esquemas
mentales” (casos 2, 5, 8, 9 y 10). Un solo caso, el 11, no experimentó cambio en sus
esquemas mentales, sin embargo obtuvo excelentes resultados en los otros tres
indicadores cognitivos.
4.1.1 Entrevistas. En-11.1. Las entrevistas a cada alumno fue la última actividad
de esta investigación. Las entrevistas fueron grabadas y luego trascriptas al software
Atlas.ti.
Se realizó la codificación en forma manual sobre los textos transcripto de cada
entrevista. El software va grabando las citas y códigos correspondientes. Un listado de
los códigos asociados a las citas, puede verse en la tabla 10.
Las tablas 8 y 9 muestran para cada entrevistado el No. de citas que utilizó por
cada uno de los códigos identificados en el análisis de las entrevistas. Es decir es un
análisis de su contribución a los códigos.
130
Tabla 8 Indicadores de aprendizaje significativo, emergentes de las entrevistas. Reporte Atlas.ti No. citas/variable en cada entrevista (variable= código)
P 1: entrevista_ transcripta Caso 1
P 3: entrevista transcriptacaso 7
P 5: entrevista transcriptaCaso 2
P 7: entrevista transcriptaCaso 11
P 9: entrevista transcripta Caso 3
P11: entrevista transcriptaCaso 5
actitud creativa 0 0 0 4 0 0
actitud crítica 0 2 1 1 0 1
actividades organización 0 0 0 1 0 0
actividades planificación 2 0 0 0 0 0
autorregulación 2 0 0 1 0 0
dudas y confusiones 1 0 1 0 2 0
entorno didáctico simulador
2 4 1 2 2 1
estrategia tecnológica 5 5 1 4 4 6 expectativas al éxito o al fracaso
1 2 1 0 2 1
fuentes de dificultades 0 1 0 2 1 1
interés y expectativas 1 3 0 2 2 0
metacognición 2 2 1 2 3 0
motivación 1 3 0 2 2 0 percepción cambio comprensión
1 2 0 2 1 0
predisposición al aprendizaje significativo
7 9 2 6 6 7
proyección al futuro 2 2 2 2 3 1 simulador factor comprensión
1 3 5 5 1 1
transferencia del conocimiento
2 5 8 12 4 2
Totales: 29 41 23 48 33 20
131
Tabla 9 Continuación indicadores de aprendizaje significativo, emergentes de las entrevistasReporte Atlas.ti No. citas /variable en cada entrevista (variable = código)
P13: entrevista transcripta Caso 9
P15: entrevista transcriptaCaso 6
P17: entrevista transcriptaCaso 10
P19: entrevista transcriptaCaso 8
P21: entrevista transcripta Caso 4
TOTALS:
actitud creativa 0 0 0 0 0 4
actitud crítica 0 2 0 0 2 9
actividades organización 0 0 0 0 0 1
actividades planificación 0 0 0 0 0 2
autorregulación 0 0 0 0 0 3
dudas y confusiones 0 0 2 0 0 6
entorno didáctico simulador
1 1 1 1 2 18
estrategia tecnológica 4 3 2 4 4 42
expectativas al éxito o al fracaso
0 1 1 1 1 11
fuentes de dificultades 1 1 0 0 0 7
interés y expectativas 1 0 0 0 0 9
metacognición 1 2 3 3 6 25
motivación 1 1 0 2 2 14
percepción cambio comprensión
1 2 1 3 6 19
predisposición al aprendizaje significativo
5 4 3 5 6 60
proyección al futuro 1 1 1 2 1 18
simulador factor comprensión
1 1 1 1 3 23
transferencia del conocimiento
1 3 1 2 1 41
17 20 15 21 27 312
132
Tabla 10 Definiciones de los códigos mediante memos Memo Código DefinicionesMemo libre Cuestionario aplicado en la entrevista correspondiente al documento
primario ...
estrategias tecnológicas
Expresiones sobre la conveniencia del uso del simulador como mediador de conocimientos
actividades planificación
Expresiones que informan algún tipo de plan para llevar a cabo la tarea
entorno didáctico simulador
Expresiones sobre la conveniencia de introducir el simulador como un proyecto de investigación, usando el método científico
interés y expectativas
Expresiones que evidencian su nivel de interés, entusiasmo, compromiso y expectativas generales en torno al proyecto desarrollado
expectativas al éxito o al fracaso
Expresiones que evidencian su nivel de expectativas al éxito o al fracaso
percepción cambio comprensión
Expresiones que evidencian su percepción sobre el cambio en su propia comprensión luego de la experiencia del simulador
fuentes de dificultades
Expresiones en las que identifica las fuentes u origen de las dificultades que se le presentaron en el transcurso de proyecto completo
proyección al futuro
Expresiones que informan de su intención de proyectar el uso de las estrategias y metodología de la investigación en nuevas metas o proyectos
simulador factor comprensión
Expresiones en las que identifica al simulador como el factor clave en la comprensión durante la experiencia en el contexto real
dudas y confusiones
Expresiones en las que identifica sus dudas y confusiones en torno a los conocimientos procedimentales llevados a cabo en el simulador o en el contexto real
actitud creativa
Expresiones donde sugiere mejoras en aspectos donde identifica fallas o limitaciones
actividades organización
Expresiones que informan sobre la organización de las informaciones para llevar a cabo la tarea
actitud crítica Expresiones en las que identifica fallas o limitaciones
133
Se codificó con la intención de identificar variables cognitivas entre las frases de
los alumnos. Ejemplo de codificación en la siguiente cita:
Definitivamente fue más difícil para mi entender el infrarrojo, me costó mucho, increíblemente, es como paradójico porque el tema de GC-masas al igual que el de infrarrojo tienen su mecanismo de cómo actuar, pero indiscutiblemente con un simulador fue mucho más fácil entender que pasa en un equipo como ese.
El fragmento “pero indiscutiblemente con un simulador fue mucho más fácil
entender que pasa en un equipo como ese” corresponde al código “simulador como
factor de comprensión”.
Se activó la vista de red para los códigos identificados, se construyeron las
relaciones entre ellos, emergiendo las grandes categorías, ya definidas previamente en el
software: predisposición al aprendizaje, metacognición, motivación, autorregulación y
transferencia del conocimiento.
La lectura de la imagen vista de red, figura 1, es: El entorno didáctico unido a la
estrategia tecnológica convierte al simulador en una herramienta de compresión, útil
para la transferencia del conocimiento.
Otro aspecto interesante a observar en la imagen son las variables o
características que definen cada una de las categorías emergentes.
En el reporte extraído desde el Atlas.ti, tablas 8 y 9, se analizan los rasgos
cognitivos exteriorizados por los alumnos durante la entrevistas.
Algunos casos, tales como 2, 5, 6, 11 exhibieron comentarios que mostraban una
agudeza crítica.
En un total de 14 citas los alumnos mostraron estar motivados.
134
Todos proyectaron aplicar los conocimientos adquiridos a corto plazo,
específicamente en su proyecto de tesis.
Las mayores fuentes de dificultades la situaron en la búsqueda de informaciones.
Es relevante el número de citas asociadas a la variable o código predisposición al
aprendizaje significativo, 60 citas reflejan este rasgo.
En segundo lugar 42 citas se refieren a la estrategia tecnológica considerándola
importante. Ejemplo:
El simulador fue muy bueno para esta ocasión porque realmente cuando fuimos ya al equipo, así en físico, vimos que no era mucha la diferencia entre ambos, o sea tenía mucha relación, lo que vimos en el simulador era lo mismo que estábamos viendo ya con en el equipo en físico, porque, todo, parámetro, manejos, o sea para mí no fue gran diferencia entre….
Confieso que hubiese sido desastroso, porque al ver una nueva forma de verlo y no tener dominio no hubiese entendido nada y no me hubiese animado a ponerle la mano siquiera.
Definitivamente fue más difícil para mí entender el infrarrojo, me costó mucho, increíblemente, es como paradójico porque el tema de GC-masas al igual que el de infrarrojo tienen su mecanismo de como actuar, pero indiscutiblemente con un simulador fue mucho más fácil entender que pasa en un equipo como ese.
Otras 41 citas se refieren a la transferencia del conocimiento, por otra parte 25
citas expresan reflexiones metacognitivas.
El simulador como factor de comprensión es abordado en 23 citas.
Al verme frente a la situación, al equipo real ya a la vista y ver que simplemente que lo que se hizo era muy parecido a lo que se hizo en el simulador me hizo sentir cómodo.
135
Bueno en ese sentido sin conocer la simulación previa, hubiera sido más difícil captar y aprender, o quizás hacerle preguntas a la persona que estaba haciendo el análisis, preguntas más concisas, realmente no iba a tener ni idea de lo que se hacía en ese equipo.
No, no era muy (.) porque el simulador tiene realmente las mismas pantallas y las mismas sesiones que tiene la realidad del equipo.
La comprensión hubiese sido mínima porque después que trabajamos con el simulador yo pude conocer los pasos, el procedimiento, porque teníamos la teoría, pero en el simulador es como si hubiéramos estado en el equipo, entonces cuando fuimos a donde estaba el equipo comprendí perfectamente todo lo que la analista hacía.
Algunos casos, tales como 2, 5, 6, 11 exhibieron comentarios que mostraban una
agudeza crítica.
La parte de la biblioteca, como el simulador no tiene esa parte incluida, realmente, porque la biblioteca lo que te hace es comparar e ir al resultado, en esa parte (.) si al simulador se le puede agregar o se le puede sugerir que agreguen una pequeña biblioteca que también uno pueda practicar la biblioteca, se asemejaría más a la realidad.
Todos tienen expectativas al éxito o al fracaso, exceptuando el caso 9
Bueno si, si tuviera la oportunidad de aplicar esos conocimientos en un laboratorio donde se usen esos equipos, me siento muy reconfortado con esta información que manejo ahora para aplicar a un laboratorio donde pueda trabajar en un futuro.
Todos perciben cambio en su comprensión.
Bueno en ese sentido sin conocer la simulación previa, hubiera sido más difícil captar y aprender, o quizás hacerle preguntas a la persona que estaba
136
haciendo el análisis, preguntas más concisas, realmente no iba a tener ni idea de lo que se hacía en ese equipo.
Todos consideran el entorno didáctico o proyecto de investigación en torno al
simulador como imprescindible para comprensión, 18 citas lo apoyan
No, tiene que haber el proyecto, que eso es la parte fundamental teórica para mí, esa es la práctica.
Todos proyectan aplicar los conocimientos adquiridos a corto plazo,
específicamente en su proyecto de tesis.
Claro que sí, puedo utilizarlo para mi tesis, o puedo utilizarlo en cualquier otra cosa que me interesa, porque esos conocimientos se quedan y uno le puede dar seguimiento.
Las mayores fuentes de dificultades la situaron en la búsqueda de informaciones.
Para mí, personalmente, fue encontrar informaciones, porque los métodos que encontré, la metodología que encontré no utilizaban la espectrometría de masas aplicada a la cafeína.
encontrar información es lo más difícil, en mi caso creo que es lo más difícil.
137
Figura 1. Gráfico categorías emergentes. Reportado desde Atlas.ti
138
4.2 Análisis de los Resultados.
En este apartado se aborda el análisis e interpretación de los resultados ya
presentados para el caso de un curso de química analítica instrumental en la
Universidad Autónoma de Santo Domingo (UASD). Seleccionado por poseer el perfil de
la problemática abordada en esta investigación. En el análisis de emplea la triangulación
entre los resultados de ambos enfoques, los cuales deben ser coherentes aún cuando los
datos son de naturaleza diferentes.
4.2.1 Constructo aprendizaje significativo. El conocimiento del estado de la
motivación y predisposición al aprendizaje significativo es fundamental a los fines de
lograr la comprensión significativa por parte de los alumnos. La actitud es un visor de
las motivaciones y de la predisposición a la comprensión, por tanto se monitoreó su
estado en cada alumno durante toda la experiencia de aprendizaje (Ausubel, 2000 )
El conocimiento de las actitudes de los alumnos de la muestra se fundamentó en
observaciones permanentes durante todo el semestre de docencias, mediante la bitácoras
de observaciones. Al final de proceso se triangularon los datos de las observaciones con
los evidencias colectadas durante las entrevistas.
En general el estado físico y anímico de todos es normal, aún los casos (2, 5, 10)
de alumnos muy reservados y poco activos en la interacción grupal. Estos alumnos no
intervienen, pero parecen disfrutar de las conversaciones y bromas entre sus
compañeros dentro de un contexto de respeto y aprecio.
Sin embargo, el análisis de actitudes de los alumnos integrantes del caso, identifica
tres casos potenciales para monitorear su nivel de motivación y predisposición al
139
aprendizaje significativo, estos son: casos 2, 5 y 10 con actividad casi nula para la
interacción social.
El nivel de actividad, entendido como acciones de integración social puede limitar
los beneficios que se reciben del trabajo colaborativo.
La interacción social favorece el aprendizaje, a decir de los investigadores
constructivistas. El intercambio de información entre compañeros con diferentes niveles
de conocimientos posibilita la modificación de los esquemas de los individuos y termina
generando aprendizajes.
La visión de la investigadora tesista sobre el ambiente social en el aula: “todos
parecen disfrutar del ambiente relajado y distendido de las clases, manteniendo el
respeto y tolerancia entre ellos y con el profesor”. El trabajo colaborativo y abierto ha
sido la tendencia en el grupo. Esta visión de la investigadora está sustentada por su
estrecha interacción con los alumnos de la muestra, por su condición de profesora de los
mismos alumnos en el curso que sirve de contexto a este estudio y en dos cursos
anteriores. Además se aplicaron instrumentos de valoración de estas actitudes en la fase
previa al inicio de los trabajos de esta investigación (Apéndice C).
Logradas las condiciones necesarias para la adquisición del conocimiento
significativo, inició la instrucción del nuevo conocimiento en espectrometría de masas,
asignando a cada estudiante el proyecto de identificar cafeína en una muestra, utilizando
el espectrómetro de masas virtual de las universidades de Carnegie Mellon y Pittsburgh.
Los alumnos del caso debían previamente elaborar y presentar su proyecto de
investigación guiada, utilizando las secuencias del método científico, es decir,
140
planteamiento el problema, revisión bibliográfica, metodología, Contarían con la
asistencia de la tesista (profesora de la asignatura).
La presentación de resultados y conclusiones del proyecto de los alumnos, tendría
la forma de un informe del trabajo realizado en el espectrómetro virtual.
Son cuatro los indicadores propuesto en esta investigación para establecer la
evolución cognitiva tendente a la comprensión significativa de los conocimientos en
torno a los procedimientos de espectrometría de masas.
El análisis del significado de las valoraciones de los indicadores de significancia
cognitiva, partirá de los resultados de sus valoraciones, mostrados en las tabla 7.
El funcionamiento de un simulador para resolver un problema cumple con las
fases del método científico, por tanto, su operación involucra por parte del usuario
administrar las fases del método científico, equivalentes, en este estudio, a las estrategias
cognitivas. Durante cada fase o proceso ejecutado el alumno va dejando evidencias de
su ejecución.
Sustentando el planteamiento anterior, Izaguirre (2010, p. 85) dice:
Una de las principales ventajas de interactuar con un sistema de simulación digital es que promueve el uso de estrategias para la resolución de problemas, puesto que en su funcionalidad y operación por el alumno cumple con todas las fases de la indagación científica: Identificar un problema, acceder a lo que ya se sabe sobre el problema, analizarlo y generar hipótesis para una solución, decidir sobre un plan para probar hipótesis, poner en funcionamiento el plan , evaluar la solución, Concluir enunciando las soluciones y sus implicaciones (Izaguirre, 2010, p.85).
El simulador, en forma natural propicia el aprendizaje por descubrimiento o
exploración, tal como lo recomienda Izaguirre (2010, p. 2) “la incorporación de
entornos o herramientas de simulación digitales como herramientas didácticas que
141
promueven el aprendizaje por descubrimiento por la sintonía que existe entre ambos
procesos y por otra parte facilitan el aprendizaje significativo.
En base a los sustentos teóricos anteriores se eligió para el presente estudio de
investigación guiada, el método por descubrimiento o exploración para la adquisición de
los conocimientos en el espectrómetro virtual.
A continuación se describen las características que rodearon la valoración del
indicador cognitivo “ejecución de estrategias cognitivas”.
La valoración del indicador “ejecución de estrategias cognitivas” se realizó
durante la prueba de desempeño frente al simulador, a partir de los datos recolectados
por el instrumento LC-7.1, lista control del desempeño, su enfoque no es sobre el
producto o informe generado durante la actividad, sino sobre los procesos ejecutados en
vías de lograr la meta de aprendizaje.
Las lista de control seleccionada como herramienta es adecuada para la evaluación
de este indicador, tal como plantean (Hernán y Colls, 1992) “Las listas de control y
escalas aplicadas con las pruebas de desempeño pueden utilizarse para realizar
observaciones en aulas de distintos tipos, igualmente como recursos para dirigir la
atención a los aspectos relevantes”.
Basándose en que las simulaciones por computadora ofrecen un contexto
apropiado para el aprendizaje por exploración, Njoo y Jong (1989) realizaron un
inventario de los procesos de aprendizaje exploratorios en el contexto de la carrera de
ingeniería mecánica. En este estudio 24 procesos de aprendizaje fueron identificados y
clasificados en siete categorías.
142
Las siete categorías de procesos definidas por Njoo (1989) son: análisis,
Generación de hipótesis, pruebas, evaluación, estas primeras cuatro categorías forman
una gran categoría denominada procesos transformadores; luego siguen las categorías
procesos reguladores, de operaciones y generales.
Este inventario de procesos de aprendizaje en el contexto del ambiente de un
simulador sirvió de lista de control para los siguientes estudios de Njoo y Jong (1993;
1994). Es una extensa y compleja lista que incluye todos los procesos de aprendizajes
por categoría asociados a la manipulación de un simulador, con el fin de resolver un
problema.
Es importante tener claro la conceptualización de los procesos de aprendizajes,
Ericsson & Simon (1984) plantea que los procesos de aprendizajes son procesos
cognitivos y no son directamente observables, por lo cual, métodos específicos han de
ser usados para determinar procesos cognitivos, un ejemplo muy cotidiano de tales
métodos son los protocolos de pensando en voz alta.
Mientras que Njoo (1994) advierte que los procesos del aprendizaje en su
investigación deben entenderse como procesos mentales, y a seguidas los caracteriza
afirmando que los procesos del aprendizaje no son objetivos ni acciones instruccionales,
son más bien combinaciones de funciones cognitivas caracterizadas por operaciones
mentales (ejemplo: generalizando, evaluando).
Este método, pensando en voz alta, fue utilizado en el primer estudio de Njoo y de
Jong (1989) para colectar la data de los procesos de aprendizajes ejecutados. En
siguientes estudios fueron sustituidos por un formulario inicializado con las categorías,
143
e incluso se le completaba la hipótesis, se suministraba al alumno para inducirlo a
ejecutar y escribir los procesos.
Izaguirre (2010, p. 102) utiliza una lista de control para evaluar los procesos
ejecutados frente al simulador, básicamente enumera los mismos procesos que la lista
de Njoo (1994), algo más reducida, con la diferencia de que la denomina estrategias
cognitivas frente al simulador.
Se utilizó en esta investigación la lista de control de procesos de Njoo y Jong
(1994) en el instrumento LC-7.1. Fue adaptada al contexto por la tesista, los ítems que
no aplicaban (N/A) no fueron considerados. Se aplicó durante la prueba de desempeño,
primer contacto directo de los alumnos con el simulador.
Durante la prueba de desempeño se les suministró a los alumnos un formulario
guía de procesos, tabla 11 en apéndice B, con el propósito de que lo utilizaran como
guía para realizar anotaciones durante el trabajo con el simulador. Este formulario es
semejante a la lista de control que el investigador tesista utilizó para el control de los
procesos ejecutados.
La diferencia entre la lista de control de procesos LC-7.1 y el formulario guía
radica en que en éste último las casillas de comentarios están en blanco. No se le dieron
explicaciones sobre el contenido, ni se les pidió que los entregaran, se les solicitó
realizar sus operaciones y anotaciones utilizando la guía del formulario.
Los valores del indicador “ejecución de los procesos de aprendizajes” representan
el porcentaje de procesos ejecutados por el alumno durante la simulación, con respecto
al total de procesos listados en la lista de cotejo elaborada por Njoo (1993) y adaptada a
la presente investigación por la investigadora tesista.
144
Abordando el análisis de los resultados del indicador “ejecución procesos de
aprendizajes”, observamos en la tabla 7 que el curso completo ejecutó solo el 70 %
procesos de aprendizajes asociados a la manipulación de un simulador para resolver un
problema.
Los siguientes casos: 2 (42 %), 5 (42 %), 8 (58 %), 10 (58 %) representan valores
no óptimos en el indicador de “ejecución de procesos de aprendizajes”. Estos resultados
serán triangulados con la rendición de informes y la transferencia o flexibilidad de
aprendizajes (tabla 15 y 16)
Los procesos de operaciones, análisis, pruebas fueron los mayormente utilizados
por los alumnos durante la simulación (promedio 13, 26 y 16), en cambio, los procesos
reguladores fueron los menos ejecutados (promedio 5 %)
Estos resultados son semejantes a los obtenidos en el primer estudio de Njoo
(1989). En dicho estudio los sujetos participantes prácticamente no utilizaron los
procesos de planeación, evaluación, predecir, manipular e interpretar la salida,
mayormente utilizaron las operaciones con el simulador (PCMatlab) en un 45 %.
Njoo (1989) concluye en su investigación expresando que los alumnos no se
beneficiaron del programa simulador y recomienda la necesidad de una previa
orientación sobre la mecánica de funcionamiento del simulador y como aprender de él.
En una segunda investigación Njoo (1994,), resuelve lo que entiende es el
obstáculo identificado en la primera investigación, suple a los alumnos con instrucciones
generales sobre el simulador, sin embargo obtiene resultados similares, así lo plantea en
sus conclusiones.
145
Sin embargo, no es solo la instrucción lo que hace falta, en la presente
investigación se obvio seleccionar el momento oportuno para evaluar, en este sentido, se
debe permitir que el alumno tome el control del simulador, progrese hacia la
automatización del aprendizaje repitiendo su uso, analizando, reflexionado las
confrontaciones, opciones y alternativas.
El anterior planteamiento es coincidente con lo planteado por Díaz-Barriga y
Hernández (2002, p. 55) apuntan que la fase de la “automatización del procedimiento es
el resultado de la ejecución continua en situaciones pertinentes. Una persona que ha
automatizado un procedimiento, muestra facilidad, ajuste, unidad y ritmo continuo
cuando lo ejecuta”.
Los resultados obtenidos en el curso bajo estudio, en el indicador “ejecución
procesos de aprendizajes” no son satisfactorios, y contrastan con el nivel de
conocimientos adquiridos por los alumnos durante la experiencia de tres meses. Muy
probable que el método de adquisición del conocimiento en la actividad frente al
simulador fuera el factor distorsionante.
Los estudiantes adquirieron por sí mismo y simultáneamente, por un lado, el
conocimiento del funcionamiento del simulador, y por otro lado, la metodología de un
espectrómetro de masas, utilizando estrategia de exploración o descubrimiento. Además,
durante la misma sesión de reconocimiento se les pidió que debieran incluir en sus
anotaciones los procesos de aprendizaje que ejecutaban.
En este punto, es útil diferenciar entre aprendizaje por descubrimiento guiado y
aprendizaje por descubrimiento autónomo, al respecto Njoo (1994, 21) expresa “el
descubrimiento autónomo se asume como método clásico de descubrimiento científico,
146
mientras que el descubrimiento guiado se refiere al que es conducido en un contexto
instrucional”
El aprendizaje por descubrimiento guiado requiere de acciones instruccionales por
parte del profesor durante el proceso de descubrimiento del simulador, este no fue el
método utilizado durante el primer contacto de los alumnos con el simulador, la ayuda
fue puntual, a requerimientos, no como un plan instrucional complementario de soporte.
Ausubel (1978) dudaba de la efectividad del método por descubrimiento para
adquisición del conocimiento dentro de un ambiente instrucional, uno de sus principales
argumentos eran “el aprendizaje por descubrimiento requiere del aprendiz un adecuada
base conceptual y de principios metodológicos, sin embargo esta base a menudo le falta
a los aprendices”.
Finalmente Njoo (1994, 22) plantea la principal falla del método de adquisición
por descubrimiento:
El contenido que ha de ser aprendido por el aprendiz, no le es dado, debe ser descubierto por él antes de que pueda incorporarlo significativamente en su estructura cognitiva, los procesos involucrados son por ejemplo, re-arreglo de la información, integración con pre existente esquemas de la estructura cognitiva, reorganizándola o transformándola para generar un producto final o descubrir el significado de una relación.
A continuación se describen las características en torno a la evaluación del
indicador “funcionalidad de los aprendizajes”.
Díaz-Barriga y Hernández (2002) consideran la expresión de los resultados sobre
los productos elaborados por los alumnos como uno de los mejores medios que tiene el
profesor para valorar el uso funcional que ellos hacen de los aprendizajes.
147
La significatividad del aprendizaje debe estar vinculada a su funcionalidad, sobre
todo para que los conocimientos adquiridos, conceptos, destrezas, valores, normas, etc.
sean funcionales; o lo que es igual, puedan ser utilizados de forma efectiva cuando lo
exijan las circunstancias en que se encuentra el alumno.
Izaguirre (2020) en su investigación sobre el efecto de los simuladores, propone
una serie de actividades que describen situaciones de aprendizajes novedosas y en las
que se incluyen los sistemas de simulación como estrategia cognitivas de aprendizaje.
El análisis de Izaguirre (2010) concluye en relacionar los sistema de simulación
con el desarrollo de capacidades cognitivas; utiliza como instrumento de valoración los
resultados de las pruebas de desempeño llevadas a cabo en el simulador. Condiciona los
resultados a las características genéricas que potencialmente tiene un simulador y la
forma de usarlo en el aula.
Se utilizó una rúbrica en lugar de una lista de control para evaluar los informes o
productos generados por los alumnos durante su actividad frente al simulador. Al
respecto, Díaz-Barriga y Hernández (2002, p. 361) indican que la “ejecución de la
funcionalidad dependerá de lo que se quiera que aprendan los alumnos y de ello
dependerá el instrumento y tarea de evaluación”.
Además Díaz-Barriga y Hernández (2002, p. 392) validan el uso de rúbrica para
evaluar el indicador, en el siguiente planteamiento “el uso funcional de los aprendizajes,
los cuales son evaluados en pruebas de desempeños, utilizándose generalmente como
instrumentos de evaluación una lista de control con rúbrica”.
El instrumento RU-8.2 es una rúbrica con puntajes y categorías asociadas a los
diferentes niveles del uso funcional de los aprendizajes, fue utilizado para evaluar el
148
nivel de desempeño de los alumnos, tomando como base sus informes; a partir de
dichas informaciones se valoró el indicador “funcionalidad de los aprendizajes”.
En base a los sustentos anteriores sobre la herramienta de evaluación RU-8.2, se
procede a abordar el análisis de los resultados del indicador “uso funcional de los
aprendizajes”, valorado en las llamadas pruebas de desempeño.
La funcionalidad es entendida como la capacidad de manejo de fuentes de
información, toma de decisiones, aplicación de los procesos del método científico.
expresión de los resultados, conclusiones y recomendaciones. Es el producto del
aprendizaje.
El informe de la actividad de los alumnos frente al simulador o prueba desempeño,
estuvo enfocado en la identificación de la cafeína en el espectro de masas obtenido en el
espectrómetro virtual.
La valoración, mediante rúbrica, de este informe muestra resultados balanceados,
desde un “uso funcional” de los aprendizajes en 5 casos (casos 1, 3, 4, 6, 7) pasando
por “un uso parcial” de los aprendizajes (caso 11) hasta llegar a un “uso deficiente” de
los aprendizajes en los 5 casos restantes (2, 5, 8, 9, 10).
Se destacan dos casos extremos, el informe del caso 3 valorado como excelente,
con la identificación de la cafeína y su debido enfoque, y por otra parte el caso 5, quien
no presentó el informe.
A continuación se aborda el análisis de los resultados del indicador “uso flexible
de los aprendizajes”. Fue valorado durante la visita al Laboratorio Veterinario Central
(LAVECEN), mediante el instrumento FO-10.1.
149
Los resultados de la observación, estructurada por lista de control, mediante el
instrumento FO-10.1. Tabla 5 señalan los procesos mentales involucrados en la
transferencia y ejecutados por los alumnos durante esta actividad, tal como plantea
Díaz-Barriga y Hernández (2002, p. 365) “Los alumnos pondrán al descubierto,
mediante distintos desempeños, la utilización funcional y flexible de los aprendizajes
logrados”
La mayoría de los alumnos (casos, 1, 3, 4, 6, 7, 8, 9 y 11) mostraron evidencias de
monitorear el avance del proceso y su culminación en la obtención del pico del
compuesto buscado y sus posibles interferencias. Mostraron conocer las etapas del
proceso e incluso se adelantaban a nombrarlas.
Todos los alumnos se mantuvieron atentos y altamente motivados durante la visita
de unas 3 horas. Se observaban entusiasmados y felices.
En términos generales la transferencia de conocimientos fue sorprendente, los
alumnos demostraron con sus preguntas su actitud de reflexión y sentido crítico y
dominio del tema, no solo de los fundamentos del equipo GC/MS, sino de la propia
técnica. La impresión general de los alumnos fue de revalorización del equipo virtual,
por su proximidad con el equipo real.
La analista del laboratorio LAVECEN, encargada de operar y explicar el
funcionamiento del equipo, mostró su sorpresa al enterarse que era el primer contacto de
los alumnos con el equipo. Expresó que durante las explicaciones tenía la impresión de
que estos ya habían trabajado en un equipo similar.
Triangulando los resultados de estos tres indicadores cognitivos, “ejecución
procesos aprendizajes”, “uso funcional de los aprendizajes” y “uso flexible de los
150
aprendizajes”, se observa una perfecta coincidencia entre los casos con resultados
deficientes para los tres indicadores, estos son, los casos 2, 5, 8, 9, 10
En los siguientes párrafos se abordan las características en torno al indicador
cognitivo “cambios en esquemas mentales”, según Novak y Gowin (1988) los esquemas
mentales son representados mediante mapas conceptuales.
Los creadores del concepto mapa conceptual, Novak y Cañas (2006), definen los
mapas conceptuales como: “herramientas gráficas para organizar y representar el
conocimiento”.
Novak y Gowin (1988), proponen los mapas conceptuales para evaluar los
indicadores de amplitud y complejidad, basándose en que los mapas conceptuales son
recursos gráficos que permiten representar jerárquicamente conceptos y proposiciones
sobre un tema determinado, reflejando los procesos mentales que describe la teoría de
la asimilación de Ausubel.
El indicador “cambio o evolución de los esquemas mentales” se operativiza
evaluando mapas conceptuales antes y después de un evento instrucional. Las
características a evaluar en los mapas conceptuales son, por un lado, la calidad
semántica y teórica de las proposiciones del mapa conceptual, y por otro lado, la
complejidad del mapa conceptual (Díaz-Barriga y Hernández (2002).
Otro elemento importante en los mapas conceptuales es su jerarquía, definida por
Díaz-Barriga y Hernández (2002, p. 384) como “Niveles de inclusividad en función de
una temática o concepto nuclear. Es posible valorar el nivel de diferenciación
progresiva”.
151
La calidad de las proposiciones fue cualitativamente valorada por el carácter
lógico, veraz y relevante que el enlace confiere a la relación.
Los mapas conceptuales utilizados en esta investigación tienen la peculiaridad de
que abordan el conocimiento declarativo necesario para ejecutar un procedimiento, en
base al anterior sustento, los enlaces podían ser frases cortas verbales en lugar de verbos;
mientras que los conceptos podían ser frases cortas, flexibilizando las reglas de la
estructura de los enlaces y conceptos de Novak (2006).
La veracidad de las proposiciones fue evaluada según la teoría aceptada en la
disciplina y aportada por la tesista, profesora de la asignatura; con este propósito, se
compararon los conceptos en cada mapa con una lista de conceptos extraído de un mapa
experto, realizado por la tesista en torno al tema determinación de cafeína por
espectrometría de masas y GC.
Por otra parte, la complejidad de la construcción de los mapas conceptuales es
determinada según Díaz-Barriga y Hernández (2002, p. 384) “por el número y calidad de
enlaces cruzados, asociados a un mayor nivel creatividad y evidencias de procesos de
reconciliación integradora”.
Todos los índices de valoración de mapas conceptuales fueron empleados para
diagnosticar la evolución del desarrollo cognoscitivo de un mismo sujeto antes y
después del simulador, con respecto a los conocimientos declarativos en torno a sus
habilidades y capacidades para llevar a cabo un procedimiento en espectrometría de
masas.
El índice de Novak y Gowin (1998) va dirigido a cambios en la complejidad
(entendida como jerarquía y enlaces cruzados), no considera las ramificaciones.
152
La ponderación de los componentes de la función de Novak y Gowin indica que
este índice evidencia mayormente la complejidad de un mapa solo cuando es muy alta
(10x No. enlaces cruzados).
Por tanto, en ausencia de enlaces cruzados para dos mapas, antes y después, el
factor más ponderado sería el No. de niveles o jerarquía. En este caso el índice Novak y
Gowin puede dar un valor más bajo para el mapa con menos niveles y mayor
complejidad moderada (ramificaciones).
La interpretación de este índice debe tomarse con precaución debido a que las
características de los 11 mapas es de una complejidad moderada, ausencia de enlaces
cruzados, entonces su calificación de complejidad irá dirigida a aquellos mapas con
mayor No. de niveles, lo que definitivamente no es una buena definición de complejidad
y contrasta con la realidad visual del concepto de complejidad
El mejor ejemplo es el del mapa del caso 3 antes y después, el mapa construido
antes del simulador consiste básicamente es una larga cadena, única, vertical, por lo que
el nivel de jerarquía es alto, sin embargo la ramificación es casi nula, la situación se
invierte en el mapa construido después del simulador, sin embargo el índice de Novak y
Gowin le asigna un menor valor al mapa construido después del simulador.
En general no hubieron grandes cambios en la complejidad de los mapas
conceptuales, evaluados por cualquiera de los tres índices, exceptuando en dos casos: El
caso 4 (graphical structure de 8 a 14) e índice de Novak y Gowin (51.75 a 93) ; y el
caso 7 (graphical structure de 2 a 7) e índice de Novak y Gowin (15.5 a 46.25).
El máximo cambio en el número de conceptos válidos fue de 14 en el caso 2.
153
El número total de conceptos utilizados en los 11 mapas antes del simulador se
incrementó en los mapas después del simulador, de 143 a 198. Los alumnos adicionaron
55 concepto nuevos.
Algunos casos presentaron incongruencias entre el perfil del alumno y los
resultados en el indicador “cambio en los esquemas mentales”.
Un hecho que llama la atención son los casos 2, 5 y 10: son introvertidos o muy
reservados; sus rendimientos académicos están en el rango de por debajo de 70 hasta
menos de 80; tres importantes indicadores de su desarrollo cognoscitivo son deficientes,
estos son, uso funcional y flexible de los aprendizajes, procesos de aprendizajes
ejecutados en el simulador, sin embargo experimentaron apreciable evolución de sus
esquemas mentales en los mapas conceptuales.
Los casos 2 y 10 desde el principio tuvieron facilidad para expresarse mediante
proposiciones jerárquicas en los mapas conceptuales, sobre todo el caso 2, que produjo
el mapa más complejo del grupo; por otra parte el caso 5 experimentó grandes
dificultades al principio, pero luego adquirió destreza.
Otro caso sorpresivo es el 8, todos sus indicadores dieron deficiente, sin embargo
es uno de los más activos en la clase y sus indicadores del estado de las condiciones
previas para el aprendizaje eran excelentes, pero sí experimentó cambio en sus esquemas
mentales, según evidencias de sus mapas conceptuales.
El caso 11 es aún más sorpresivo, dos de sus indicadores cognitivos están en el
rango de excelente (procesos ejecutados en el simulador 83 % y “uso flexible de los
aprendizajes” es excelente), sin embargo experimenta dificultad para expresarse con los
154
mapas conceptuales desde el inicio hasta el final. Es el único caso donde el índice SMD
disminuye en sus tres componentes, en lugar de aumentar.
Además, su informe en el simulador no es satisfactorio (Uso funcional parcial de
los aprendizajes). Su rendimiento académico es sobre 85. Muy activo y de actitud muy
crítica y reflexiva. La única explicación posible a este caso es el efecto de la carga
cognitiva presente en esta investigación como un factor perturbador
La teoría de los esquema mentales como generadores del conocimiento es el
fundamento que utilizan los creadores del concepto de mapas conceptuales, cuando
plantean que los esquemas mentales asociados a las operaciones mentales para crear el
conocimiento son externalizados en los mapas conceptuales de forma natural.
Ya que el aprendizaje significativo transcurre con más facilidad cuando los nuevos conceptos o significados son incluidos bajo conceptos más amplios e intensivos, los mapas conceptuales deben ser jerárquicos; esto es, los conceptos más generales e inclusivos deben estar en el lugar superior del mapa, y los conceptos progresivamente más específicos y menos inclusivos, ordenados debajo de ellos (Novak y Gowin 1984, p. 15)
En parecidos términos se expresan Palazio, Garrido & Olazabalaga (2008, p. 74)
cuando plantean que la utilización de mapas conceptuales en el aprendizaje constituye
“un enfoque racional, estrategia metacognitiva de enseñanza, en sintonía con el modo
natural en que trabaja el cerebro humano, donde la información se memoriza, recupera y
se reutiliza a través de conexiones directas y reticulares como en los mapas
conceptuales”.
La realidad vista de cerca, es que la tendencia de los 11 alumnos del caso fue
externalizar sus esquemas mentales, en forma natural, semejantes a diagramas de flujos,
155
enlazaban proposiciones ya formadas, sin enlaces verbales, en un orden jerárquico de
ocurrencia por medio de líneas direccionadas.
La realidad es que exigió un esfuerzo cognitivo al alumno construir sus
conocimientos atados a los enlaces verbales entre conceptos. No parece que sea el modo
natural y espontaneo en que fluye la construcción de conocimientos, o por lo menos, el
mecanismo de externar la construcción.
Los resultados de los cuatros indicadores cognitivos revelan que todos los casos
experimentaron aumento en por lo menos uno de los indicadores cognitivos.
Con el propósito de identificar las limitaciones en torno a las evaluaciones de los
indicadores cognitivos “ejecución de procesos de aprendizajes” y “uso funcional de los
aprendizajes”, se hace necesario analizar las condiciones del escenario en que se
realizaron dichas evaluaciones, durante la prueba de desempeño, primer contacto de los
alumnos con el simulador.
Durante la prueba de desempeño, los alumnos estuvieron bajo la demanda
simultanea de exploración del propio simulador, la adquisición por descubrimiento del
nuevo conocimiento (metodología para identificar el pico de la cafeína y posibles
interferencias) y presentación de reportes, todas estas tareas exigieron un esfuerzo
cognitivo del alumno que llegó a desbordarlo, es decir la llamada “carga cognitiva”
En este sentido, la carga cognitiva se presenta cuando se combinan
simultáneamente varias demandas al alumno, Izaguirre (2010, p. 84) dice al respecto
“Una de las maneras de que no se produzca el aprendizaje significativo es por
sobrecarga cognitiva, la cual impide la codificación del nuevo conocimiento”.
156
La carga cognitiva, muy usual en el método de adquisición por descubrimiento, es
eliminada cuando el alumno llega al nivel experto, logrado en los repetidos usos en el
entorno seguro del simulador, habilitándolo a la generalización y a la transferencia al
contexto real de la experimentación.
Llama la atención, el hecho de que los seis alumnos con mejores rendimiento
académico (1, 3, 4, 6, 7 y 11) presentaron todos sus indicadores de desarrollo
cognoscitivos aceptables, mientras los restantes casos (2, 5, 8, 9, 10), aunque
experimentaron cambios en los esquemas conceptuales, sus restantes indicadores
cognitivos fueron deficientes.
La anterior observación sugiere la existencia de un factor adicional a la carga
cognitiva, sin embargo no es objetivo de esta tesis investigar este tipo de relaciones, pero
se percibe que es un factor interno al alumno.
Finalmente, se abordan los resultados del análisis de las entrevistas, última
actividad de la investigación. Los resultados estuvieron en torno a la generación de los
códigos a partir de las citas y una imagen gráfica de la red de códigos, mediante el
software Atlas.tiTM, previa transcripción de las entrevistas grabadas.
La vista de red para los códigos, construyó las relaciones entre los códigos,
emergiendo las grandes categorías, previamente definidas: predisposición al aprendizaje,
metacognición, motivación, autorregulación y transferencia del conocimiento.
En la vista de red se destaca el rol del entorno didáctico, junto a la estrategia
tecnológica para convertir al simulador en una herramienta de compresión, útil para la
transferencia del conocimiento mediado por el simulador.
157
Otro aspecto interesante a observar en la imagen son las variables o
características que definen cada una de las categorías emergentes.
A continuación se aborda la revisión de investigaciones semejantes al presente
estudio, con el propósito de establecer comparaciones,
La investigación de Guruceaga y González (2011) tiene como objetivo evaluar el
desarrollo cognoscitivo mediante mapas conceptuales después de un módulo de
instrucción innovador que consideró la implicación del alumnado (motivación) y sus
conocimientos previos.
Se condujo con un grupo de control ( sin refuerzo del módulo de instrucción) y un
grupo experimental al que se le administró el módulo instrucional innovador. Utilizó el
índice de Gowin para realizar las comparaciones.
Concluyen que “en los MC realizados por el alumnado perteneciente al grupo
experimental encontramos que, con una probabilidad de ocurrencia menor al 3%, se
identifican unas diferencias con respecto al alumnado del grupo control, que
consideramos evidencias de un aprendizaje más significativo”.
Evidentemente que no es prudente comparar desarrollo cognoscitivo entre sujetos,
no solo por la naturaleza de lo evaluado, sino por el uso de un instrumento no validado
en el contexto. No se está considerando la singularidad del aprendiz como constructor
personal del conocimiento. Tampoco se está considerando que otros factores y
condiciones del aprendizaje significativo influyen diferentes según el sujeto.
Por otra parte la investigación de Izaguirre, posee conclusiones alentadoras, pero
no presenta los resultados.
158
En cambio las investigaciones de Cámara & Alzugaray (2010) evalúan la
evolución de la comprensión a partir de la comparación de la funcionalidad de los
aprendizajes en pruebas de desempeño en contexto real y virtual.
Cámara & Alzugaray (2010) concluyen que el sistema de simulación utilizado es
efectivo a partir de las pruebas de desempeño comparadas con las obtenidas en el
contexto real.
Por último, la investigación del Proyecto Inteleccion-PIN-114/02 (Sierra, 2004)
estudia el progreso en la comprensión de los alumnos a partir de pruebas antes y
después de utilizar un simulador. El contenido de las pruebas es conceptual y
procedimental. Es decir, se realiza una evaluación de la funcionalidad de los
aprendizajes, sin embargo, no se enfoca a las etapas del proceso, sino a los resultados
finales.
En este apartado fue presentada la valoración del desarrollo cognoscitivo de cada
alumno, mediante los resultados de sus indicadores cognitivos, además se identificaron
factores adicionales que pueden influir en su distorsión. Estos resultados serán el
sustento para enunciar las conclusiones y recomendaciones del próximo capítulo de esta
investigación.
4.2.2 Confiabilidad y validación. La confiabilidad y validación de los estudios
de casos se basa mayormente en una generalización analítica, la cual puede ser
establecida siguiendo el plan trazado en la estrategia aportada por Hernández et al (2010,
[CDROM]).
159
La mayoría de los puntos de esta estrategia se cumplieron en esta investigación.
Tales como, documentación de la evidencia completa y detallada. La fuente de datos
puede ser consultada en el apéndice F.
Estrategia para establecer la validez de los estudios de caso con enfoque
cuantitativo Hernández et al (2010, [CD-ROM]):
1. La documentación de la evidencia debe ser sistemática, completa y
ofrecer detalles específicos del desarrollo de la investigación.
2. Es necesario utilizar fuentes múltiples de datos e información.
3. Se requiere establecer la cadena de evidencia sobre la causalidad. Esto
significa que un investigador externo monitorea la derivación de
cualquier evidencia, desde el planteamiento hasta el reporte de resultados.
4. Es indispensable verificar con la persona (o personas, si el caso es una
organización) los resultados (como es costumbre en las investigaciones
cualitativas: chequeo con miembros).
5. Elaborar predicciones sobre resultados, basadas en la teoría y al final
comprobar que éstas se hayan cumplido, lo que ayuda a soportar el caso
(Yin, 2004). Si al contrastar los resultados con la teoría y las hipótesis o
proposiciones encontramos diferencias, se revisan y ajustan las hipótesis
y volvemos a replicar el caso, hasta que logremos responder al
planteamiento del problema.
6. Evaluar cuidadosamente cómo los detalles del caso explican los
resultados.
7. Recordemos que los pre-experimentos y estudios de caso confían más
bien en una generalización analítica; mientras que las investigaciones
experimentales confían en una generalización estadística.
Por otra parte, como método de triangulación, se utilizaron diferentes
instrumentos e indicadores para evaluar el desarrollo cognoscitivo de cada alumno,
variable que constituye el núcleo de la investigación.
160
En el capítulo 4, apartado dedicado a los resultados, se realiza la triangulación
entre ambos enfoques, se discute caso por caso, haciendo un paralelo de la coherencia
entre las actitudes expuesta en la bitácora y los resultados de los indicadores del
enfoque cuantitativo.
En el enfoque cualitativo, de alcance descriptivo, realizado mediante entrevistas,
se manifiestan las categorías que la teoría dice que deben estar presente como requisito
para un aprendizaje significativo Ausubel (2002). Estos resultados son de naturaleza
diferente a los indicadores obtenido en el enfoque cuantitativo, pero deben ser
coherentes,
Además los datos de los cuestionarios y transcripciones de entrevistas fueron
verificados con los alumnos, para garantizar que no hubiera errores de mala
interpretación.
Con fines de estandarizar todas las operaciones llevadas a cabo con los datos, se
utilizaron dos software, Atlas.ti y SPSSTM , el primero se utilizó como ayuda en la tarea
manual de citación, codificación, categorización de las variables y relaciones entre los
códigos generados; mientras que el segundo se utilizó en la construcción de escalas
numéricas y clasificación de las opciones de respuestas de los cuestionarios dentro del
rango de dichas escalas.
Finalmente, en la discusión de los resultados, en el punto 4.2, se realizó el
análisis que explicaba los resultados obtenidos y al mismo tiempo las diferencias con la
teoría. Fue explicada considerando los detalles del caso durante la experiencia,
tomándose como fuente de recomendaciones para futuras aplicaciones de trabajos con
simuladores educativos.
161
Por otra parte la confiabilidad de los cuestionarios empleados en la etapa o fase
previa fue establecida en base a la consistencia interna y se calculó mediante el
coeficiente de Cronbach, utilizando el software SPSS, los resultados fueron
satisfactorios, según muestra la tabla 36 en el apéndice C (trabajos previos).
La validación del instrumento de observación FO-1.1 se llevó a cabo por
observación simultánea de dos observadores, la tesista y un profesor de la cátedra
invitado. La correlación entre ambos observadores fue también satisfactoria, según
muestra la tabla 37 y el gráfico de la figura 6 en el apéndice C .
162
Capítulo 5. Conclusiones
En este apartado se presentan conclusiones tendentes a contestar las preguntas de
investigación y se aportan recomendaciones producto de los detalles vivenciales y
categorías emergentes de la investigación, definida como de tipo descriptivo, con
enfoque mixto y basada en estudio de casos.
Esta investigación plantea la problemática en torno al aprendizaje de
procedimientos por un aprendiz novato: costos de materiales en pruebas fallida, tiempo
de instrucción, riesgos potenciales al equipo, y en algunos casos hasta daño personal.
Esta problemática aumenta en las situaciones donde el contexto de capacitación del
aprendiz carece del equipo, por su alto costo o mantenimiento.
La investigación se planteó como un estudio de caso con el propósito de abordar la
problemática.
El contexto específico en que se desarrolló el estudio tenía todas las
características del perfil del caso: un curso de Química Analítica Instrumental en la
Universidad Autónoma de Santo Domingo de la República Dominicana.
Además, en el caso particular de este contexto, existe un elemento que aumenta el
problema planteado, la universidad no cuenta a la fecha de esta investigación con un
equipo de espectrometría de masas en funcionamiento, este ingrediente puede ser común
a otras universidades de la región con economías deprimidas. En el caso particular, se
soluciona la carencia del equipo con visitas a laboratorios externos, que si cuentan con el
equipo.
163
La dificultad de aprendizajes de los conocimientos conceptuales que sustentan los
procedimientos, con fines de desarrollar en el aprendiz novato las capacidades y
habilidades a trasferir a un contexto real es abordada a través de un simulador, para
cumplir con este propósito, el simulador debe tener un entorno didáctico eficaz para
trasferir y vincular en forma clara y significativa los conocimientos declarativos a los
procedimientos implicados.
Con base a los argumentos anteriores, es evidentemente, que la pregunta planteada
para resolver el problema gira en torno a la eficacia del entorno didáctico del simulador.
¿Es eficaz el entorno didáctico vinculado a aplicaciones analíticas del
espectrómetro virtual de masas de las universidades Carnegie Mellon y Pittsburgh, para
desarrollar procesos cognitivos en los alumnos de un curso de Química Analítica
Instrumental de la Universidad Autónoma de Santo Domingo?
El objetivo fijado para el caso es: evaluar la eficacia del entorno didáctico de
investigación guiada del espectrómetro virtual de masas de las universidades Carnegie
Mellon y Pittsburgh, mediante los cambios de la estructura cognitiva logrado por los
alumnos de un curso de Química analítica instrumental en ambiente de educación
superior y presencial, como expresión de aprendizajes significativos.
El análisis de los resultados de esta investigación, concluye que el entorno
didáctico de investigación guiada del espectrómetro virtual de masas de las
universidades Carnegie Mellon y Pittsburgh, es eficaz para producir conocimientos
significativos en torno a procedimientos de espectrometría de masas solo en la etapa en
que el alumno progrese a la fase de automatización del uso del simulador.
164
Es eficaz porque según se demostró todos los alumnos experimentaron cambios en
su comprensión significativa, lo que se puso de manifiesto por el cambio positivo, en por
lo menos alguno de los cuatro indicadores cognitivos utilizados durante la prueba de
desempeño.
El 70 % de las estrategias cognitiva fueron ejecutados; el 63 % de los alumnos
muestra fuertes evidencias de un uso flexible de los aprendizajes, es decir, transfieren
sus aprendizajes del simulador al contexto real. El 91 % de los alumnos experimentó
cambios en sus esquemas mentales, representados en los mapas conceptuales (ver tabla
7, resumen de los indicadores cognitivos).
Debe tenerse en cuenta que en esta investigación se identificó un factor adicional
a los ya identificados en otras investigaciones, se refiere a la fase adecuada en la cual
debe ocurrir la evaluación. Es decir, la eficacia del entorno didáctico del simulador
depende del periodo de prácticas autónomas para permitir que el alumno progrese hacia
la automatización del uso de la herramienta mediadora.
La evaluación antes del periodo de automatización del alumno, es un factor
distorsionante, afectó los resultados de dos de los indicadores cognitivos en la
investigación, estos son, porcentajes de procesos ejecutados y uso funcional de los
aprendizajes. Por tanto, se justifican los resultados aparentemente deficientes de los
casos 2, 5, 8, 9 y 10 en ambos indicadores (ver tabla 7).
No obstante, se deja abierta la posibilidad de la existencia de otros factores
internos a los alumnos, basado en los siguientes datos, los casos (1, 3, 4, 6, 7, 11)
poseen los mejores índices académicos comparado con los casos con deficientes
resultados en dos indicadores cognitivos (2, 5, 8, 9, 10), sin embargo el primer grupo
165
logró buen desempeño, pese a que también fueron evaluados antes de llegar a la fase de
automatización en la herramienta.
Por otra parte, no debe perderse de vista que el enfoque de esta investigación es el
entorno didáctico del software simulador, en el presente caso se aplicó investigación
guiada, durante la fase 1, previa a la manipulación de simulador y por descubrimiento
autónomo durante la prueba de desempeño.
En contradicción a la estrategia aplicada, Díaz-Barriga y Hernández (2002, p. 55)
plantean que “la enseñanza de procedimiento es importante confrontar al alumno con los
errores prototipo, las rutas erróneas y las alternativas u opciones de aplicación y
solución” Sin embargo, esta fue una tarea que se le dejó al simulador, bajo la premisa de
que se evaluaba la externalización, sin influencia del tutor, de los procesos mentales que
controlaban sus acciones frente al simulador.
No obstante, se ha confrontado la realidad, la estrategia diseñada para evaluar
procesos de aprendizajes en un sistema simulador, debe considerar siempre el momento
o fase en que se aplica la herramienta de evaluación y considerar la estrategia de
exploración guiada como ayuda del profesor durante el primer contacto del alumno con
el simulador.
Otro aspecto a considerar en esta investigación son los indicadores cognitivos, se
utilizan cuatro indicadores para evaluar el desarrollo cognoscitivo o comprensión
significativa sobre el tópico en cuestión. Los resultados indican que el indicador más
eficaz es “el uso funcional y flexible de los aprendizajes” determinado durante la prueba
de desempeño y la visita al contexto real, respectivamente.
166
Coincidente con estos resultados Díaz-Barriga y Hernández (2002, p. 417) dicen al
respecto “La evaluación de la significatividad de los aprendizajes, dos cuestiones
esenciales en este sentido son, sobre todo para el caso de los procedimientos, la
funcionalidad y la flexibilidad”.
Por otra parte, un hecho que llama la atención fue la evidencia del esfuerzo
cognitivo que supuso para los alumnos la construcción de los mapas conceptuales y sus
reglas de uso, sugiriendo que no es el flujo natural para externar los esquemas mentales
involucrados en la construcción, más bien habla de que es una herramienta o un medio
excelente de organizar la información en lugar de representar los esquemas mentales
utilizados por el alumno en su construcción de conocimientos.
Se observa que los alumnos al ajustarse a las reglas de los mapas conceptuales,
producen contenidos limitados, y no logran externar cómodamente todos los
conocimientos que sí tenían construido sobre la espectrometría de masas. Sin embargo,
cuando llegan a dominar la herramienta, sus conocimientos se organizan, produciendo
un aprendizaje significativo.
Con respecto a los mapas conceptuales, se concluye que los resultados les dan el
crédito a su función de herramienta organizadora de informaciones, propiciando la
construcción de un conocimiento significativo.
Los resultados de las entrevistas confirmaron en la vista de red de los códigos, el
rol del entorno didáctico junto a la estrategia tecnológica para convertir al simulador en
una herramienta de compresión, útil para la transferencia del conocimiento.
167
Recomendaciones para trabajos con simuladores educativos en el área de ciencias.
Considerar en la selección del software simulador su entorno didáctico, en esta
investigación se probó la efectividad de la investigación guiada como entorno del
simulador, en dicha estrategia el alumno no se introduce directamente al simulador, el
alumno previamente emprende un proyecto asignado por el profesor, factible dentro del
escenario del simulador.
Con base a este entorno didáctico, el alumno presenta su proyecto: planteamiento
del problema, revisión bibliográfica y metodología. La fase final culmina en el
simulador donde prueba la metodología investigada.
Además, debe seleccionarse cuidadosamente el software simulador teniendo en
cuenta las características de un buen software simulador desde las perspectivas,
pedagógicas, técnicas, estéticas y entorno didáctico mediador de aprendizajes
significativos.
Para el anterior propósito, debe elegirse un instrumento apropiado para evaluar el
simulador educativo como mediador de aprendizajes significativos, la herramienta
evaluadora debe incluir elementos para verificar si el entorno didáctico del software
simulador es un material con significatividad lógica.
La significatividad lógica se refiere a que un instrumento evaluador debe evaluar si
la estructura de los contenidos es de lo más inclusivo a lo más particular (diferenciación
progresiva), pero sin perder el enfoque sobre los aspectos centrales (integración
conciliadora) y además su organización secuencial.
Son pocas las probabilidades de encontrar un simulador que cumpla todas las
características listadas por la herramienta de evaluación, lo ideal es un software que se
168
adapte al usuario y funcione en varios escenarios, según el contexto y estilo de
aprendizaje del usuario. En el caso de no ser así, debe implementarse medidas
complementarias externas, de ser posible.
Por otra parte debe considerarse las condiciones previas para iniciar un aprendizaje
significativo mediado por simulador, no solo desde la perspectiva de su evaluación, sino
disponer de las horas, esfuerzo necesario para tratar de elevar a cada alumno a la
condición de significancia sicológica adecuada.
En este aspecto, me refiero a los conocimientos previos pertinentes, claros y
estables requeridos como base para comprender (1) la nueva herramienta, (2) las fases
del método científico subyacente en todo simulador y (3) el nuevo conocimiento del
tópico en cuestión. La construcción por parte de los alumnos de mapas conceptuales
como herramienta organizadora de sus conocimientos previos es de mucha ayuda.
La significancia sicológica del alumno incluye su motivación y predisposición
para el nuevo aprendizaje. Los simuladores tienen la ventaja de constituirse en un
elemento motivador para el alumno, por lo que el profesor no requerirá de mucho
esfuerzo para motivar y predisponer a sus alumnos a aprender con sentido.
Considerar los factores que inciden en el aprendizaje significativo, se debe tener
pendiente que no siempre el clima social que aparentemente observamos en el aula es el
realmente percibido por los alumnos. Un estudiante que se aísla por sus percepciones no
disfrutará de las ventajas del trabajo colaborativo. En este punto, una buena medida es
sondear con un cuestionario tipo Likert las percepciones de los alumnos sobre el
ambiente que percibe, en forma anónima.
169
Otro factor de influencia son las percepciones que de sí mismo o de las tareas a
emprender tenga el alumno. Investigar el estado de su reflexión metacognitiva, mediante
cuestionario KPSI que evalúan varios aspectos.
Otra estrategia que se recomienda emplear, durante la fase de exploración del
software de simulación en el primer contacto del alumno, es el descubrimiento guiado
como método de adquisición del conocimiento.
En este sentido debe seleccionarse el instrumento e indicador apropiado. Los
resultados de esta investigación se inclinan a recomendar “el uso funcional y flexible de
los aprendizajes” como indicadores del desarrollo cognoscitivo.
Tener en cuenta que durante un proceso de evaluación en torno al aprendizaje
mediado por una herramienta tecnológica, se debe evitar la carga cognitiva que
acompaña usualmente al aprendizaje por descubrimiento, aun siendo guiado.
Si la complejidad de la herramienta tecnológica requiere la activación de varios
procesos mentales del alumno para su comprensión, entonces, previo a la evaluación
debe haber una fase de exploración de dicha herramienta, que se extienda hasta que el
alumno ascienda al nivel de experto en su uso.
En caso de evaluarse “ejecución de procesos de aprendizaje”, debe suministrarse al
alumno, ya en su fase de experto de la herramienta, el formulario elaborado como lista
de control de los procesos de aprendizajes elaborados por Njoo (1989; 1993; 1994) con
el propósito de ser completados directamente, no como una guía para realizar
anotaciones abiertas sobre sus operaciones en el simulador.
Se propone para trabajos futuros analizar la relación del rendimiento académico
del alumno con su desempeño en simuladores educativos complejos.
170
Finalmente, esta investigación demostró que las simulaciones son un recurso
excelente para complementar la enseñanza y realizan función propedéutica preparando
al alumno en las habilidades necesarias para los procedimientos en un contexto real. Una
importante limitación aprendida en esta experiencia: la estrategia diseñada para evaluar
procesos de aprendizajes deben considerar siempre el momento o fase en que se aplica
una herramienta de evaluación.
171
1Referencias
Actis, E. (2007). Un análisis de los condicionantes que facilitan el Aprendizaje Significativo. El caso de la enseñanza de Introducción a la Economía en la Facultad de Ciencias Económicas y Sociales. (Tesis inédita de maestría). Universidad Nacional de Mar de Plata, Buenos Aires, Argentina. Recuperado de http://nulan.mdp.edu.ar/1266/1/01172.pdf
Asan, A. (2007). Concept Mapping in Science Class: A Case Study of fifth grade students. Educational Technology & Society, 10 (1), 186-195. Recuperado de http://www.ifets.info/journals/10_1/17.pdf
Ausubel, D. (1976). Psicología Educativa: un punto de vista cognoscitivo. México: Trillas. (Ed. Orig.: 1968, Educational Psychology: A cognitive view, New York: Holt, Rinehart & Winston).
Ausubel, D., Novak , J., & Hanesian, H. ( 1978). Educational Psychology: A Cognitive View (2a ed.), New York: Holt, Rinehart and Winston
Ausubel, D. P., Novak, J. D., & Hanesian, H. (1983). Psicología Educativa: Un punto de vista cognitivo. México: Trillas.
Ausubel, D. (2000). La Adquisition and Retention of Knowledge: A Cognitive View. Dordrecht: Kluwer Academic.
Ausubel, D. (2002) . La Adquisición y Retención del conocimiento: Un Punto de Vista Cognocitivo. Barcelona: Paidós.
Ballester, A. (2002). El aprendizaje significativo en la práctica: Cómo hacer el aprendizaje significativo en el aula. Recuperado del sitio web aprendizaje significativo http://www.aprendizajesignificativo.es/libreriadigital/mats/El_aprendizaje_significativo_en_la_practica.pdf
Berlanga, A. y García, F. (2005). Authoring Tools for Adaptive Learning Designs in Computer-Based Education. In Proceedings of the 2005 Latin American conference on Human-computer interaction (CLIHC 2005). ACM, New York, NY, USA, 190-201. DOI=10.1145/1111360.1111380 Recovered from http://0-doi.acm.org.millenium.itesm.mx/10.1145/1111360.1111380
1 Utilizar preferentemente los navegadores FirefoxTM o ChromeTM para abrir los enlaces
172
Bernstein, M. (2002). Storyspace 1. In Proceedings of the thirteenth ACM conference on Hypertext and hypermedia (Hypertext '02), James Blustein (Ed.). ACM, New York, NY, USA, 172-181. doi=10.1145/513338.513383 Recovered from http://0-doi.acm.org.millenium.itesm.mx/10.1145/513338.513383
Cabero, J. (2007). Tecnología educativa: su evolución histórica y su conceptualización. España: McGraw-Hill.
Cámara, E. & Alzugaray, G. (2010) Trabajos Prácticos, Métodos de Simulación y Aprendizaje Significativo. En Virgili, J. M. & Cukierman, U. R. (Eds.). La Tecnología Educativa al Servicio De La Educación Tecnológica (pp. 493-526). Buenos Aires, Argentina: Edutecne. Recuperado de http://www.edutecne.utn.edu.ar/teset/tecnol_educativa_cukierman_virgili.pdf
Casadei, C.., Cuicas, M., Debel, E., & Alvarez, Z. (2008). La Simulación Como Herramienta de Aprendizaje en Física. Revista Electrónica Actualidades Investigativas en Educación, 8 (2), 1-27. Recuperado de http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=44713044007
Coll, C. (1988) Psicología y Curriculum. Barcelona: Laia. [Reeditado en Barcelona: Paidós, 1991]
Cova, A., Arrieta, X., Aular, J. (2008). Revisión de Modelos para Evaluación De Software Educativos. Revista Electrónica de Estudios Telemáticos, 7(1), 94-116. Recuperado de http://www.urbe.edu/publicaciones/telematica/indice/pdf-vol7-1/6-revision-de-modelos-para-evaluacion-software-educativos.pdf
De Jon, T. (1991). Learning and instruction with computer simulations. Education & Computing, 6 (3), 217 – 229. Recuperado de http://doc.utwente.nl/50414/1/K50414__.PDF
Díaz-Barriga, F., & Hernández, G. (2002). Estrategias docentes para un aprendizaje significativo. Una interpretación constructivista. (2a ed.). México: McGraw-Hill.
Dirección General de Presupuesto. Ley de Presupuesto General del Estado Año, 2012. Santo Domingo: República Dominicana. Publicaciones Dirección General de Presupuesto. Recuperado de http://www.digepres.gob.do/Publicaciones/LeyAnualdePresupuesto/tabid/78/Default.aspx
Eficacia. (s/f). En Diccionario en línea de la Real Academia de la Lengua Española (Vigésimo segunda edición). Obtenido de http://lema.rae.es/drae/?val=eficacia
Ericsson, KA & Simon, H.A (1984). Protocol Analysis: verbal reports as data. Cambridge: The MIT Press.
173
Flórez, N. (2006). Simulación por software de las curvas generadas en ventilación mecánica por control de presión. UMBral Científico, (9), 85-96. Recuperado de http://www.redalyc.uaemex.mx/pdf/304/30400910.pdf
Galvis, A. (1993). Evaluación de Materiales y Ambientes Educativos Computarizados. Informática Educativa (RIE), 6(1). 9-27. Recuperado de http://rie.uniandes.edu.co/Volumen6.aspx
García, F. (2002). Software Educativo. Evolución y Tendencia. Aula: Revista de Pedagogía de la Universidad de Salamanca, 14, (pp. 19-29). Recuperado de http://dialnet.unirioja.es/servlet/articulo?codigo=2259042&orden=235799&info=link
Giroux, S. y Tremblay, G. (2004). Metodología de las Ciencias Humanas. Ciudad de México, México: Fondo de Cultura Económica.
Glabán, S. E., & Ortega, C. F. (2004). Evaluación didáctica de software educativo. Revista Panamericana de pedagogía, 5, (pp.71-80). Obtenido de: http://bibliotecadigital.conevyt.org.mx/colecciones/documentos/somece2002/Grupo2/galbanlo.pdf
Gurdián, A. (2010). El paradigma cualitativo en la investigación socio-educativa. San José, Costa Rica: Editorial UCR
Guruceaga, A. y González, F. (2011). Un Módulo Instrucional para un Aprendizaje Significativo de la Energía. Enseñanza de las Ciencias, 29 (2). 175-190. Recuperado de http://ddd.uab.cat/uab/edlc/02124521v29n2p175.pdf
Hernández, R., Fernández, C. y Baptista, P. (2010). Metodología de la investigación (5ta Ed.). México: McGraw-Hill.
Hernández, R., Fernández, c., Y Baptista, P. (2010). Estudios de Caso [CD-ROM]. México: McGraw-Hill.
Ifenthaler, D., Masduki, I., & Seel, N. (2009).The mystery of cognitive structure and how we can detect it: tracking the development of cognitive structures over time. Instructional Science, 39 (1), 41-61. Recovered from http://www.springerlink.com/content/y62024472v394468/fulltext.pdf
Izaguirre, H. A. (2010). Sistemas de simulación computacional como estrategia cognitiva de aprendizaje. En J. M. Virgili & U. R. Cukierman (Eds.). [versión electrónica] La Tecnología Educativa al Servicio De La Educación Tecnológica (pp. 493-526). Buenos Aires, Argentina: Edutecne. Recuperado de http://www.edutecne.utn.edu.ar/teset/tecnol_educativa_cukierman_virgili.pdf
174
Johnson-Laird, P. (1980). Mental Models in Cognitive Science. Cognitive Science, 4 (pp.71-115). Recuperado de http://cognitrn.psych.indiana.edu/rgoldsto/cogsci/Johnson-Laird.pdf
Johnson, T. E., O’Connor, D. L., Spector, J. M., Ifenthaler, D., & Pirnay-Dummer, P. (2006). Comparative study of mental model research methods: Relationships among ACSMM, SMD, MITOCAR & DEEP methodologies. In A. J. Cañas & J. D. Novak (Eds.), Concept maps: Theory, methodology, technology. Proceedings of the Second International Conference on Concept Mapping, 1, (pp. 87–94). San José: Universidad de Costa Rica.
Jonassen, D.H., Beissner, K., & Yacci, M.A. (1993). Structural knowledge: Techniques for representing, conveying, and acquiring structural knowledge. Hillsdale, NJ: Lawrence Erlbaum.
Jonassen, D. H., Carr, C., & Yueh, H. P. (1998). Computers as mindtools for engaging learners in critical thinking. TechTrends, 43(2), 24-32.
Joolingen, W., & Jong de, T. (2003). SimQuest, authoring educational simulations. In: T. Murray, S. Blessing, S. Ainsworth (Eds). Authoring Tools for Advanced Technology Learning Environments: Toward cost-effective adaptive, interactive, and intelligent educational software (pp. 1-31). Dordrecht: Kluwer. Recovered from http://telearn.archives-ouvertes.fr/docs/00/19/06/76/PDF/SimQuest-VanJoolingenDeJong.pdf
Marchesi, A. y Martín, E. (1998). Calidad de la enseñanza en tiempos de cambio. Madrid: Alianza.
Marqués, P. (1996). Programas didácticos. Disponible en la Biblioteca Virtual de Tecnología Educativa: Universidad de Barcelona, en el sitio web: http://www.lmi.ub.es/te/any96/marques_software/
Marqués, P. (20 de agosto de 2004). Multimedia Educativo: Plantilla Para La Catalogación y Evaluación Multimedia. Disponible en el sitio web de Pere Marqués en: http://peremarques.pangea.org/evalua.htm
Marqués, P. (12 de enero de 2009). Entornos Formativos Multimedia: Elementos, Plantillas de Evaluación/Los programas didácticos. Disponible en el sitio web de Pere Marqués en: http://www.peremarques.net/calidad.htm
Marqués, P. (3 de agosto de 2010). Multimedia Educativo: Clasificación, Funciones, Ventajas, Diseño de Actividades. Obtenido de web Pérez Marqués en http://www.peremarques.net/funcion.htm
Merton, R., Fiske, M., Kendall, P. (1998) . The Focused Interview. A Manual of Problems and Procedure. Del Val, C. y Callejo, J. (traductores) [Versión
175
electrónica]. Empiria: revista de Metodología de las Ciencias Sociales. 1 (1), 215-227. Recuperado de http://dialnet.unirioja.es/servlet/fichero_articulo?codigo=199626&orden=0
Moreira, M. A. (1997a). Aprendizaje significativo: un concepto subyacente. En Moreira, M.A., Caballero, M.C. y Rodríguez, M.L. (Eds.). Actas del Encuentro Internacional sobre el Aprendizaje Significativo. (pp. 19-44), Burgos, España: Universidad de Burgos.
Muria, I. (1994). La Enseñanza de Las Estrategias de Aprendizaje y Las Habilidades Metacognitivas. Perfiles Educativos, 65, Universidad Nacional Autónoma de México, México D.C.
Museum Computer History, (s.f.). Timeline of Museum Computer. Consultado el 20 de febrero 2012. Recuperado de http://www.computerhistory.org/timeline/
Njoo, M., De Jong, T. (1989 septiembre ). Learning processes of students working with a computer simulation in mechanical engineering. Paper presented at the 3rd conf. for Research on Learning and Instruction EARLI. : University of Technology. Recovered from http://alexandria.tue.nl/repository/books/320170.pdf
Njoo, M., De Jong, T. (1993). Exploratory Learning with a computer simulation for
control Theory Learning Process and Instructional Support. Journal of Research in Science Teaching, 30(8), 821-844 Recovered from http://alexandria.tue.nl/repository/freearticles/622525.pdf
Njoo, M. (1994). Exploratory Learning with a computer simulation: learning processes and instructional support [Tesis doctoral inédita]. University of Technology, Eindhoven, Holanda. Recovered from http://alexandria.tue.nl/extra3/proefschrift/PRF9B/9400399.pdf
Novak, D. , Gowin, Bob (1988). Aprendiendo a Aprender. Barcelona: Martínez Roca
Novak, J. & Cañas, A. (2006). The Theory Underlying Concept Maps and How to Construct Them, (Technical Report IHMC CmapTools 2006-01). Florida: Institute for Human and Machine Cognition. disponible en: http://cmap.ihmc.us/Publications/ResearchPapers/TheoryUnderlyingConceptMaps.pdf
Novak, J. (2010). Learning, Creating, and Using Knowledge: Concept maps as facilitative tools in schools and corporations. Journal of e-Learning and Knowledge Society, 6 (3), 21 - 30. Recuperado de http://services.economia.unitn.it/ojs/index.php/Je-LKS_EN/article/view/441/433
OCDE (1989): Information Technologies in Education: The Quest for Quality Software, París, Organisation for the Economic Cooperation and Development
176
Palazio, G., Garrido, C., & Olazabalaga, I. (2008). Mindmapping en Local y Como Servicio Web. Revista de Innovación Educativa, 1, (pp. 73-78). Recuperado de http://dialnet.unirioja.es/servlet/articulo?codigo=2867105
Peppler, U., Fiske, E. (2000). Foro Mundial de Educación. Marco de Acción de Dakar de Educación para Todos: cumplir nuestros compromisos comunes. Dakar, Senegal, 26 -28 Abril 2000, (Informe final UNESCO No. ED.2000/WS/29 ). París. Recuperado de http://unesdoc.unesco.org/images/0012/001211/121117s.pdf
Pimienta, J. (2008). Evaluación de los Aprendizajes: Pearton Educación de México.
Pirnay-Dummer, P., Ifenthaler, D., & Spector, J. M. (2008). Highly integrated model assessment technology and tools. In D. G., Sampson., J. M., Spector, P., Isaias & D., Ifenthaler (Eds.), Proceedings of the IADIS international conference on cognition and exploratory learning in the digital age (pp. 18–28). Freiburg: IADIS.
Propedéutica. (s/f). En Diccionario en línea de la Real Academia de la Lengua Española (Vigésimo segunda edición). Obtenido de http://lema.rae.es/drae/?val=proped%C3%A9utica
Rosadilla, M., Bühl, V., Queirolo, M., Tissot, F., Gómez, V., Labandera, F. (2007). Material multimedia interactivo para curso de laboratorio de química analítica. Revista de Educación en Ciencias, 8 (1), 38-41. Recuperado de www.accefyn.org.co/rec/source/rec2818ref.htm
Ruiz, J. (1999). La Simulación Como Instrumento de Aprendizaje. En M. Ortega, J. Bravo (Eds). Informática y educación en el siglo XXI: Congreso Nacional de Informática Educativa (CONIED '99) (pp. 1-19). Puertollano, España: ADIE
Sánchez, M. (2002). La investigación sobre el desarrollo y la enseñanza de las habilidades de pensamiento. Revista Electrónica de Investigación Educativa, 4 (1). Recuperado de http://redie.uabc.mx/vol4no1/contenido-amestoy.html
Sánchez, A., Sierra, J., Martínez, S., Perales, F. (2005). El aprendizaje de la física en el Bachillerato: Investigación con simuladores informáticos vs. Aula tradicional. Revista Enseñanza de las ciencias. pp. 1-14. Recuperado de http://ddd.uab.cat/pub/edlc/edlc_a2005nEXTRA/edlc_a2005nEXTRAp253aprfis.pdf
Sierra, J. (2004). Inteleccion-PIN-114/02. Proyecto De Innovación Educativa. Memoria Final (No. código 00120091001601). Recuperado de www.doredin.mec.es/documentos/00120091001601.pdf
177
Squieres, D. y McDougall, A., 1997. Cómo elegir y utilizar software educativo, Madrid, Ediciones Morata S. L.
Sonda, P. (2010). Aplicación de una estrategia de Enseñanza Apoyada con Simuladores para un Mejor Entendimiento Conceptual de la Física. [Tesis inédita de maestría]. Tecnológico de Monterrey. Universidad Virtual, México
Taylor, N. (1983). Metacognitive ability: A curriculum priority. Reading Psychology: An International Quarterly, 4, (269-278).
UASD (s.f.). Nómina Agosto 2012. Consultado el 12 de julio 2012. Recuperado de http://www.uasd.edu.do/html/Transparencias/transparencia_nominas.htm
Underdahl, B., Nyquist, J. R. & Martin, R. (2004). Macromedia Director MX 2004 bible. Hoboken, NJ: Wiley Publishing.
UNESCO (1998). Conferencia Mundial Sobre la Educación Superior. La educación superior en el siglo XXI. UNESCO. París 5 –9 de octubre de 1998 (Informe Unesco No. ED.98/CONF.202/CLD.49). París. Recuperado de http://unesdoc.unesco.org/images/0011/001163/116345s.pdf
UNESCO (2006). Informe Sobre La Educación Superior En América Latina y El Caribe. 2000-2005. La metamorfosis de la Educación Superior, 2009. Caracas: Venezuela , IESALC.
Valverde, J. (2005). Software libre, alternativa tecnológica para la educación. Revista Electrónica Actualidades Investigativas en Educación, 5 (2). Recuperado de http://revista.inie.ucr.ac.cr/uploads/tx_magazine/sof.pdf
Yin. R. (2004). Case Study Research. Design and methods. (3ra Ed.). London: Sage Publications.
178
Apéndice A: Modelo carta consentimiento
Santo Domingo, República Dominicana, 23 Febrero, 2012
Solicitud de Autorización para Proyecto de Investigación
Por medio de la presente quiero pedirle autorización para que un segmento de la población
estudiantil de la carrera de Química que imparte esta institución, Universidad autónoma de Santo
Domingo, participe en un estudio que estoy realizando sobre Software de Simulación en Entorno
Didáctico que Propicia la Significatividad del Aprendizaje Logrado por los Alumnos en Ambiente
de Educación Superior y Presencial. Soy estudiante de la Escuela de Graduados en Educación del
Tecnológico de Monterrey Este estudio está siendo realizado con el respaldo de las autoridades de la
Escuela de Graduados en Educación como proyecto de Tesis para obtener el grado de Maestría en
Tecnología Educativa.
El estudio busca establecer la eficacia de un recurso didáctico, software educativo de simulación,
a partir de la significatividad de los aprendizajes generados en alumnos que lo utilizan en ambientes de
educación superior y presencial Para la realización del mismo se llevaran a cabo entrevistas a
profundidad, grupos de enfoque, observaciones estructuradas y análisis de los Informes generados por los
alumnos, antes, durante y después de la experiencia con el recurso educativo. El contexto especifico es el
curso de Química Analítica Instrumental del presente semestre Todas las actividades serán realizadas
dentro de la docencia que la investigadora imparte a dicho curso
Si decide aprobar esta solicitud le estaré muy agradecido Toda información obtenida será
estrictamente confidencial Se guardará y respaldará la información de tal manera que yo sea la única
persona que maneje la información que me está siendo otorgada gracias a su autorización Los resultados
de este estudio serán utilizados únicamente para fines académicos y estarán a disposición de las
autoridades universitarias Si tiene alguna pregunta, me puede contactar por teléfono o por correo
electrónico Podrá localizarme en el teléfono 809-598-8741 o me puede escribir a [email protected].
En caso necesario, podrá localizar a la asesora y tutora la Mtra. Alix Cecilia Chinchilla Rueda Su correo
es asped_eduvirtual1@gmailcom o a la titular, la Dra. María Rosalía Garza Guzmán, cuyo correo es
mrgarza@tecvirtual mx
Atentamente,
Carmen Lidia Medina
Cuenta de correo [email protected]. / Telef: [809-598-8741]
.Apellido Paterno Apellido Materno Nombre(s) Puesto Firma de Rodríguez Martínez Silvio Director
Escuela Química
179
Santo Domingo, Rep. Dominicana, Febrero, 18, 2012
Carta de consentimiento Participación proyecto de tesis
Planteamiento del proyecto investigación anexado
Por medio de la presente quiero invitarle a participar como parte del grupo de
estudiantes que participarán dentro de la fase experiencia de instrucción y colección de datos de
un proyecto académico de investigación sobre Significatividad de los aprendizajes generados en
alumnos que utilizan software educativo de simulación como recurso didáctico en ambientes
de educación superior y presencial. Planteamiento del problema anexado. Dicho estudio está
siendo desarrollado por quien suscribe, estudiante de la Maestría en Educación de la Escuela de
Graduados en Educación del Tecnológico de Monterrey. Este estudio está siendo realizado como
parte de las actividades de la asignatura proyecto I, con el respaldo de las autoridades de la
Escuela de Graduados en Educación.
Se espera que usted nos pueda dar su cooperación durante los tres meses que tomarán la
aplicación de la experiencia instruccional a desarrollarse en la Universidad Autónoma de Santo
Domingo, dentro de la docencia de la asignatura Química Analítica V (QUI-345), de la cual
usted forma parte. Asignatura impartida por quien suscribe, investigador tesista.
Si decide aceptar esta invitación le estaré muy agradecido. Toda información obtenida
será estrictamente confidencial. Se guardará y respaldará la información de tal manera que solo
yo seamos las únicas personas que manejemos la información que me está siendo otorgada
gracias a su autorización. Los resultados de estos trabajos serán utilizados únicamente para fines
académicos. Si tiene alguna pregunta, me puede contactar directamente en el aula o por correo
electrónico [email protected].
Recuerde que podrá cancelar su participación en cualquier momento que lo desee, aun
cuando haya firmado esta carta. Muchas gracias por su atención.
Atentamente, Carmen Lidia Medina
< El espacio de más abajo se completa con los datos del docente entrevistado. . Firma manuscrita>
Apellido Paterno Apellido Materno Nombre(s) Puesto Firma de Aceptación
180
Apéndice B: Instrumentos evaluación de indicadores.
Tabla 11 LC-7.1 Lista de control de estrategias cognitivas en simulación (Njoo y Jong, 1994, p. 61)
INTRUMENTO LC-7.1 Lista de control
Autor/ Referencia Njoo Y Jong (1994, p. 61). Adaptado por tesista.
Código asignado en esta tesis LC-7.1
Indicador evaluado Ejecución de procesos de aprendizajes
Variable/constructo evaluado Aprendizaje Significativo (del alumno)
Contexto de la evaluación
Durante la utilización del Virtual Espectrómetro de Masas con el objetivo de ejecutar el pequeño proyecto de investigación planteado por el estudiante en torno a la cafeína en café utilizando espectrometría de masas.
Fase y actividad del proyecto donde se implementa la evaluación
Fase 2: Valoración del desempeño del alumno durante la ejecución de su metodología en el software simulador. Actividad No. 7
Fuente de datos (proceso// producto// procedimiento// recurso)
Procedimiento ejecutado por el alumno frente al simulador
Tipo de conocimiento a lograr Procedimental y conceptual
Tipo de valoración Cualitativa con asignación de puntaje. Cuenta el No. de procesos del método científico que el aprendiz ejecuta
Nivel de la medición
Datos cualitativos expresados numéricamente, Conteo de las tareas realizadas en una categoría de procesos, durante la simulación, expresado como % con respecto al total de procesos.
Evaluador Investigador tesista
ETAPA PREVIA AL SIMULADOR // DURANTE // ETAPA POSTERIOR AL SIMULADOR INSTRUCCIONES DE APLICACIÓN: El observador coloca una (SI) en la cuarta columna cuando observa que el alumno cumple el criterio enunciado en la tercera columna (Definición de la tarea llevada a cabo en la simulación). Deja la casilla en blanco si no lo cumple y N/A si el criterio no aplica. CRITERIO DE VALORACIÓN: Se cuentan el número de (SI) para cada categoría de procesos. EXPRESIÓN VALORACIÓN: [(No. procesos realizados por el alumno en una categoría/total procesos)* (100)] representa el porcentaje de procesos realizados por el alumno para cada categoría de procesos.
181
Tabla 11 (Continuación) LC-7.1 Lista de control procesos mentales en simulación (Noo y Jong, 1994, p. 61) .ALUMNO: FECHA:
Procesos Definición de la tarea Comentarios en torno a sus acciones gestualidad y anotaciones
SI/NO
Categoría: PROCESOS TRANSFORMADORES Análisis 1 Buscando y/o
encontrando información.
Buscar en libros de texto, material adicional, preguntando a profesor, etc.
.
2 Exploración del modelo (simulador) Identificando
Identificar las variables, parámetros del modelo.
3 Explorando por Relaciones cualitativa
Identificar la existencia de relaciones entre parámetros del modelo por medio de expresiones cualitativas
4 Explorando por Relaciones cuantitativa
Identificar la existencia de relaciones entre parámetros del modelo por medio de expresiones matemáticas
N/A
Generación de hipótesis 5 Generación de hipótesis proponer la manera en que influye
un parámetro sobre la salida del cromatograma o espectro.
Pruebas 6 Diseñando un
experimento planear los cambios que optimizan el modelo para lograr la meta fijada
7 Predicción cualitativa predecir la calidad requerida del resultado en forma cualitativa a partir de los valores asignados a los parámetros.
8 Predicción cuantitativa predecir la calidad requerida del resultado mediante expresión matemática a partir de los valores asignados a los parámetros
N/A
9 Manipulación de variables / parámetros internos
cambiar valores a parámetros que definen la salida del cromatograma y del espectro.
10 Manipulación de parámetros externos
Manejar, controlar o cambiar los valores de los parámetros externos , los cuales representan la relación con el ambiente
N/A
182
Tabla 11 LC-7.1 Lista de control de estrategias cognitivas en simulación (Njoo y Jong, 1994, p. 61)
INTRUMENTO LC-7.1 Lista de control11 Interpretación local de la
salida de datos Describir las características de los datos de salida en forma absoluta. Identifica el pico solvente // cafeína
12 Interpretación conceptual de la salida
Calificar las características de los datos de salida comparándolos con la teoría o estándares..
13 procesos de soporte para interpretación
Cambiar parámetros de la salida para mejorar la interpretación .
Evaluación 14 Evaluando / Juzgando
15 Generalizando
CATEGORÍA: PROCESOS REGULADORES 16 Planificando
17 Verificando
18 Monitoreando
OPERACIONES EN EL SIMULADOR 19 Operaciones de
Espectrómetro Virtual
20 Calculando N/A
21 Tomando notas
22 Fuera de la tarea
183
Tabla 12 Evaluación informes trabajo con simulador (espectrómetro virtual GC-MS. Rúbrica con estimación numérica RU-8.2 Instrumento Rúbrica con estimación numérica
Autor/ referencia Teoría y procedimientos en GC-M. Además informaciones relativas al caso específico de cafeína en café, suministrada por los desarrolladores del proyecto del espectrómetro virtual en Carnegie Mellon University and University of Pittsburgh http://svmsl.chem.cmu.edu/vmsl/Caffeine/Caffeine.htm
Código asignado en esta tesis RU-8.2
Indicadores evaluados Funcionalidad de los aprendizajes
Variable/constructo evaluado Aprendizaje significativoContexto de la evaluación Trabajo en el Virtual Espectrómetro de Masas
Fase y actividad del proyecto donde se implementa la evaluación
Fase 1. Valoración del informe del alumno sobre la ejecución de su metodología en el software simulador. (Identificación de la cafeína en el espectro de masas) Actividad No. 8
Fuente de datos (Proceso// Producto// procedimiento// Recurso)
Producto del alumno (Informe)
Tipo de conocimiento a lograr Conceptual y procedimental
Tipo de valoración Cualitativa Evaluador El investigador tesista
Etapa previa al simulador // durante / / etapa posterior al simulador
Instrucciones de aplicación: El investigador marca con una X la casilla donde exista correspondencia entre el informe y uno de los criterios de la rúbrica. Cada nivel de criterio tiene un puntaje asignado. Criterio de valoración: 6= uso funcional ; 4 = uso funcional parcial; 2 = uso funcional deficiente ; 0 = No entrega Expresión valoración: Asignaci.on de puntaje numérico |………|………|………|………| 2 4 6 uso funcional Deficiente parcial uso funcional aprendizaje
184
Tabla 12 (continuación) Evaluación informes trabajo con simulador (espectrómetro virtual GC-MS) Rúbrica con estimación numérica RU-8.2 6 = uso funcional
(aprendizaje) 4 = uso funcional parcial 2 = uso funcional deficiente
Fija y escribe los parámetros de adquisición del MS para el solvente y para la cafeína.
Rango de masa para solvente hasta 200, para la cafeína hasta 400
Tiempo adquisición optimo 2 a 4 min (rango masa >=400)
Obtiene el cromatograma enfocado al pico cafeína (empleó correctamente TIC)
Obtiene el espectro de masas con el pico de la cafeína
Obtiene el espectro de masas con el pico de la cafeína logrado por el enfoque en el GC
Fija los Parámetros de adquisición del MS para el solvente y para la cafeína, omite adicionar uno de ellos al reporte.
Rango de masa para solvente mayor de 200, para la cafeína hasta 400// 200 // 500
Usa Tiempo adquisición pequeño (2 min) para rango masas grande.
Obtiene el cromatograma que incluye el pico de la cafeína\ (empleó correcto TIC)
Obtiene el espectro de masas con el pico de la cafeína
Fija los Parámetros de adquisición del MS para el solvente y para la cafeína, omite adicionar uno de ellos al reporte.
Rango de masa para solvente mayor de 200, para la cafeína hasta 400// 200 // 500
Usa Tiempo adquisición pequeño (2 min) para rango masas grande..
Obtiene el cromatograma con muchos picos (empleó incorrecto TIC)
No obtiene el pico de la cafeína en el espectro de masas . (no usó correcto TIC y/o enfoque en cromatograma previo.
185
Tabla 13 Flexibilidad o transferencia de los aprendizajes. Lista de Control LC-7.1 INSTRUMENTO Lista de control con puntaje asignado
AUTOR/ REFERENCIA
CODIGO ASIGNADO EN ESTA TESIS FO-10.1
INDICADOR EVALÚADO Flexibilidad de los aprendizajes
VARIABLE/CONSTRUCTO EVALUADO Aprendizaje Significativo (del alumno)
CONTEXTO DE LA EVALUACIÓN En el contexto real del laboratorio, durante la visita al laboratorio de espectrometría de masas.
FASE Y ACTIVIDAD DEL PROYECTO DONDE SE IMPLEMENTA LA EVALUACIÓN
Fase 3: Después de la utilización el espectrómetro virtual. Actividad
FUENTE DE DATOS (Proceso// Producto// procedimiento// Recurso)
El alumno, sus expresiones, acciones.
TIPO DE CONOCIMIENTO A LOGRAR Procedimental y conceptual
TIPO DE VALORACIÓN Asignación de puntaje a los procesos evidenciados
EVALUADOR Investigador tesista
ETAPA PREVIA AL SIMULADOR // DURANTE // ETAPA POSTERIOR AL SIMULADOR INSTRUCCIONES DE APLICACIÓN: El observador coloca una (X) en la segunda columna (SI) cuando observa que el alumno cumple el criterio enunciado en la primera columna (Definición del proceso). Deja la casilla en blanco si no lo cumple. A cada casilla le corresponde un valor. EXPRESIÓN VALORACIÓN: Se asigna el mayor valor de las casillas marcadas con X
En la casilla 3 se fundamenta la observación de la evidencia.
186
Tabla 13 (continuación) Flexibilidad o transferencia de aprendizajes. Lista Control LC-7.1 Procesos mentales involucrados en la transferencia
Marcar con una X
Comentarios (Evidencias procesos mentales
Generar preguntas y pedir aclaraciones. Uso flexible correcto = 2 Hacer inferencias. Uso flexible excelente = 6 Elaborar ejemplos, contraejemplos, analogías, comparaciones, etc. Uso flexible muy bueno = 4
Monitorear el avance / logro de objetivos. (solo es evidenciable por actitudes) Identificar relaciones y modelos incluidos en la simulación Uso flexible excelente = 6
Actitud: Activos, interesados, en atención, críticos (solo es evidenciable por actitudes)
187
Tabla 14 Índice SMD . Evaluación de mapas conceptuales. (Ifenthaler, 2009).
Instrumento SMD tecnología (Ifenthaler, 2009)
Autor/ referencia Ifenthaler , (2009)
Código asignado en esta tesis SMD-5.1, SMD-8.1
Indicadores evaluados Amplitud (cantidad relaciones) y complejidad (calidad de las relaciones) en esquemas mentales.
Variable/constructo evaluado Aprendizaje significativo
Contexto de la evaluación En el aula fases previa y posterior a la utilización del Virtual Espectrómetro de Masas
Fase y actividad del proyecto donde se implementa la evaluación
Fase 1: Construcción del nuevo conocimiento en espectrometría de masas de tipo declarativo y procedimentales, previo al simulador Fase 3: Valoración de la significatividad en los conocimientos procedimentales después del simulador Actividad (MC-5.1) y No. 8 (MC-8.1)
Fuente de datos (Proceso// Producto// procedimiento// Recurso)
Producto del alumno (mapas conceptuales)
Tipo de conocimiento a lograr Conceptual y procedimental
Nivel de medición Variables cualitativas, codificadas numéricamente.
Evaluador El investigador tesista
Etapa previa al simulador // durante / / etapa posterior al simulador
Instrucciones de aplicación: Utilizando la tabla de análisis de la estructura cognitiva desarrollada por Ifenthaler se
contabilizan la presencia de los parámetros cognitivos en un mapa conceptual.
Expresión valoración: se determina tres valores numéricos para la estructura cognitiva. Se le llama SMD (Superface, Matching, deep structure) SMD se utiliza como parámetro de comparación, para evaluar el desarrollo cognoscitivo de un mismo sujeto. No debe ser utiizado en forma absoluta.
Estructura Superficie Estructura gráfica Coincidencias de conceptos
Estructura superficie (S)
(Surface structure)
No. proposiciones completas
Estructura gráfica (D)
(Graphical Structure)
Diámetro del árbol de expansión
Coincidencias conceptos (M) (Vertex Matching/ Deep Structure) semántica similitud entre los conceptos del mapa y un modelo de referencia. (nivel experto)
Casos MC
Antes del simulador
MC después del simulador
MC Antes del simulador
MC después del simulador
MC Antes del simulador
MC después del simulador
188
Tabla 15 Índice Novak Gowin (1998) Evaluación mapa conceptual. Lista control con estimación numérica.
Instrumento Lista control evaluación MC, con estimación numérica Cuantifican el progreso en la construcción de los aprendizajes. Es usada en forma intraalumno, jamás para comparar un alumno con otro.
Autor/ referencia Novak y Gowin (1988)
Código asignado en esta tesis LC_Novak_Gowin_1998_MC
Indicadores evaluados Amplitud (cantidad relaciones) y complejidad (calidad de las relaciones) en los aprendizajes
Variable/constructo evaluado Aprendizaje significativo
Contexto de la evaluación En el aula antes y después de la utilización del Virtual Espectrómetro de Masas
Fase y actividad del proyecto donde se implementa la evaluación
Fase 1: Construcción del nuevo conocimiento en espectrometría de masas de tipo declarativo y procedimentales, por descubrimiento guiado, previo al simulador Fase 3: Valoración de la significatividad en los conocimientos procedimentales sobre espectrometría de masas, posterior al uso de un software de simulación como recurso educativo de la instrucción. Actividad No. 2 (MC-2.1), 5 (MC-5.1) y No. 8 (MC-8.1
Fuente de datos (Proceso// Producto// procedimiento// Recurso) Producto del alumno (mapas conceptuales)
Nivel de medición Frecuencia en que aparecen las variables cualitativa nominales.
Propósito de la medición Evaluar la amplitud y complejidad de los esquemas mentales desarrollados en el mapa conceptual elaborado por el alumno.
Evaluador Investigador tesista
Etapa previa al simulador // durante / / etapa posterior al simulador
189
Tabla 15 (Continuación). Índice Novak Gowin (1998) Evaluación mapa conceptual. Lista control con estimación numérica.
Instrumento Lista control evaluación mc, con estimación numérica Cuantifican el progreso en la construcción de los aprendizajes. Es usada en forma intraalumno, jamás para comparar un alumno con otro.
EXPRESIÓN VALORACIÓN: Indice Gowin = ∑ ( 1x No. enlaces + 5 x No. niveles jerárquicos + 10 x No. enlaces cruzados + 1 x No. ejemplos) Indicadores en el mapa conceptual
Criterio de validez Contar las veces que se presenta el
criterio en el mapa
Comentariosu observaciones
Puntuación relativa
Relaciones entre conceptos
Validez y Precisión semántica: Relaciones entre conceptos en el mapa válidas y precisas por el grado de correspondencia entre el significado que expresa el enlace y el significado aceptado “por una amplia comunidad de expertos”, representada por autores de reconocida trayectoria.
1*(No. relaciones)
Niveles jerárquico
Niveles de inclusividad, jerarquizados en función de una temática o concepto nuclear.
(Diferenciación progresiva)
5*(No. niveles de la jerarquía)
Relaciones cruzadas
Relaciones entre distintas partes del mapa.
(Reconciliación integradora
10 * (relaciones cruzadas)
Ejemplos Se aplican iguales criterios que en las relaciones.
1* (No. ejemplos)
190
Tabla 16 Instrumento: entrevista focalizada En-11.1
Autor/ referencia Elaboración propia (Lineamientos generales en
Gurdián, 2007; Merton, Fiske, & Kendall, 1998) Código asignado en esta tesis En-11.1Indicador evaluado Transferencia de los aprendizajes
Objetivo de la investigación (orienta el objetivo de de la entrevistas) Objetivos de la entrevista enfocada (orienta los temas a tratar en la guía de entrevista)
Identificar las características de significancia en los aprendizajes generados en alumnos de un curso de Química Analítica instrumental cuando utilizan software educativo de simulación como recurso didáctico en ambientes de educación superior y presencial Identificar las percepciones y atribuciones que tienen los alumnos sobre su proceso personal de transferencia de los conocimientos adquiridos en el simulador dirigidos a una experiencia real.
Temas de enfoque (orienta los tópicos en la elaboración de la guía)
Actitud, motivaciones, metacognición y autorregulación.
Tópicos de enfoque (orienta las preguntas de la guía de entrevista)
Percepciones del alumno sobre: Los reales beneficios de la simulación previa a la experiencia real; beneficios de utilizar el simulador como un proyecto de investigación; nivel de entusiasmo por la compresión lograda en la experiencia real, nivel de auto eficacia luego de la experiencia, nivel de expectativa al éxito o fracaso al emprender una tarea por si
l N tContexto de la evaluación
En el aula, después de asistir a una experiencia real de espectrometría de masas.
Fase y actividad del proyecto donde se implementa la evaluación
Fase 3 ( Recoger las impresiones, actitudes, reflexiones de la propia voz de los alumnos, en torno a la experiencia de la estrategia de instrucción implementada). Actividad No. 11
Fuente de datos (Proceso// Producto// procedimiento// Recurso) El alumno
Nivel de medición
Cualitativa por análisis de los datos, tal como fueron escuchados, grabados en video y transcriptos. Se utiliza el software Atlas.ti para la codificación .
Evaluador El investigador tesista Etapa previa al simulador // durante // etapa posterior al simulador Instrucciones de Aplicación: Se utiliza la guia de entrevista debajo. Se siguen las instrucciones de Gurdián (2007, p. 203). Criterio de Valoración: No existen criterios de valoración, no se pretende comparar con estereotipos o categorías existente
191
Tabla 16 Instrumento: entrevista focalizada En-11.1 EXPRESIÓN VALORACIÓN: Categorias inducidas a partir del análisis de los datos emergentes durante la entrevista. Los datos
de cada entrevista son transcriptos de la grabación a un documento, cada entrevista es un documento. Posteriormente se utilizará el software Atlas.tiTM como apoyo a la codificación y análisis de dichos datos (Cap. 4).
Instrumento: Entrevista Focalizada Guía De Entrevista
1. ¿Cómo te imaginas que hubiese sido tu comprensión del procedimiento que acabas de observar en espectrometría de masas sin haber previamente experimentado en un simulador?
2. ¿Que tanto se aproximó la experiencia en el simulador a lo que viste en la experiencia real? ¿Sentiste que la diferencia es “del cielo a la tierra”?
3. ¿Sentiste en algún momento que podías mentalmente saber por adelantado los pasos en el procedimiento que observabas?
4. ¿Sabías el porqué de cada paso en el procedimiento operado por el analista? 5. ¿Cuántas operaciones observaste sin poder explicarte su función? 6. ¿Sientes que algo quedó inconcluso? ¿Podrías definirlo? 7. ¿Aprendiste algo nuevo? ¿Qué? 8. ¿Sientes que tus conocimientos conceptuales no se incrementaron con ninguna de
las dos experiencias? 9. ¿Sientes una gran diferencia en tu nivel de comprensión sobre las operaciones en
un espectrómetro de masas comparando la experiencia virtual y real? 10. ¿Crees que aportó a tu comprensión del procedimiento real el hecho de haber
emprendido la experiencia del simulador como un pequeño proyecto de investigación. Recomiendas eliminar esta parte e introducir directamente el simulador?
11. ¿Tienes otra recomendación sobre la manera en que se condujo la instrucción de la espectrometría de masas mediada por el simulador?
192
Tabla 17 Mediciones para analizar los mapas conceptuales (Ifenthaler et al, 2009, p. 46) Measure Operationalization Computation Surface structure
The overall number of propositions (node-link-node) is an indicator for the development of a cognitive structure
Computed as the sum of all propositions (node-link-node) of a cognitive structure. Defined as a value between 0 (no proposition) and N (N propositions of the cognitive structure)
Graphical structure
The complexity of a cognitive structure indicates how broad the understanding of the undelying subject matter is
Computed as the quantity of edges of the nodes (diameter) of the spanning tree of a cognitive structure. Defined as a value between 0 (no edges) and N
Connectedness A connected cognitive structure indicates a deeper understanding of the underlying subject matter
Computed as the possibility to reach every vertex from every other vertex in the cognitive structure. Defined as a value between 0 (not connected) and 1 (connected)
Ruggedness Non-linked vertices of a cognitive structure point to a lesser understanding of the phenomenon in question
Computed as the sum of subgraphs which are independent or not linked. Defined as a value between 1 (all vertices are linked) and N
Average degree of vertices
As the number of incoming and outgoing edges grows, the complexity of the cognitive structure is taken as more complex
Computed as the average degree of all incoming and outgoing edges of the cognitive structure. Defined as a value between o and N
Cyclic A non-cyclic cognitive structure is condidered less sophisticated
A cyclic cognitive structure contains a path returning back to the start vertex of the starting edges. Defined as a vlue between 0 (no cycles) and 1 (is cyclic)
Number of cycles
A cognitive structure with many cycles is an indicator for a close association of the vertices and edges used
Computed as the sum of all cycles within a cognitive structure. Defined as a value between 0 (no cycles) and N
Vertices A simple indicator for the size of the underlying cognitive structure
Computed as the sum of all vertices within a cognitive structure. Defined as a value between 0 (no vertices) and N
193
Tabla 18 Mediciones para analizar contenido semántico en los MC (Ifenthaler et al, 2009, p. 47 Measure Operationalization Computation Vertex matching
The use of semantically correct concepts (vertices) is a general indicator of an accurate understanding of the given subject domain
Computed as the sum of vertices of a cognitive structure which are semantically similar to a domain specific reference cognitive structure (e.g., expert structure). Defined as a value between 0 (no semantic similar vertices) and N
Propositional matching
The use of semantically correct propositions (vertex-edge-vertex) indicates a correct and deeper understanging of the given subject domain
Calculated as the semantic similarity of a cognitive structure and a domain specific reference cognitive structure. Defined as a value between 0 (no similarity) and 1 (complete similarity)
Tabla 19 Enunciados de la teoría Gráfica (Bonato, 1990, citado en Ifenthaler et al, 2009, p. 45)
1. A graph G(V,E) is composed of vertices V and edges E. if the relationship between vertices V is directional, a graph is called a directed graph or digraph D. A graph which contains no directions is called an undirected graph.
2. The position of vertices V and edges E on a graph G are examined with regard to their proximity to one another. Two vertices x, y of G are adjacent if they are joined by an edge e. Two edges e ≠ f are adjacent if they have a common end or vertex x.
3. A path P is a graph G where the vertices xi are all distinct. The length of a path P is calculated by the number of its edges ej . The vertices x0 and xk are called the ends of the path P.
4. A graph G is indexed when single vertices V and edges E are distinguished by their names or content.
5. Every connected graph G contains a spanning tree. A spanning tree is acyclic and includes all vertices of G. Spannning trees can be used for numerous descriptions and calculations concerning the structure of a graph.
194
195
Apéndice C: Trabajos previos:
Previo al inicio del desarrollo de la investigación, se realizaron trabajos para
establecer las condiciones previas al aprendizaje significativo, es decir se evaluaron los
indicadores de significancia lógica del software simulador y de significancia sicológica
del aprendiz, con el fin de implementar medidas correctoras en los casos necesarios.
En este apéndice se muestran los resultados de la evaluación del software,
evaluaciones del estado de la significancia sicológica del alumno (predisposición y
conocimientos previos). También se ofrecen los resultados de los factores que influyen
en el aprendizaje significativo (motivación, percepción del ambiente en el aula y
reflexión metacognitiva). Finalmente se incluyen los instrumentos utilizados en las
mediciones. La tabla 20 presenta un resumen de las evaluaciones en la fase previa.
Evaluación de la significancia lógica del material a aprender
En la tabla 21 se muestran los resultados de la evaluación de la significancia lógica
del espectrómetro virtual de las universidades de Carnegie Mellon y Pittsburgh, fue
evaluado utilizando los datos recolectados por una lista de control, instrumento LC-
1.1. La evaluación comprendió aspectos técnicos y pedagógicos del software; fue
realizada por la investigadora tesista previo a su implementación en el proyecto. Su
propósito era establecer la potencialidad del software y su entorno didáctico para
propiciar aprendizajes significativos.
El instrumento LC-1.1 fue elaborada originalmente por Bostock (1998), adaptada
por Cova y Arrieta (2008) y reajustada para este proyecto por la investigadora tesista.
196
Tabla 20 Resumen de la fase previa a la investigación.
FASES INDICADORES INSTRUMENTOS PROPÓSITO APLICACIÓN
Revisión y ajustes a las condiciones previas para el aprendizaje significativo Productos entregados Tres cuestionarios completados por cada uno de los alumnos Una lista de control completada por la tesista, evaluación al espectrómetro virtual (simulador) Hojas con las observaciones estructuradas para cada alumno
Significancia lógica o potencial del nuevo material. Responde a las preguntas: Relacionabilidad no arbitraria y sustancial estructura y organización progresiva e integradora
Lista de control LC-1.1 El Modelo de evaluación empleado corresponde a Bostock (1998). Adaptado por Cova y Arrieta (2008). Adaptado al contexto por tesista
El aprendizaje significativo solo es posible cuando se tienen las condiciones que lo propician. Según los postulados de Ausubel (2002) “los materiales mediadores de la instrucción deben ser evaluados para comprobar si tienen significancia lógica o potencial significativo, mientras que el aprendiz debe tener el nivel de significancia sicológica necesaria para atribuir significados al nuevo material. El rol del profesor es monitorear y propiciar estas condiciones”.
El instrumento fue aplicado por la tesista al espectrómetro virtual de las universidades de Carnegie Mellon y Pittsburgh
Significancia sicológica del alumno. Responde a las preguntas: Actitud hacia el aprendizaje significativo Estado de los esquemas mentales previos
Escala Ex – Profeso E-1.2 Predisposición a aprender significativamente
los instrumento E-1.2 y LC-1.2 son cuestionarios aplicados a los alumnos
Lista de control LC-1.2 Estado de los conocimientos previos en torno a la teoría en espectrometría de masas y la metodología de la investigación
Estado de la motivación
Lista de control observación FO-1.1 (estructurada) y Bitácora de observación
Conocer el estado otros factores internos al alumno que influyen en el conocimiento significativo.
El instrumento FO-1.1 fue aplicado por la tesista enfocado a los alumnos
Estado de la reflexión metacognitiva
Cuestionario KPSI C-1.1 cuestionarios C-1.1 y E-1.2 fueron aplicados a los alumnos
Percepción ambiente social aula
Cuestionario Likert E-1.2
197
Tabla 21 Valores de los Indicadores de calidad técnica y pedagógica del software simulador.Instrumento: LC-1.1. Valoración por parte de la investigadora tesista. Fuente de datos: tabla 33. Modelo de evaluación: Bostock (1998). Adaptado por Cova y Arrieta (2008). Ajustada al contexto del proyecto actual.
Total preguntas válidas
CARACTERÍSTICA / INDICADOR
Total respuestas
afirmativas ( Sí)
% Comentarios adicionales
ASPECTOS TECNICOS = 28/33 = 85 %
2
Equipos necesarios y materiales de apoyo del Software
2
100 %
Es un software en línea. Requiere estar conectado al internet. El idioma del programa es el inglés. El programa no tiene una apariencia impactante. Su interface gráfica no simula visualmente los módulos del equipo real. Su apariencia es de una sencilla página web. En su parte inferior suceden los cambios de pantalla. No hay sonido para captar la atención. Sin embargo utiliza pantallas emergentes cuando el operador introduce parámetros inadecuados.El usuario no recibe una retro que le indique cuando son satisfactorios los resultados parciales que va obteniendo, tampoco en el resultado final. En cambio, el usuario recibe retro en la introducción de los parámetros. El instructor no puede hacer ningún tipo de modificación
1 Asistencia Técnica
1 100 %
1 Protección del programa
1 100 %
1 Validación 1
100 %
5 Organización texto en la pantalla
5 100 %
3 Organización Gráficos en la pantalla
3 100 %
2 Sonido 0 0 %
5 Calidad y disposición de las pantallas
4 80 %
2 Interactividad bidireccional 2 100 %
5 Interactividad con respecto al usuario ( lo que este puede hacer)
4 80 %
6 Interactividad con respecto al programa (Respuestas)
5 83 %
ASPECTOS PEDAGÓGICOS = 18 /25 = 74 %
3 Estructura interna del
Software 3 100 %
5 Legibilidad 4 80 %1 Analizador de Respuesta 1 100 %5 Contenido 5 100 %
3 Retroalimentación 2.5 83 %
4 Evidencia del progreso
del usuario 2 50 %
4
Adaptabilidad 1 25 %
Total preguntas
58
Total respuestas afirmativas
46
% respuestas Afirmativas 79
%
198
En la tabla 21 se presentan los resultados de la valoración del software simulador
realizada por la tesista.
La principal característica del software es su interactividad bidireccional y
retroalimentación a las acciones del usuario.
El simulador cumple con 46 de las 58 características listadas en la lista de control
(79 %) . Una de las características ausente es el sonido. Existen otras características
observadas por el evaluador, no incluidas en el instrumento, tales como, es un software
en línea; el idioma del programa es el inglés; su apariencia no es impactante; no hay un
registro de los usuarios; no se graban las sesiones y no se exportan los resultados, en su
lugar se imprimen o copian.
El resultado de la evaluación del aspecto pedagógico del software, reveló la
potencialidad del programa para su utilización como mediador del tema de
espectrometría de masas, cumple 18 de 25 características relativas al aspecto
pedagógico, para un 72 % .
Sin embargo, dentro del aspecto pedagógico, no se puede ignorar la baja
calificación otorgada a la “adaptabilidad” (25 %), elemento muy importante en los
procesos de enseñanza - aprendizaje, de igual forma, recibió baja calificación la
característica “evidencias del progreso del usuario” (50 %) .
En este mismo orden, debe tenerse en cuenta la observación del evaluador en torno
a que el usuario no recibe una retro que le indique cuando son satisfactorios los
resultados parciales y finales. Solo existen alertas de pantallas emergentes en el caso
que el usuario ingrese parámetros inaceptables y pretenda pasar a otro módulo.
199
Por otra parte, el resultado de la evaluación del aspecto técnico del software,
mostraron que su interface y estructura tenían la suficiente organización y solidez para
su utilización en el proyecto, cumple 28 de 33 características para un 85 %
Los excelentes resultados de la evaluación del software de simulación y su entorno
didáctico, por parte de los alumnos, posterior a su uso, son indicadores del nivel de
satisfacción de los alumnos en torno a las características del simulador, podrían ser
utilizados como base de recomendaciones para futuros usos del software, por lo que se
incluyen los resultados de estas evaluaciones en el apéndice 5.
La significancia sicológica se refiere a los indicadores que muestran el estado de
las condiciones previas para el aprendizaje significativo, relativas al aprendiz, tales
como la “predisposición a aprender significativamente” y los “conocimientos previos”.
Además el estado de los factores que influyen en la predisposición a aprender
significativamente, tales como, “motivación”, “reflexión metacognitiva” y “percepción
del ambiente social en el aula”
Todas las variables evaluadas por los indicadores eran cualitativas, sin embargo,
fue necesario operatizar las variables cualitativas utilizando escalas numéricas, siendo
esta una forma más objetiva de seguir la evolución de una variable.
Las opciones de respuestas en los instrumentos empleados fueron codificadas
asignándoles un número, codificación de las respuestas, de manera que el mayor valor
estuviera asociado a actitudes positivas o favorables al rasgo evaluado.
Al respecto Díaz Barriga y Hernández (2002, p. 395) plantea, “Los continuos de la
escala pueden tener distintos puntos o segmentos donde puede clasificarse la
característica o dimensión particular de que se trate y ubicarla entre dos polos, uno
200
positivo y otro negativo. Las escalas pueden ser descriptivas y numéricas, en el último
caso se asignan números a los descriptores o calificativos relevantes.
Antes de aplicar los instrumentos a los alumnos del caso se realizó un pilotaje,
aplicando los instrumentos a 5 alumnos de otra asignatura de Química analítica
Instrumental, con características semejantes a los alumnos del caso.
A partir de los resultados del pilotaje, se cambió el orden en el cuestionario KPSI,
entre el código 3 y 4 con respecto al cuestionario original sometido a la muestra de
alumnos en el pilotaje, ellos eligieron “Lo sé bastante bien” porque entendían que tenía
una mayor connotación de compresión que “Lo sé bien”.
Además se revisaron el sentido de las preguntas, en cada cuestionario se dividieron
las preguntas en dos tipos, unas con dirección positivas (favorecen el rasgo evaluado) y
otras con dirección negativa (no favorecen el rasgo evaluado), con la única finalidad de
valorar el cuestionario con una doble escala.
Se empleó el software SPSSTM para realizar todas las operaciones involucradas en
la operativización de las variables, tales como, ingreso de datos cualitativos,
codificación numérica de las respuestas, operaciones aritméticas sencillas (contar
presencia de un rasgo y sumar). Sobre las variables codificadas y totalizadas se realizó
la categorización de las variables (para regresarlas a valoración cualitativa).
Las tablas 22 y 23, contienen los valores y categorizaciones de los indicadores de
significancia sicológica del alumno, muestran el estado de las condiciones previas
necesarias para la implementación del recurso de instrucción o software simulador. Las
figuras desde la 2 - 5 apoyan los resultados en forma gráfica.
201
Los resultados en la tabla 22 y 23 se obtuvieron mediante el procesamiento de los
datos recolectados por el instrumento en las tablas 49 hasta la 59 (Apéndice F: fuentes
de datos).
.
Tabla 22 Indicadores del estado de las condiciones previas al aprendizaje significativo. El software SPSS fue utilizado para codificación y valoración
Casos Índice
académico
acumulado
hasta 2do
semestre 2010
Metacognición
(Cuestionario KPSI)
Motivación
(Escala observación
Percepción ambiente social Cuestionario tipo Likert
predisposición a aprender
significativamente Escala Ex profeso
1 76.0 3.5 4.5 2.9 2.2
2 68.0 3.0 2.9 2.7 2.3
3 82.6 3.6 4.7 3.4 2.6
4 82.6 3.2 4.7 2.9 2.5
5 77.9 3.1 3.3 3.2 2.2
6 73.9 3.3 3.8 2.7 2.2
7 86.8 3.3 4.8 3.2 2.5
8 79.0 3.4 4.7 2.9 2.3
9 74.0 3.2 3.3 3.4 1.8
10 74.0 3.6 4.0 3.4 2.4
11 85.9 3.9 4.8 3.6 2.8
N 11
Media 78.24
202
Tabla 23 Indicadores categorizados del estado de las condiciones previas. El software SPSS fue utilizado en codificación, valoración y categorización.
Casos Predisposición a
aprender
significativamente
(categorizada)
(Cuestionario Ex
profeso)
Metacognición
(categorizada)
(cuestionario KPSI)
Percepción Ambiente social
(categorizada)
(Cuestionario tipo Likert)
motivación
(categorizada)
(Escala observación)
1 muy predispuesto (valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente solidario 2 < valor <= 3
Muy motivado (valores > 4)
2 muy predispuesto ( valores > 2
parcialmente reflexivo (2 < valores <=3)
Percibe ambiente solidario 2 < valor <= 3
Parcialmente motivado ( 2 < valores <= 3)
3 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente muy solidario (valor > 3)
Muy motivado (valores > 4)
4 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente solidario 2 < valor <= 3
Muy motivado (valores > 4)
5 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente muy solidario (valor > 3)
Motivado (3 < valores <= 4)
6 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente solidario 2 < valor <= 3
Motivado (3 < valores <= 4)
7 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente muy solidario (valor > 3)
Muy motivado (valores > 4)
8 muy predispuesto ( valores > 2
reflexivo (3 < valores <= 4)
Percibe ambiente solidario 2 < valor <= 3
Muy motivado (valores > 4)
9 predispuesto (1 < valores <=2
reflexivo (3 < valores <= 4)
Percibe ambiente muy solidario (valor > 3)
Motivado (3 < valores <= 4)
10 muy predispuesto
( valores > 2
reflexivo
(3 < valores <= 4)
Percibe ambiente
muy solidario (valor > 3)
Motivado
(3 < valores <= 4)
11 muy predispuesto
( valores > 2
reflexivo
(3 < valores <= 4)
Percibe ambiente
muy solidario (valor > 3)
Muy motivado
(valores > 4)
203
La valoración del indicador predisposición a aprender significativamente, fue
realizada en la fase previa a la implementación del simulador, mediante los datos
recolectados por el instrumento E-1.1, escala Ex profeso, administrado a los alumnos
del caso. Este instrumento está formado por 10 ítems con direcciones positivas y
negativas con respecto al rasgo evaluado.
El instrumento categoriza el indicador mediante tres escalas de actitudes
correspondientes a cada rasgo del indicador: 0 -1 “no predispuesto (0 <valores <= 1)”;
“predispuesto ( 1< valores <= 2)” y “ muy predispuesto ( 2< valores <= 3)”.
La valoración del indicador “motivación”, en la fase previa a la implementación
del simulador, se efectuó a partir de los datos recolectados por el instrumento FO-1.1,
observación estructurada con lista de control, fue completado simultáneamente por dos
observadores, la investigadora tesista y un profesor invitado perteneciente a la cátedra.
El instrumento de observación se enfocó sobre los alumnos del caso, durante una
actividad en la cual ellos realizaban exposiciones sobre un tema asignado. Está formado
por 25 ítems, todos con direcciones positivas con respecto al rasgo evaluado.
El instrumento categoriza el indicador mediante cinco escalas de actitudes
correspondientes a cada rasgo del indicador: 1 = 'Muy desmotivado ( valores <= 1)'; 2
= 'Desmotivado ( 1 < valores <= 2)' ; 3 = 'Parcialmente motivado ( 2 < valores >= 3)' ;
4 = 'Motivado (3 < valores <= 4)' ; 5 = 'Muy motivado (valores > 4)'.
La tabla 23 muestra que el caso 2 es el único dentro de la categoría “parcialmente
motivado”. Los casos 1, 3, 4, 7, 8 y 11 estuvieron en la categoría” muy motivado”. Los
restantes casos correspondieron a la categoría ‘motivado”.
204
Por último, la valoración del indicador “Conocimientos previos”, en la fase
previa a la implementación del simulador, fue realizada utilizando los datos colectados
por el instrumento LC-1.2, lista de cotejo, fue completado por la investigadora tesista,
enfocado sobre dos productos elaborados por los alumnos de la muestra.
Se les solicitó a los alumnos elaborar individualmente, en el aula, un esquema en
torno a conocimientos básicos sobre espectrometría de masas. Tenían permiso solo para
consultar sus notas, no libros. Los alumnos tenían dos semanas estudiando el tema en
forma autónoma y consultando informaciones por internet.
Se les solicitó repetir la actividad anterior con relación a sus conocimientos
básicos en metodología de la investigación, considerando que habían recibido esta
asignatura en semestres anteriores.
En las tablas 24 y 25 se muestran los resultados, basados en la contabilización de 5
factores esenciales que debían estar incluidos en los esquemas.
Se utilizó la siguiente escala de calidad de los conocimientos previos: muy
deficientes (1 < valores < = 2) ; deficientes (2 < valores <= 3); adecuados (3 < valores
<= 4); excelente (4 < valores <= 5)
Cuatro de los resultados se colocaron por debajo o igual a 3 de la escala, casos 3,
7, 9 y 11, clasificando en las categorías “deficiente” y “muy deficiente” la calidad de los
conocimientos declarativos previos en espectrometría de masas.
Los demás casos alcanzaron o sobrepasaron el 4 de la escala. Es notorio el
resultado obtenido por el alumno o caso 5, con el máximo resultado (5 ).
205
Tabla 24 Valores indicador “conocimientos previos” en torno a las conceptualizaciones sobre 5 aspectos en espectrometría de masas. Instrumento LC-1.2 ( Sí = 1 ; NO = 0 ; Parcial = 0.25) Casos Fundamento de
la espectroscopía Objetivo final de la espectro-copía
Procesos a que es sometida la muestra. (funcionamiento)
Componentes del equipo GC
Componentes del equipo MS
Puntosmáximo
= 5
1 1 1 1 1 4.02 0.5 1 1 1 1 4.53 0.5 1 0.5 1 3.04 1 1 0.5 1 1 4.55 1 1 1 1 1 5.06 1 1 0.5 1 3.57 0.5 1 0.5 1 3.08 1 1 0.5 1 3.59 1 0.5 0.5 2.0
10 1 1 1 1 4.011 1 1 1 3.0
Tabla 25 Valores del indicador “ conocimientos previos” en torno a las conceptualizaciones sobre 5 aspectos en metodología de la investigación. ( Sí = 1 ; NO = 0 ; Parcial = 0.25)
Casos Grandes Apartados delimitados
Componentes del planteamiento
Justificación de la revisión bibliográfica
Componentes de la metodología
Tipo de investigaciones
Puntos máximo
= 5 1 1 0.5 1.52 0.5 1 1.53 0.5 0.54 1 1.05 6 7 1 1.08 0.5 1 1 2.59 0.5 1 0.5 2.010 1 0.5 1 2.511 0.5 1 0.5 2.0
Los resultados en torno a los conocimientos sobre metodología de la investigación
oscilaron entre 0 y 2.5. Es decir, los alumnos clasificaron en las categorías “muy
206
deficientes” y “deficientes” con respecto a los conocimientos previos en metodología de
la investigación.
Indicadores que muestran el estado de la actitud, reflexión metacognitiva del
alumno y su percepción del ambiente social. Factores del aprendizaje significativo.
Esta sesión se refiere a los indicadores que muestran la graduación en que se
manifiestan tres factores que influyen en el aprendizaje significativo, estos son, la
actitud del alumno, su percepción del ambiente social en el aula y sus procesos de
reflexión metacognitiva en torno a los aprendizajes.
Las tablas 22 y 23 , contienen los valores y categorizaciones de los indicadores
que muestran el estado de los tres factores.
El primer factor a evaluar fue la valoración del indicador “percepción del ambiente
social en el aula” fue realizada previo a la implementación del simulador, a partir de los
datos recabados por el instrumento E-1.2, cuestionario Likert, aplicado a los alumnos
del caso.
La percepción sobre ambiente social en el aula que los alumnos tienen fue
evaluada sobre una escala 1- 4, 'Percibe ambiente no solidario ( 0 < valor <=1)' ;
'Percibe ambiente parcialmente solidario (1 < valor <= 2)' ; 'Percibe ambiente solidario
(2 < valor <= 3)' ; 'Percibe ambiente muy solidario (valor > 3)'.
Por último, el tercer factor a evaluar, “ reflexión metacognitiva de los
aprendizajes”, fue realizada previo a la implementación del simulador, a partir de los
datos recabados por el instrumento C-1.1. Cuestionario KPSI, aplicados a los alumnos
del caso.
207
El instrumento categoriza el indicador mediante cinco escalas de actitudes
correspondiente a cada rasgo del indicador: 1 = 'Muy irreflexivo (0 < valores <= 1)'; 2
= 'Irreflexivo (1 < valores <= 2)'; 3 = 'Parcialmente reflexivo (2 < valores <= 3)'; 4 =
'Reflexivo (3 < valores <= 4)'; 5 = 'Muy reflexivo (valores > 4'.
A continuación se presentan los gráficos de control de los indicadores que
muestran las condiciones previas al aprendizaje significativo.
Figura 2: Gráfico de control condiciones previas al aprendizaje significativo. (Datos recabados por el autor).
208
Figura 3. Gráfico control indicador “motivación”. (Datos recabados por el autor).
209
Figura 4. Gráfico de control del indicador : “Percepción ambiente social”. (Datos recabados por el autor).
210
Figura 5. Gráfico control indicador “metacognición”. (Datos recabados por el autor).
Los cuatro gráficos de control representando cada una de las variables abordadas,
muestran que el caso global (el curso) estaba bajo control, es decir cada uno de los
alumnos o casos que integran el curso cumplía con los requisitos mínimos para adquirir
el nuevo conocimiento significativo, exceptuando el estado de sus conocimientos
previos relativos al tema o ideas de anclaje.
La Reflexión sobre sus propios procesos cognitivos y sobre los contenidos es un
componente importante para la adquisición de conocimientos significativos. La auto
regulación es una fase superior de la metacognición.
Los resultados de la prueba KPSI muestran que los alumnos poseen una adecuada
conciencia reflexiva de sus procesos cognitivos, sin embargo deben transitar hacia las
211
tareas de planificación verificación y monitoreo, correspondiente a la categoría de auto
regulación.
Este planteamiento se comprobó por la observación, mediante lista de control, de
los procesos reguladores ejecutados por los alumnos durante su interacción con el
simulador, muestra que solo ejecutaron la planificación, primer escaño de la regulación.
La auto evaluación espontanea de sus procesos cognitivos fue otro proceso al que
se le dio seguimiento, durante la interacción de los alumnos con el simulador, poco
alumnos la ejecutaron, y solo en un 4 %, con respecto al total de ejecuciones.
Por otra parte, con respecto a la percepción del ambiente en el aula, el caso 8
ameritó seguimiento, mostró repetidas percepciones sobre un ambiente conflictivo:
Expresó las siguientes precepciones: “no existe cohesión entre los miembros del curso”.
“Algunos compañeros excluyen a otros”. “Más que cooperación entre los compañeros
hay competencia”. “Sí hay competencia”
Finalmente, Sánchez (2002) señala entre las ventajas de los simuladores el hecho
de que implica a los alumnos activamente en el proceso de aprendizaje al utilizar el
ordenador, hacia el cual sienten una motivación intrínseca. Por lo general, el simulador
involucra a los alumnos en tareas propias de los investigadores.
212
Instrumentos utilizados en la evaluación del indicador significancia lógica
Tabla 26 Lista control (LC-1.1) Bostock (1998) y Cova (2008). Evaluación software educativo.
Total preguntas
válidas
CARACTERÍSTICA / INDICADOR
Respuesta
Conteo Sí
% Comentarios adicionales
ASPECTOS TECNICOS
¿Se dispone de información sobre la capacidad de memoria y los periféricos requeridos?
N/A
¿Hay un manual sobre la instalación y la puesta en marcha del programa?
¿Especifica las características mínimas necesarias para su correcta operación?
2 Equipos necesarios y materiales de apoyo del Software
¿La ofrece? ¿Te ayuda a recuperar fallas? N/A
1 Asistencia Técnica ¿Posee un mecanismo de
seguridad que no permite la copia no autorizada del programa?
N/A
¿La información se limita a un número determinado de estaciones de trabajo?
N/A
¿Se debe mantener el CD o el Internet conectado para poder acceder al material?
1 Protección del programa ¿El programa fue validado por
especialistas?
¿Puede el usuario obtener una versión de prueba?
N/A
1 Validación ¿La presentación del texto le
permite al usuario leerlo de forma sistemática?
¿Están las palabras importantes de los párrafos enfatizadas?
¿El fondo de la pantalla permite leer sin problemas el texto?
¿Hay un cambio en la página cuando se presenta nueva información?
¿El espaciado entre las palabras y las líneas es óptimo?
5 Organización texto en la pantalla
213
Tabla 26 Lista control (LC-1.1) Bostock (1998) y Cova (2008). Evaluación software educativo.
Total preguntas
válidas
CARACTERÍSTICA / INDICADOR
Respuesta
Conteo Sí
% Comentarios adicionales
¿Se encuentran bien posicionados?
¿Son las imágenes relevantes?¿Hay acceso a una ilustración cada vez que sea necesario?
3 Organización Gráficos en la pantalla
¿Puede el usuario controlar el sonido?
¿Se usa apropiadamente el sonido para captar la atención?
2 Sonido ¿Hay variedad?
¿La transición es adecuada?¿Se pueden sobreponer?¿Es posible controlar la velocidad de transición?
¿Se utilizan señales para atraer la atención hacia partes importantes?
5 Calidad y disposición de las pantallas
¿reacciona de una manera que sea variada y adaptable según las respuestas de sus diferentes usuarios?
¿Permite al usuario afectar la manera en la cual el software procede?
2 Interactividad bidireccional ¿Obtener ayuda?
¿Detener el programa y salir a voluntad?
¿Ver el objetivo alcanzado hasta el momento y los que faltan?
¿Controlar la velocidad de la presentación?
¿Controlar la cantidad de información?
5 Interactividad con respecto al usuario ( lo que este puede hacer)
¿Puede mostrar diferentes mensajes?
¿Puede seleccionar diferentes alternativas dependiendo de la
214
Tabla 26 Lista control (LC-1.1) Bostock (1998) y Cova (2008). Evaluación software educativo.
Total preguntas
válidas
CARACTERÍSTICA / INDICADOR
Respuesta
Conteo Sí
% Comentarios adicionales
dificultad? ¿Puede proveer una retroalimentación diferenciada adaptada?
¿Puede tomar en cuenta las diferentes formas de trabajar?
¿Puede ayudar al usuario?¿Le da pistas o acepta respuestas aproximadas?
6 Interactividad con respecto al programa (Respuestas)
Aspectos Pedagógicos De La Evaluación De Software De Bostock
¿Es la división de los módulos la apropiada?
¿Están los objetivos de cada modulo explicados apropiadamente?
¿Los diferentes procedimientos tienen coherencia hacia una idea principal?
3 Estructura interna del
Software
¿Se usa un vocabulario adecuado al nivel de educación del usuario?
¿Las oraciones están estructuradas con coherencia?
¿Complementan y se identifican con el texto?
¿Son de tamaño apropiado?¿Su complejidad esta adecuada al nivel de educación del aprendiz?
5 Legibilidad
¿Hay varias maneras de expresar los mismos resultados numéricos?
N/A
¿Se especifica la unidad requerida?
¿Acepta que la respuesta numérica en unidades se exprese de distintas maneras?
N/A
¿Permite el uso de respuestas aproximadas o equivalentes semánticos?
N/A
1 Analizador de Respuesta ¿Es preciso, progresivo y
215
Tabla 26 Lista control (LC-1.1) Bostock (1998) y Cova (2008). Evaluación software educativo.
Total preguntas
válidas
CARACTERÍSTICA / INDICADOR
Respuesta
Conteo Sí
% Comentarios adicionales
actualizado?
¿Contiene introducciones a los temas, o relaciones con los temas anteriores?
¿Se le da importancia a los puntos esenciales?
¿Las simulaciones corresponden con el ambiente real?
¿Contiene ejemplos apropiados?5 Contenido
¿Es apropiada al nivel educativo del aprendiz?
¿Puede variar dependiendo de la respuesta?
¿Especifica que respuesta fue la incorrecta, por qué fue incorrecta y cuál sería la correcta?
3 Retroalimentación
¿Puede el usuario evaluar los resultados de una sesión de uso?
¿Puede el aprendiz llevar un registro de la experiencia de aprendizaje realizada?
¿Puede el usuario conocer los objetivos alcanzados?
¿Puede el estudiante acceder a una lista de futuras actividades sugeridas?
4 Evidencia del progreso
del usuario
¿Puede el instructor modificar la documentación y/o los ejemplos?
¿Puede el docente cambiar objetivos?
¿Se puede usar el programa en diferentes intervalos de tiempo eficazmente?
¿Puede el instructor modificar la libertad y por lo tanto el progreso del aprendizaje del usuario?
4 Adaptabilidad
216
Instrumentos aplicados en la valoración significatividad sicológica
Tabla 27 Escala Tipo Likert (E-1.2). Escala De Ambiente Social En El Aula
Instrumento E-1.2 Escala tipo likert. escala de ambiente social
Autor/ referencia Diaz-Barriga y Hernández (2002) Codigo asignado en esta tesis E-1.2
Indicadores de ambiente social evaluados
Cohesión, fricción, orientación a meta, igualdad afectiva, satisfacción, dependencia, democracia, organización, solidaridad, competencia, nivel de distención, percepciones sobre el bienestar en el aula.
Variable/constructo evaluado Aprendizaje Significativo (del alumno)
Contexto de la evaluación Durante una de las secciones de clase secciones de docencia, previo al simulador (una sección cuenta de 6 horas)
Fase y actividad del proyecto donde se implementa la evaluación
Fase previa ( Verificación y ajustes necesarios a las condiciones previas para el aprendizaje significativo). Actividad No. 1
FUENTE DE DATOS (Proceso// Producto// procedimiento// Recurso)
El alumno
Nivel de la medición Variables cualitativas, codificadas numéricamente utilizando intervalos.
Propósito de la evaluación Realizar los ajustes necesarios con respecto a las condiciones previas necesarias para el aprendizaje significativo.
Evaluador El investigador tesista
Etapa previa al simulador // durante // etapa posterior al simuladorCriterios de Valoración: Niveles de respuestas posibles en las afirmaciones 1, 6, 8, 9, 10, 11, 13, 16 (favorecen ambiente
social solidario) 1= Fuertemente en desacuerdo ; 2= En desacuerdo ; 3= de acuerdo ; 4 = fuertemente de acuerdo 0= N/I No hay información disponible
Niveles de respuestas posibles en las negaciones 2, 3, 4, 5, 7, 12, 14, 15 1 = Fuertemente de acuerdo 2) De acuerdo 3) En desacuerdo 4) Fuertemente en desacuerdo 0= N/I No hay información disponible
Expresión de Valoración: Puntuación en la escala= ∑ (codigos numericos de los items seleccionados) No. total de items |.........|.........|………|………|
1 2 3 4 Muy desfavorable Muy favorable a la percepción de ambiente de colaboración
217
Tabla 27 Escala Tipo Likert (E-1.2). Escala De Ambiente Social En El Aula
Instrumento E-1.2 Escala tipo likert. escala de ambiente social
InstruccionesEn cada afirmación o negación indique el nivel de respuesta que a su juicio describe el ambiente social de esta clase y, particularmente su percepción sobre el clima de colaboración y ayuda mutua en el aula.
Niveles de respuestas posibles: 1. Fuertemente en desacuerdo 2. En desacuerdo 3. De acuerdo 4. Fuertemente de acuerdo 5. N/I No hay información disponible
1. En esta clase cada estudiante tiene la oportunidad de conocer e interactuar
con todos los demás (cohesión). ( )
2. Hay tensiones entre ciertos estudiantes que interfieren con
las actividades en el aula (fricción). ( )
3. La mayor parte de los alumnos tienen una idea vaga de lo que el grupo tiene que lograr (orientación a la meta). ( )
4. Las preguntas de los mejores alumnos son atendidas de una manera más
amigables que las de los demás (favoritismo). ( )
5. Algunos estudiantes rehúsan mezclarse con el resto de sus compañeros
(exclusión). ( )
6. Los estudiantes parecen disfrutar su trabajo (satisfacción). ( )
7. Hay largos periodos durante los cuales los alumnos parecen no hacer nada
(desorganización). ( )
8. La mayor parte de los estudiantes parecen preocupados por el progreso de sus compañeros (interdependencia). ( )
9. Cuando ocurre la discusión en el grupo, todos los alumnos tienden a participar (democracia). ( )
10. La mayoría de los alumnos coopera más que competir entre sí uno contra otros (cooperación / competencia). ( )
11. Una colección apropiada de materiales se encuentra a disposición de los alumnos para realizar el trabajo (facilidades en el ambiente del aula). ( )
12. Algunos estudiantes parecen no tener respeto por otros (fricción). ( )
218
Tabla 27 Escala Tipo Likert (E-1.2). Escala De Ambiente Social En El Aula
Instrumento E-1.2 Escala tipo likert. escala de ambiente social
13. Algunos alumnos tienen más influencia en el grupo que otros
(democracia / liderazgo) ( )
14. Muchos estudiantes quieren que su trabajo sea mejor que el de los demás
(competencia) ( )
15. El trabajo se interrumpe frecuentemente por algunos estudiantes que no tienen Nada que hacer (desorganización). ( )
16. Diferentes estudiantes están interesados en diferentes aspectos del trabajo en
Clase (diversidad). ( )
219
Tabla 28 Escala Ex profeso (E-1.1)
Instrumento E-1.1 Escala EX profeso (E-1.1)
Autor/ referencia Diaz-Barriga y Hernández (2002, p. 72, 74, 75, 76, 82, 96, 419-421 )
Codigo asignado en esta tesis E-1.1
Indicadores de predisposición a aprender significativamente
Metas que establece, Expectativas de éxito o fracaso ante la comprensión. Valoración de las actividades que involucran comprensión. Atribuciones de si mismo sobre su capacidad , habilidad, nivel de ansiedad, y nivel de auto eficacia.
Variable/constructo evaluado Aprendizaje Significativo (del alumno)
Contexto de la evaluación Durante una de las secciones de docencia, previo al simulador (una sección cuenta de 6 horas)
Fase y actividad del proyecto donde se implementa la evaluación
Fase previa ( Verificación y ajustes necesarios a las condiciones previas para el aprendizaje significativo). Actividad No. 1
Fuente de datos (Proceso// Producto// procedimiento// Recurso)
El alumno
Nivel de la medición Variables cualitativas, codificadas numéricamente utilizando intervalos.
Propósito de la medición
Cualitativa para realizar los ajustes necesarios con respecto a las condiciones previas necesarias para el aprendizaje significativo Recomendaciones para mejorar la motivación en el alumno. Destacar las caracateríticas que lo incentivan.
Evaluador El investigador tesista
Etapa Previa Al Simulador // Durante // Etapa Posterior Al Simulador
Instrucciones De Aplicación: El alumno utiliza la siguiente escala para marcar la casilla en cada item
1 = Totalmente en desacuerdo , 2= neutral , 3= totalmente de acuerdo
Criterio De Valoración (Hernández et al., 2010, pp 244-252) Escala para valorar los items 2, 6, 7, 9, 10, favorecen el rasgo evaluado (dirección positiva) 1 = Totalmente en desacuerdo , 2= neutral , 3= totalmente de acuerdo Escala para valorar los items 1, 3, 4, 5, 8 , desfavorecen el rasgo evaluado ( dirección negativa) 1 = Totalmente de acuerdo , 0 = neutral , 3= totalmente en desacuerdo
220
Tabla 28 Escala Ex profeso (E-1.1)
Instrumento E-1.1 Escala EX profeso (E-1.1)
Expresión Valoración: Puntuación en la escala= ∑ (codigos numericos de los items seleccionados)
No. total de items …..|.........|.........|………| 1 2 3 No predispuesto Muy predispuesto a aprender significativamente
Instrucciones En cada afirmación o negación indique el nivel de respuesta que a su juicio describe mejor el estado de su motivación a aprender significativamente. Niveles de respuestas posibles
1. Totalmente en desacuerdo 2. Neutral 3. Totalmente de acuerdo
1. Sólo me interesa prepararme para pasar el examen y obtener buenas calificaciones ( meta de recompensa externa) ________
2. Aprender química significa resolver de diferentes maneras un problema (reto o desafío abordable) ___
3. Se me dificulta aprender química porque no puedo resolver bien los ejercicios y problemas (percibe el fracaso personal por una incompetencia no controlable) _ _
4. Se me dificulta aprender química porque tuve malos maestros (percibe el fracaso personal atribuido al profesor)____
5. Se me dificulta aprender química porque no las entiendo (percibe el fracaso personal interno y no controlable)_______
6. Me interesa el tema y por lo tanto me concentro en la clase (Tarea preferida en la que puede aprender)_____
7. Investigo los temas de química en los libros (Busca lo que sabe y lo que no sabe)________
8. Aprendo mejor química memorizando y realizando ejercicios (percibe el éxito personal por los resultados inmediatos y lo atribuye al aprendizaje por memorización ) ______
9. Aprendo mejor química cuando interactúo con software educativo (emprende la tarea con la meta “¿cómo puedo hacerlo?”) ____
10. Considero que las actividades de un programa educativo propician mi aprendizaje (Centra su atención en el proceso de aprendizaje) ________
predispuesto
221
Tabla 29 C-1.1 Cuestionario KPSI. Díaz-Barriga y Hernández (2002, p. 400) Instrumento c-1.1 Cuestionario KPSI
Autor/ referencia Díaz-Barriga y Hernández (2002, pp 243-246)
Codigo asignado en esta tesis C-1.1
Indicadores del estado de metacognisión del alumno.
Autovaloración de sus conocimientos, habilidades para comprender con respecto a las que él piensa tienen los demás. Autovaloración de la calidad de sus conocimientos previos con respecto a poder comprender el nuevo conocimiento. Autovaloración del nivel de procesamiento mental que exige la nueva tarea. Autovaloración de las estrategias que posee para enfrentar la tarea de comprensión.
Variable/constructo evaluado Aprendizaje Significativo (del alumno)
Contexto de la evaluación Durante una de las secciones de clase secciones de docencia, previo al simulador (una sección cuenta de 6 horas)
Fase y actividad del proyecto donde se implementa la evaluación
Fase previa ( Verificación y ajustes necesarios a las condiciones previas para el aprendizaje significativo). Actividad No. 1
Fuente de datos (Proceso// Producto// procedimiento// Recurso) El alumno
Nivel de la medición Variables cualitativas, codificadas numéricamente utilizando intervalos.
Propósito de la medición
Realizar los ajustes necesarios con respecto a las condiciones previas necesarias para el aprendizaje significativo. Recomendaciones para mejorar la autovaloración en el alumno. Destacar sus caracateríticas positivas.
Evaluador El investigador tesista
Etapa previa al simulador // durante // etapa posterior al simulador
222
Tabla 29 C-1.1 Cuestionario KPSI. Díaz-Barriga y Hernández (2002, p. 400) Instrucciones de Aplicación: El alumno utiliza la siguiente escala para marcar la casilla correspondiente en cada afirmación
1 = no lo sé ; 2 = Lo sé un poco ; 3 = Lo sé bien ; 4 = Lo sé bastante bien ; 5 = Lo podría explicar a otra persona
Criterio de Valoración (Hernández et al., 2010, pp 244-252) Escala para valorar es la misma de las intrucciones: todos los items tienen dirección positiva. El
código de mayor valor (5) es el que favorece la autovaloración orientada a propiciar la comprensión significativa.
Puntuación = La sumatoria de los códigos de los items seleccionados dividido entre el No. total de items
Expresión Valoración: Puntuación en la escala= ∑ (codigos numericos de los items seleccionados) No. total de items
|.........|.........|………|………|………| 1 2 3 4 5 Muy desmotivado Muy motivado
Contexto de la observación: En el aulaObjetivo del cuestionario: Percibir el estado de metacognición del alumno
Responde a las siguientes preguntas marcando con una X la casilla según el siguiente código: 1 = no lo sé 4 = Lo sé bastante bien 2 = Lo sé un poco 5 = Lo podría explicar a otra persona 3 = Lo sé bien
1 2 3 4 51. ¿Conoces el principal motivo por el que estas en esta clase?
x 2. ¿Sabes lo que más te gusta de esta clase?
x 3. ¿Sabrías identificar lo que más te ha ayudado a aprender en esta clase?
x 4. ¿Sabes decir el tipo de apoyo que deseas que el profesor te brinde en esta
clase?
x 5. ¿Sabes Lo que más te agrada en esta clase?
x 6. ¿Sabes cuál ha sido tu desempeño personal en esta clase?
x 7. ¿Conoces de que depende que apruebe este curso?
x 8. ¿Sabrías decir lo que te gustaría que el profesor hiciera para que la clase
fuera más motivante?
x 9. ¿Sabrías identificar los principales obstáculos y fallas que has tenido en
esta clase?
x 10. ¿Sabrías ubicar donde aplicarías lo que aprendas en este curso, al finalizar
el curso o los estudios?
x
223
Tabla 30 Guía de Observación con Escala FO-1.1. Adaptado de Pimienta (2008, p. 111) Instrumento fo-1.1 Guía de observación con escala
Autor/ referencia Adaptado de Pimienta (2008, p. 111)
Adaptaciones al contexto bajo estudio
Codigo asignado en esta tesis FO-1.1
Indicador evaluado Actitud de motivación
Variable/constructo evaluado Aprendizaje Significativo
Contexto de la evaluación Durante una sección de clase en el aula, previo al simulador (una sección cuenta de 6 horas)
Fase y actividad del proyecto donde se implementa la evaluación
Fase previa ( Verificación y ajustes necesarios a las condiciones previas para el aprendizaje significativo). Actividad No. 1
Fuente de datos (proceso// producto// procedimiento// recurso) El alumno
Nivel de medición Variables cualitativas, codificadas numéricamente utilizando intervalos.
Tipo de valoración
Cualitativa para realizar los ajustes necesarios con respecto a las condiciones previas necesarias para el aprendizaje significativo
Evaluador El investigador tesista
Etapa previa al simulador // durante // etapa posterior al simulador
Instrucciones de Aplicación: El observador utiliza la siguiente escala para marcar la casilla correspondiente en cada fila (criterio) ESCALA: 5= Muy de acuerdo, 4= De acuerdo, 3= Ni de acuerdo, ni en desacuerdo, 2= En desacuerdo, 1= Muy en desacuerdo. Criterio de Valoración (Hernández et al., 2010, pp 244-252)
Todos los items tienen dirección positiva. Escala: 0 = Ni de acuerdo, ni en desacuerdo , 1= Muy en desacuerdo. 2= En desacuerdo, 4= De acuerdo, 5= Muy de acuerdo
Expresión Valoración: Puntuación en la escala= ∑ (codigos numericos de los items seleccionados) No. total de items
|.........|.........|………|………|………| 1 2 3 4 5 Muy desmotivado Muy motivado
224
Tabla 30 continuación Guía de Observación con Escala FO-1.1. Adaptado de Pimienta (2008, p. 111) Num. Aspectos a evaluar 5 4 3 2 1 Anotaciones
especiales
Disciplina 1 Es puntual en sus clases. 2 Es cuidadoso en su aspecto (limpio y
aseado)
3 Presenta excusas válidas y documentadas por ausencias.
4 Utiliza el material necesario. 5 Colabora en el mantenimiento de un
ambiente ordenado. .
6 Respeta las reglas establecidas y acepta sus consecuencias.
Relación con los compañeros 7 Establece relaciones de tolerancia con sus
compañeros.
8 Controla la impulsividad al contestar. 9 Participa en el trabajo colaborativo.
10 Mantiene una actitud crítica pero dialogante.
Atención a La exposiciones 11 Pone atención a las exposiciones. 12 Observa al profesor o compañero cuando
este explica.
13 Se observa activo. 14 Sigue las instrucciones del profesor. 15 Promueve la atención de sus compañeros. Interés en la clase 16 Colabora en la realización de tareas. 17 Termina las actividades de la clase. 18 Se esfuerza en la realización correcta de
la tarea.
19 Organiza la información de la clase en su cuaderno.
20 Pregunta lo que no entiende. Participación en la clase 21 Participa activa y regularmente durante la
sesión.
22 Solicita permiso para intervenir. 23 Realiza preguntas claras y oportunas.
24 Evita comentarios inoportunos. 25 Expresa sus opiniones de manera
razonada.
225
Tabla 31 Indicador “conocimientos previos” en torno a las conceptualizaciones sobre 5 aspectos en espectrometría de masas. ( Sí = 1 ; NO = 0 ; Parcial = 0.25) Casos Fundament
o de la espectroscopía
Objetivo final de la espectroscopía
Procesos a que es sometida la muestra. (funcionamien to)
Componentes del equipo GC
Componentes del equipo
MS
Puntosmáximo
= 5
Tabla 32 Indicador “ conocimientos previos” en torno a las conceptualizaciones sobre 5 aspectos en metodología de la investigación. ( Sí = 1 ; NO = 0 ; Parcial = 0.25)
Casos Grandes Apartados delimitados
Componentes del planteamiento
Justificación de la revisión bibliográfica
Componentes de la metodología
Tipo de investigaciones
Puntos máximo
= 5
226
Tabla 33 Evaluación simulador por los alumnos. LC-9.1 Lista control Intrumento Lista de control con escala calificativa Autor/ referencia Marqués (2004)
Codigo asignado en esta tesis LC-9.1
Indicadores evalúados Aspectos funcionales, técnicos, estéticos, pedagógicos
Variable/constructo evaluado Software de simulación Educativo (Espectrómetro Virtual de las universidades Carnegie Mellon y Pittsburgh)
Contexto de la evaluación Después de la utilización del Virtual Espectrómetro de Masas
Fase y actividad del proyecto donde se implementa la evaluación
Fase 3: Evaluaciones posteriores al software de simulación Actividad No. 9
Fuente de datos (Proceso// Producto// procedimiento// Recurso)
Recurso (Espectrómetro virtual)
Tipo de conocimiento a lograr Conceptual
Tipo de valoración Cualitativa
Evaluador El alumno
Etapa previa al simulador // durante / / etapa posterior al simulador
Instrucciones de Aplicación: El alumno utiliza la siguiente escala para marcar con una X la casilla que exprese su valoración
del simulador con respecto a los atributos deseables listados en la columna de la izquierda Excelente, alta, correcta, baja
Criterio de Valoración: Se evalúan los aspectos técnicos y estéticos, aspectos funcionales y pedagógicos, utilizando la siguiente escala para codificar las respuestas.
Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 ; N/A = 0 Expresión de Valoración:
----------|----------|----------|----------|------
1 2 3 4 Aspectos técnicos y estéticos // Insuficiente cumplimiento Excelente cumplimiento Aspectos pedagógicos Aspectos funcionales // Deficiente funcionalidad Excelente funcionalidad
227
Tabla 33
(continuación). Evaluación simulador por los alumnos. LC-9.1 Lista control
marcar con una X, donde proceda, la valoración
ASPECTOS FUNCIONALES. UTILIDAD
Eficacia didáctica, puede facilitar el logro de sus objetivos………
Relevancia de los aprendizajes, contenidos…………………………
Facilidad de uso………………………………………………….
Facilidad de instalación de programas y complementos……....
Versatilidad didáctica: modificable, niveles, ajustes, informes…
Carácter multilingüe, al menos algunos apartados principales...
Múltiples enlaces externos (si es un material on-line)..............
Canales de comunicación bidireccional (idem.)....................
Documentación, guía didáctica o de estudio (si tiene)……….....
Servicios de apoyo on-line (idem)……………………………....
Créditos: fecha de la actualización, autores, patrocinadores…......
Ausencia de publicidad
Excelente Alta Correcta Baja
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
ASPECTOS TÉCNICOS Y ESTÉTICOS
Entorno audiovisual: presentación, pantallas, sonido, letra……
Elementos multimedia: calidad, cantidad…………………………
Calidad y estructuración de los contenidos …………………..
navegación por las actividades, metáforas……
Interacción: diálogo, entrada de datos, análisis respuestas………
Ejecución fiable, velocidad de acceso adecuada…………......
Originalidad y uso de tecnología avanzada………………..
Excelente Alta Correcta Baja. . . .
. . . .
. . . .
. . . .
. .
. . . .
. . . .
. . . .
228
Tabla 33
(continuación). Evaluación simulador por los alumnos. LC-9.1 Lista control
marcar con una X, donde proceda, la valoración
ASPECTOS FUNCIONALES. UTILIDAD
Excelente Alta Correcta Baja
ASPECTOS PEDAGÓGICOS
Capacidad de motivación, atractivo, interés…………………….
Adecuación a los destinatarios de los contenidos, actividades.
Adaptación a los usuarios……………………………………..
Recursos para buscar y procesar datos…………………….
recursos didácticos: síntesis, resumen..
Carácter completo(proporciona todo lo necesario
Tutorización y evaluación (preguntas, refuerzos)………………….
Enfoque aplicativo/ creativo de las actividades…………….
autoaprendizaje, la iniciativa, toma decisiones…
el trabajo cooperativo…………………………………
Excelente Alta Correcta Baja. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
Pilotaje de los instrumentos empleados en trabajos previos a la investigación.
Se aplicaron los instrumentos E-1.2, C-1.1, E-1.1 a una muestra de 6 estudiantes (
Alumnos de otra asignatura). Se les preguntó y se observó si las instrucciones se
comprendían. Finalizada la prueba, se analizaron las respuestas en compañía de los
alumnos, buscando malas interpretaciones, solicitándoles explicaciones sobre su
interpretación de la instrucción y de los ítems.
Se realizaron las siguientes modificaciones a los siguientes instrumentos.
En el cuestionario KPSI (C-1.1), se cambió el orden entre el código 3 y 4, con
respecto al cuestionario original sometido a la muestra de alumnos en el pilotaje, ellos
229
eligieron “Lo sé bastante bien” porque entendían que tenía una mayor connotación de
compresión que “Lo sé bien”, sin embargo el primero tenía un código de (3), mientras
el segundo de (4).
En la escala tipo Likert ( E-1.1) se pudo advertir la necesidad de evaluar este y
otros instrumentos semejantes con dos escalas.
A partir del pilotaje se verificó la escala de calificación de los instrumentos cuyas
medidas eran por intervalos . Este último punto es relevante debido a que en casi todas
las escalas aparecían respuestas positivas, a favor del rasgo evaluado, y negativas,
contrarias al rasgo evaluado, lo cual requiere que el evaluador utilice doble escala al
momento de realizar la evaluación. De esta forma la respuesta con el mayor código
asignado tendrá la misma tendencia ( favorecer o desfavorecer) sin importar si la
respuesta es positiva o negativa.
El instrumento LC-8.2 no pasó la prueba, debido a que los alumnos en esta
muestra piloto, no tenían los conocimientos previos necesarios para decidir cuales
características del software eran idóneas, se observó que la terminología técnica
utilizada le era desconocida. Se comprobó que igual pasaba en el grupo experimental
bajo estudio, en este último caso se realizó los correctivos, se sustituyeron algunos de
los términos por otros términos equivalentes, pero más comprensible para los alumnos.
230
La confiabilidad de las herramientas utilizadas en los trabajos previos.
La confiabilidad de las herramientas de medición utilizadas en los trabajos previos
fue realizada a pesar de que esta investigación cumple la mayor parte de los ítems en la
estrategia de confiabilidad y validación planteada en los estudios de caso. El análisis de
confiabilidad se realizó como consistencia interna de los cuestionarios y la validación
del instrumento de observación.
La consistencia interna se calculó mediante el coeficiente de Cronbach, utilizando
el software SPSS , la tabla 34 muestra los resultados.
Tabla 34 Confiabilidad de los datos obtenidos mediante los instrumentos de medición
Alfa Cronbach
Alfa Cronbach método “escala si se
elimina un elemento”
Modificación del cuestionario para ajustar su confiabilidad
Eliminación de reactivos del instrumento para elevar el valor del alfa de Cronbach
Escala KPSI 0.062 0.417
¿conoces el principal motivo por el que estas en esta clase?"
¿Sabrías ubicar donde aplicarías lo que aprendas en este curso, al finalizar el curso o los estudios?
Escala Likert 0.674 0.713
Algunos alumnos tienen más influencia en el grupo que otros (democracia / liderazgo)
Escala observación motivación
0.920 0.920
Escala Ex profeso -0.190 0.307
Se me dificulta aprender química porque no las entiendo
Se me dificulta aprender química porque tuve malos maestros
231
El cuestionario Ex profeso resultó con valores para el coeficiente de Cronbach
negativo, se utilizó una rutina en el software que permitía aumentar el coeficiente de
confiabilidad, eliminando los siguientes ítems: “Se me dificulta aprender química porque
tuve malos maestros” y “Se me dificulta aprender química porque no las entiendo”. El
coeficiente aumentó a 0.307, el cual es aún un valor bajo.
La validación del instrumento observación estructurada con lista de cotejo, por ser
este el instrumento que pudiera prestarse a subjetividad. Esta operación se realizó
durante una sesión de clases de 3 horas mientras los alumnos participaban en
exposiciones, fue funcionada por la investigadora tesista y una profesora invitada.
Tabla 35 Estadísticos de resumen de los observadores (dos observadores)
Media Mínimo Máximo Rango Máximo/mínim
o
Medias de los elementos 4.636 4.545 4.727 .182 1.040
Varianzas de los
elementos .245 .218 .273 .055 1.250
Covarianzas inter-
elementos .164 .164 .164 .000 1.000
Correlaciones inter-
elementos .671 .671 .671 .000 1.000
Los resultados de la validación del instrumento de observación estuvieron
correlacionados entre ambos investigadores (ver gráfico ). La tabla 35 ofrecen
dispersiones nulas o despreciables entre ambos observadores.
232
Figura 6. Gráfico de correlación entre dos observadores (Validación instrumento)
233
Apéndice D. Estrategia de estudios de casos
Estrategia de análisis en estudios de caso propuestas por Yin (2004); Mills,
Durepos y Wiebe (2009), citados en Hernández et al (2010, [CD-ROM])
Confiar en la teoría
Organizar y efectuar el análisis sobre la base de las proposiciones (hipótesis) o
por las preguntas de investigación (una por una o vinculándolas)
Reflexionar y evaluar explicaciones rivales (nuestras hipótesis o proposiciones
frente a otras)
Desarrollar cuidadosamente la descripción del caso y su contexto. Tal
descripción puede ser cronológica (por ejemplo, de una empresa exitosa, por las
etapas que atravesó) o por subunidades del caso (como serían las áreas de una
empresa o sistemas del cuerpo humano).
8.
Estrategia para establecer la validez de los estudios de caso con enfoque
cuantitativo Hernández et al (2010, [CD-ROM])
La documentación de la evidencia debe ser sistemática, completa y ofrecer
detalles específicos del desarrollo de la investigación.
Es necesario utilizar fuentes múltiples de datos e información.
Se requiere establecer la cadena de evidencia sobre la causalidad. Esto significa
que un investigador externo monitorea la derivación de cualquier evidencia,
desde el planteamiento hasta el reporte de resultados.
234
Es indispensable verificar con la persona (o personas, si el caso es una
organización) los resultados (como es costumbre en las investigaciones
cualitativas: chequeo con miembros).
Elaborar predicciones sobre resultados, basadas en la teoría y al final comprobar
que éstas se hayan cumplido, lo que ayuda a soportar el caso (Yin, 2004). Si al
contrastar los resultados con la teoría y las hipótesis o proposiciones
encontramos diferencias, se revisan y ajustan las hipótesis y volvemos a replicar
el caso, hasta que logremos responder al planteamiento del problema.
Evaluar cuidadosamente cómo los detalles del caso explican los resultados.
Recordemos que los pre-experimentos y estudios de caso confían más bien en
una generalización analítica; mientras que las investigaciones experimentales
confían en una generalización estadística.
235
Apéndice E: Instrucciones para la entrevista cualitativa
Gurdián (2007, p. 203) aporta un listado con instrucciones muy puntuales y
orientadoras en torno a la forma correcta de manejar una entrevista.
Abordar gradualmente a la persona entrevistada propiciando identificación y
cordialidad.
Ayudar a que la persona entrevistada se sienta segura y sea locuaz.
Dejarle concluir el relato y ayudar a completarlo con fechas y hechos.
Utilizar preguntas fáciles de comprender y no embarazosas.
Actuar espontánea y francamente.
Escuchar tranquilamente, con paciencia y comprensión.
Evitar los roles de “personaje” o “autoridad”.
No dar consejos ni valoraciones morales.
No discutir ni rebatir a la persona entrevistada.
Prestar atención a lo que aclara y dice pero también a lo que no quiere decir.
Dar tiempo, no apremiar.
No discutir sobre las consecuencias de las respuestas
236
Apéndice F: Fuente de datos
Tabla 36 Datos Lista control (LC‐1.1). Modelo de valoración de software educativo. Fuente: Bostock (1998). Adaptado por Cova y Arrieta (2008)
Total preguntas válidas
CARACTERÍSTICA / INDICADOR Conteo
Sí % Comentarios
adicionales
ASPECTOS TECNICOS
¿Se dispone de información sobre la capacidad de memoria y los periféricos requeridos?
N/A
Es un software en línea. Requiere estar conectado al internet. El idioma del programa es el inglés.
¿Hay un manual sobre la instalación y la puesta en marcha del programa?
SÍ 1
¿Especifica las características mínimas necesarias para su correcta operación?
SÍ 1
2 Equipos necesarios y materialesde apoyo del Software
2 100 %
¿La ofrece? SÍ 1¿Te ayuda a recuperar fallas? N/A
1 Asistencia Técnica 1 100 % ¿Posee un mecanismo de
seguridad que no permite la copia no autorizada del programa?
N/A
¿La información se limita a un número determinado de estaciones de trabajo?
N/A
¿Se debe mantener el CD o el Internet conectado para poder acceder al material?
SÍ 1
1 Protección del programa 1 100 % ¿El programa fue validado por
especialistas? SÍ 1
¿Puede el usuario obtener una versión de prueba?
N/A
1 Validación 1
100 %
¿La presentación del texto le permite al usuario leerlo de forma sistemática?
SÍ 1
¿Están las palabras importantes de los párrafos enfatizadas?
SÍ 1
¿El fondo de la pantalla permite leer sin problemas el texto?
SÍ 1
¿Hay un cambio en la página SÍ 1
237
Tabla 36 Datos Lista control (LC‐1.1). Modelo de valoración de software educativo. Fuente: Bostock (1998). Adaptado por Cova y Arrieta (2008)
Total preguntas válidas
CARACTERÍSTICA / INDICADOR Conteo
Sí % Comentarios
adicionales
cuando se presenta nueva información? ¿El espaciado entre las palabras y las líneas es óptimo?
SÍ 1
5 Organización texto en la pantalla 5 100 %
El programa no tiene una apariencia impactante. Su interface gráfica no simula visualmente los módulos del equipo real. Su apariencia es de una sencilla página web. En su parte inferior suceden los cambios de pantalla. No hay sonido para captar la atención. Sin embargo utiliza pantallas emergentes cuando el operador introduce parámetros inadecuados.
¿Se encuentran bien posicionados?
SÍ 1
¿Son las imágenes relevantes? SÍ 1¿Hay acceso a una ilustración cada vez que sea necesario?
SÍ 1
3 Organización Gráficos en la pantalla
3 100 %
¿Puede el usuario controlar el sonido?
NO
¿Se usa apropiadamente el sonido para captar la atención?
NO
2 Sonido 0 0 % ¿Hay variedad? SÍ 1
¿La transición es adecuada? SÍ 1¿Se pueden sobreponer? SÍ 1
¿Es posible controlar la velocidad de transición?
NO
¿Se utilizan señales para atraer la atención hacia partes importantes?
SÍ 1
5 Calidad y disposición de las pantallas
4 80 %
¿reacciona de una manera que sea variada y adaptable según las respuestas de sus diferentes usuarios?
SÍ 1
¿Permite al usuario afectar la manera en la cual el software procede?
SÍ 1
2 Interactividad bidireccional 2 100 %
¿Obtener ayuda? SÍ 1 Interactividad No hay un registro de los usuarios, por tanto no se registra su experiencia para evaluaciones posteriores.
¿Detener el programa y salir a voluntad?
SÍ 1
¿Ver el objetivo alcanzado hasta el momento y los que faltan?
NO
¿Controlar la velocidad de la presentación?
SÍ 1
¿Controlar la cantidad de SÍ 1
238
Tabla 36 Datos Lista control (LC‐1.1). Modelo de valoración de software educativo. Fuente: Bostock (1998). Adaptado por Cova y Arrieta (2008)
Total preguntas válidas
CARACTERÍSTICA / INDICADOR Conteo
Sí % Comentarios
adicionales
información? No se graban las sesiones.
El usuario podía reiniciar el programa las veces que desee. El usuario podía abrir otras ventanas del navegador para acceder a la ayuda conceptual que el sitio web ofrece.
5 Interactividad con respecto al usuario ( lo que este puede hacer)
4 80 %
¿Puede mostrar diferentes mensajes?
SÍ 1
¿Puede seleccionar diferentes alternativas dependiendo de la dificultad?
SÍ 1
¿Puede proveer una retroalimentación diferenciada adaptada?
SÍ 1
¿Puede tomar en cuenta las diferentes formas de trabajar?
SÍ 1
¿Puede ayudar al usuario? SÍ 1¿Le da pistas o acepta respuestas aproximadas?
NO
6 Interactividad con respecto al programa (Respuestas)
5 83 %
Aspectos Pedagógicos De La Evaluación De Software De Bostock
¿Es la división de los módulos la apropiada?
SÍ 1 No incluye la opción de exportar los gráficos . Se ofrece la opción de imprimir o copiar los resúmenes de los parámetros aplicados, los gráficos de resultados y tabla de picos del espectro de masas.
¿Están los objetivos de cada modulo explicados apropiadamente?
SÍ 1
¿Los diferentes procedimientos tienen coherencia hacia una idea principal?
SÍ 1
3 Estructura interna del
Software 3 100 %
¿Se usa un vocabulario adecuado al nivel de educación del usuario? SÍ 1
¿Las oraciones están estructuradas con coherencia?
SÍ 1
¿Complementan y se identifican con el texto?
SÍ 1
¿Son de tamaño apropiado? NO¿Su complejidad esta adecuada al nivel de educación del aprendiz?
SÍ 1
5 Legibilidad 4 80 %
¿Hay varias maneras de expresar los mismos resultados numéricos?
N/A
239
Tabla 36 Datos Lista control (LC‐1.1). Modelo de valoración de software educativo. Fuente: Bostock (1998). Adaptado por Cova y Arrieta (2008)
Total preguntas válidas
CARACTERÍSTICA / INDICADOR Conteo
Sí % Comentarios
adicionales
¿Se especifica la unidad requerida?
SÍ 1 El usuario no recibe una retro que le indique cuando son satisfactorios los resultados parciales que va obteniendo, tampoco en el resultado final. En cambio, el usuario recibe retro en la introducción de los parámetros.
¿Acepta que la respuesta numérica en unidades se exprese de distintas maneras?
N/A
¿Permite el uso de respuestas aproximadas o equivalentes semánticos?
N/A
1 Analizador de Respuesta 1 100 %
¿Es preciso, progresivo y actualizado?
SÍ 1
¿Contiene introducciones a los temas, o relaciones con los temas anteriores?
SÍ 1
¿Se le da importancia a los puntos esenciales?
SÍ 1
¿Las simulaciones corresponden con el ambiente real?
SÍ 1
¿Contiene ejemplos apropiados? SÍ 15 Contenido 5 100 %
¿Es apropiada al nivel educativo del aprendiz?
SÍ 1
¿Puede variar dependiendo de la respuesta?
SÍ 1
¿Especifica que respuesta fue la incorrecta, por qué fue incorrecta y cuál sería la correcta?
parcial 0.5
3 Retroalimentación 2.5 83 %
¿Puede el usuario evaluar los resultados de una sesión de uso?
NO
¿Puede el aprendiz llevar un registro de la experiencia de aprendizaje realizada?
NO
¿Puede el usuario conocer los objetivos alcanzados?
SI 1
¿Puede el estudiante acceder a una lista de futuras actividades sugeridas?
SÍ 1
4 Evidencia del progreso
del usuario 2 50 %
¿Puede el instructor modificar la documentación y/o los ejemplos?
NO
¿Puede el docente cambiar NO
240
Tabla 36 Datos Lista control (LC‐1.1). Modelo de valoración de software educativo. Fuente: Bostock (1998). Adaptado por Cova y Arrieta (2008)
Total preguntas válidas
CARACTERÍSTICA / INDICADOR Conteo
Sí % Comentarios
adicionales
objetivos? El instructor no puede hacer ningún tipo de modificación
¿Se puede usar el programa en diferentes intervalos de tiempo eficazmente?
SÍ 1
¿Puede el instructor modificar la libertad y por lo tanto el progreso del aprendizaje del usuario?
NO
4 Adaptabilidad 1 25 %
241
Tabla 37 Datos extraídos de los mapas conceptuales realizados por los alumnos mediante CmapTools
Antes del simulador
Después del simulador
1 • niveles de jerarquía = 4 • No. ciclo = 0 • No. salidas desde concepto raíz
= 3 • No. ramificaciones = 1 • Mayor No. salidas desde un
concepto = 3 • Enlaces cruzados = 0 • No. ejemplos = 1 • No. enlaces entre los conceptos
más distantes del árbol expansión = 4
• No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde 1.
• niveles de jerarquía = 6 • No. ciclo = 1 • No. salidas desde concepto raíz
= 2 • No. ramificaciones = 2 • Mayor No. salidas desde un
concepto = 2 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre el concepto
más distante del árbol expansión = 6
• No. conceptos en el nivel más ancho = 2 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde • Enlace del ciclo no considerado
en el árbol expansión en azul punteado
2. 2 • niveles de jerarquía = 9
• No. ciclos = 0 • No salidas desde concepto raíz =
1 • No. ramificaciones= 5 • Mayor No. salidas desde un
concepto (no ejemplos) = 2 • enlaces cruzados = 0 • No. ejemplos = 4 • No. enlaces entre los conceptos
más distantes del árbol expansión = 9
• No. conceptos en el nivel más ancho = 7 • Concepto raíz en rojo
• niveles de jerarquía = 6 • No. ciclos = 0 • No salidas desde concepto raíz =
1 • No. ramificaciones= 6 • Mayor No. salidas desde un
concepto (no ejemplos) = 3 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos
más distantes del árbol expansión = 6
• No. conceptos en el nivel más ancho = 12 • Concepto raíz en rojo
242
Tabla 37 Datos extraídos de los mapas conceptuales realizados por los alumnos mediante CmapTools
Antes del simulador
Después del simulador
• Concepto terminal más distante del concepto raíz en verde
• Concepto terminal más distante del concepto raíz en verde
3 • niveles de jerarquía = 14 • No. ciclos = 0 • No. salidas desde concepto
raíz= 1 • No. ramificaciones= 2 • Mayor No. salidas desde un
concepto = 2 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos
más distantes del árbol expansión = 14
• No. conceptos en el nivel más ancho = 5 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde
• niveles de jerarquía = 10 • No. ciclos = 0 • No. salidas desde concepto raíz
= 1 • No. ramificaciones= 6 • Mayor No. salidas desde un
concepto (no ejemplos) = 2 • enlaces cruzados = 0 • No. ejemplos = 2 • No. enlaces entre los conceptos
más distantes del árbol expansión = 10
• No. conceptos en el nivel más ancho = 16 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde
4 • niveles de jerarquía = 8 • No. ciclos = 0 • No. salidas desde concepto raíz
= 1 • No. ramificaciones= 1 • Mayor No. salidas desde un
concepto = 5 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos
más distantes del árbol expansión = 8
• No. conceptos en el nivel más ancho = 5 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde
• niveles de jerarquía = 14 • No. ciclos = 1 • No. salidas desde concepto raíz
=1 • No. ramificaciones= 3 • Mayor No. salidas desde un
concepto = 7 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos
más distantes del árbol expansión= 14
• No. conceptos en el nivel más ancho = 7 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde • Enlace del ciclo no considerado
243
Tabla 37 Datos extraídos de los mapas conceptuales realizados por los alumnos mediante CmapTools
Antes del simulador
Después del simulador
en el árbol expansión en azul punteado
5 • niveles de jerarquía = 0
• No. ciclos = 0 • No. salidas desde concepto raíz
= 2 • No. ramificaciones (No. de
puntos con más de una salida, no ejemplos) = 0
• Mayor No. salidas desde un concepto = 1
• enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos
más distantes del árbol de expansión = 6
• No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde 3.
• Es su tercer mapa (Se le sugirieron cambios a dos anteriores)
• No hay palabras de enlaces !!!! • No hay direccionalidad !!!!
• niveles de jerarquía = realmente 2 Aparenta 6 niveles, pero no hay enlaces después del nivel 2
• No. ciclos = 1 • No. salidas desde concepto raíz
=1 • No. ramificaciones (No. de
puntos con más de una salida, no ejemplos) = 4
• mayor No. salidas desde un concepto = 2
• enlaces cruzados = 0 • No. ejemplos = 2 • No. enlaces entre los conceptos
más distantes del árbol expansión= 3
• No. conceptos en el nivel más ancho = 5 4.
• Concepto raíz en rojo • Concepto terminal más distante
del concepto raíz en verde • Enlace del ciclo no considerado
en el árbol expansión en azul punteado
6 • niveles de jerarquía = 0• No. ciclos = 0 • No. salidas desde concepto raíz = 1 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 1 • mayor No. salidas desde un concepto = 3 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos más distantes del árbol expansión= 4 • No. conceptos en el nivel más ancho = 3
• niveles de jerarquía = 6 • No. ciclos = 2 • No. salidas desde concepto raíz = 2 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto = 2 • enlaces cruzados = 0 • No. ejemplos =1 • No. enlaces entre los conceptos más distantes del árbol expansión= 6 • No. conceptos en el nivel más ancho = 2
244
Tabla 37 Datos extraídos de los mapas conceptuales realizados por los alumnos mediante CmapTools
Antes del simulador
Después del simulador
• Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
• Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde • Enlace del ciclo, no considerado en el árbol expansión en azul punteado
7 • niveles de jerarquía = 2• No. ciclos = 0 • No. salidas desde concepto raíz =3 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto = 4 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos más distantes del árbol expansión= 2 • No. conceptos en el nivel más ancho = 4 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
• niveles de jerarquía = 7 • No. ciclos = 0 • No. salidas desde concepto raíz = 1 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto (no ejemplos) = 1 • enlaces cruzados = 0 • No. ejemplos = 2 • No. enlaces entre los conceptos más distantes del árbol expansión= 7 • No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
8 • niveles de jerarquía = 4• No. ciclos = 0 • No. salidas desde concepto raíz = 3 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto (no ejemplos) = 3 • enlaces cruzados = 0 • No. ejemplos = 1 • No. enlaces entre los conceptos más distantes del árbol expansión= 4 • No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
• niveles de jerarquía = 5 • No. ciclos = 1 • No. salidas desde concepto raíz = 1 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto (no ejemplos) = 1 • enlaces cruzados = 0 • No. ejemplos = 2 • No. enlaces entre los conceptos más distantes del árbol expansión = 5 • No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde • Enlace del ciclo no considerado en el árbol expansión en azul punteado
9 • niveles de jerarquía = 4• No. ciclos = 0 • No. salidas desde concepto raíz = 3 • ramificaciones (No. de puntos con más de una salida, no ejemplos) = 2 • mayor No. salidas desde un concepto
• niveles de jerarquía = 5 • No. ciclos = 0 • No. salidas desde concepto raíz = 2 • ramificaciones (No. de puntos con más de una salida, no ejemplos) = 3 • mayor No. salidas desde un concepto
245
Tabla 37 Datos extraídos de los mapas conceptuales realizados por los alumnos mediante CmapTools
Antes del simulador
Después del simulador
(no ejemplos) = 3 • enlaces cruzados = 0 • No. ejemplos = 1 • No. enlaces entre los conceptos más distantes del árbol expansión= 4 • No. conceptos en el nivel más ancho = 4 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
(no ejemplos) = 2• enlaces cruzados = 0 • No. ejemplos = 4 • No. enlaces entre los conceptos más distantes del árbol expansión= 5 • No. conceptos en el nivel más ancho = 6 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
10 • niveles de jerarquía = 2• No. ciclos = 0 • No. salidas desde concepto raíz = 1 • ramificaciones (No. de puntos con más de una salida, no ejemplos) = 1 • mayor No. salidas desde un concepto (no ejemplos) = 1 • enlaces cruzados = 0 • No. ejemplos = 2 • No. enlaces entre los conceptos más distantes del árbol expansión= 2 • No. conceptos en el nivel más ancho = 4 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
• niveles de jerarquía = 6 • No. ciclos = 0 • No. salidas desde concepto raíz = 1 • ramificaciones (No. de puntos con más de una salida, no ejemplos) = 3 • mayor No. salidas desde un concepto (no ejemplos) = 1 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos más distantes del árbol expansión= 6 • No. conceptos en el nivel más ancho = 5 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
11 • niveles de jerarquía = 7• No. ciclos = 0 • No. salidas desde concepto raíz = 3 • ramificaciones (No. de puntos con más de una salida, no ejemplos) = 1 • mayor No. salidas desde un concepto (no ejemplos) = 3 • enlaces cruzados = 0 • No. ejemplos = 0 • No. enlaces entre los conceptos más distantes del árbol expansión= 7 • No. conceptos en el nivel más ancho = 3 • Concepto raíz en rojo • Concepto terminal más distante del concepto raíz en verde
• niveles de jerarquía = 6 • No. ciclos = 1 • No. salidas desde concepto raíz = 3 • No. ramificaciones (No. de puntos con más de una salida, no ejemplos) = 3 • mayor No. salidas desde un concepto (no ejemplos) = 3 • enlaces cruzados = 1 • No. ejemplos = 2 • No. enlaces entre los conceptos más distantes del árbol expansión= 6 • No. conceptos en el nivel más ancho =4 • Concepto raíz � en rojo • Concepto terminal más distante del concepto raíz en verde • Enlace del ciclo no considerado en el árbol expansión en azul punteado
246
Tabla 38 Indicadores Ifenthaler (2006). Cálculos en libro de ExcelTM, no suministrado. (Datos recabados por el autor)
Robustez No. de subgráficos
Connectividad
promedio de
entradas/salidasen conceptos
Número de ciclos No. de conceptosvértice = concepto
Ruggedness (Connectedness)
Average degree of vertices
Number of cicles Vértices
Casos
MC Antes
del simula
dor
MC después
del simula dor
MC Antes
del simulad
or
MC después
del simula dor
MCAntes
del simulad
or
MCdespués
del simula
dor
MC Antes del
simula dor
MC después
del simula dor
MC Antes
del simula
dor
MC después
del simula dor
1 1 1 1 1 0.88 1.00 0 1 8 10 2 2 1 0 1 0.91 0.68 0 0 27 30 3 1 1 1 1 0.87 0.74 0 0 19 31 4 1 1 1 1 0.92 0.98 0 1 13 24 5 18 8 0 0 0.86 0.88 0 1 18 16 6 7 1 0 1 0.86 1.06 0 2 7 9 7 1 1 1 1 0.88 0.83 0 0 8 15 8 1 1 1 1 0.80 0.90 0 1 10 10 9 1 1 1 1 0.85 0.83 0 0 10 18 10 1 1 1 1 0.72 0.72 0 0 9 18 11 1 1 1 1 0.94 1.00 0 1 16 17
247
Tabla 39 Índice SMD tecnologies (Ifenthaler 2009). Cálculos en libro de ExcelTM, no suministrado. (Datos recabados por el autor)
Estructura Superficie Estructura gráfica Coincidencias de conceptos
Surface structure
Graphical structure
Vertex matching
Casos MC
Antes del simulador
MC después del simulador
MC Antes del simulador
MC después del simulador
MC Antes del simulador
MC después del simulador
1 7 10 4 6 3 10 2 25 29 4 6 9 23 3 18 30 14 10 10 18 4 12 24 8 14 8 18 5 0 8 0 2 5 6 6 0 10 0 6 2 8 7 7 14 2 7 2 10 8 9 10 4 5 4 8 9 9 17 4 5 6 12 10 8 17 2 6 4 15 11 15 17 7 6 10 11
248
Tabla 40 Índice Novak Y Gowin (1998). Cálculos en libro de ExcelTM, no suministrado. (Datos recabados por el autor) Casos No. de relaciones
válidas y precisas semánticamente
entre conceptos = grado de
correspondencia con el significado
aceptado
No. niveles jerárquicos o de inclusividad en función de una
temática
(Diferenciación Progresiva)
No. relaciones cruzadas
Relaciones entre distintas ramas
del mapa
Reconciliación Integradora
No. ejemplos válidos
Grado de correspondencia con lo aceptado
Puntuación
MC Antes simu lador
MC Después
simulador
MC Antes simu lador
MCDespués
simulador
MCAntes simu lador
MCDespués
simulador
MCAntes simu lador
MC Después
simulador
MC Antes simu lador
MCDespués
simulador
1 3.50 7.00 4 6 0 0 1 0 24.5 37
2 19.75 29.00 9 6 0 0 4 0 68.75 59
3 15.25 28.50 14 10 0 0 0 2 85.25 80.5
4 11.75 23.00 8 14 0 0 0 0 51.75 93
5 0.00 5.50 0 2 0 0 0 2 0 17.5
6 0.00 9.50 0 6 0 0 0 1 0 40.5
7 5.50 9.25 2 7 0 0 0 2 15.5 46.25
8 8.25 10.00 4 5 0 0 1 2 29.25 37
9 8.00 14.25 4 5 0 0 1 4 29 43.25
10 7.00 14.25 2 6 0 0 2 0 19 44.25
11 14.50 13.50 7 6 0 1 0 2 49.5 55.5
249
Tabla 41 Evaluación realizada por los alumnos del simulador mediante plantilla Marqués (2004) LC-9.1 Datos analizados en el software SPSS. Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 N/A = 0
Casos preg1evaluación simulador funcional
preg2 evaluaciónsimulador funcional
preg3evaluaciónsimuladorfuncional
preg4evaluaciónsimuladorfuncional
preg5evaluaciónsimuladorfuncional
preg6 evaluación simulador funcional
preg7evaluaciónsimulador funcional
1 4 4 3 3 4 1 2 2 2 4 2 4 4 1 2 3 3 3 3 4 4 1 4 4 2 3 2 4 2 1 3 5 3 3 4 4 3 1 2 6 3 4 2 3 2 1 0 7 3 3 4 4 2 1 3 8 4 3 3 0 4 1 4 9 4 4 3 4 4 1 3 10 4 3 3 3 3 1 4 11 4 4 3 3 2 1 4
Tabla 42 Evaluación realizada por los alumnos simulador mediante plantilla Marqués (2004) LC-9.1 Datos analizados en el software SPSS. Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 N/A = 0
Casos preg8 evaluación simulador funcional
preg9 evaluaciónsimulador funcional
preg10evaluaciónsimuladorfuncional
preg11evaluaciónsimuladorfuncional
preg12evaluaciónsimuladorfuncional
preg13 evaluación simulador técnicos estéticos
preg14 evaluaciónsimuladortécnicos estéticos
1 3 2 3 2 2 3 4 2 2 4 0 0 4 2 4 3 4 4 4 4 0 4 4 4 2 2 2 3 4 3 2 5 2 3 4 0 4 3 4 6 3 3 4 4 4 4 4 7 3 2 2 3 4 3 3 8 4 4 3 3 2 4 4 9 3 4 4 3 4 4 3
10 3 4 4 3 4 4 4 11 3 4 3 2 4 3 3
250
Tabla 43 Evaluación realizada por los alumnos al simulador mediante plantilla (2004) LC-9.1 Datos analizados en el software SPSS. Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 N/A = 0
Casos preg15 evaluación simulador técnicos estéticos
preg16 evaluaciónsimuladortécnicos estéticos
preg17evaluaciónsimuladortécnicos estéticos
preg18evaluaciónsimuladortécnicos estéticos
preg19evaluaciónsimuladortécnicos estéticos
preg20 evaluación simulador técnicos estéticos
preg21evaluaciónsimulador pedagógico
1 3 4 4 3 3 4 3 2 4 2 2 3 4 3 2 3 4 2 4 4 4 4 4 4 3 2 2 4 4 3 3 5 4 3 3 4 4 4 3 6 4 3 3 4 3 4 3 7 4 2 2 4 4 4 2 8 3 3 4 4 4 4 4 9 4 4 3 3 4 4 3 10 4 3 3 4 3 4 4 11 2 3 4 3 3 3 3
Tabla 44 Evaluación realizada por los alumnos al simulador mediante plantilla Marqués (2004) LC-9.1 Datos analizados en el software SPSS. Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 N/A = 0 Casos preg22
evaluación simulador pedagógico
preg23evaluación simulador pedagógico
preg24evaluación simulador pedagógico
preg25evaluación simulador pedagógico
preg26evaluación simulador pedagógico
preg27 evaluación simulador pedagógico
1 4 2 4 4 4 4 2 2 3 0 4 0 0 3 4 4 2 4 4 4 4 2 2 3 3 3 3 5 3 4 4 4 3 4 6 3 3 3 4 3 3 7 3 3 3 2 3 3 8 3 3 3 2 3 4 9 4 3 3 4 4 3 10 3 3 4 4 4 4 11 3 3 4 3 3 4
251
Tabla 45 Evaluación realizada por los alumnos al simulador mediante plantilla Marqués (2004) LC-9.1 Datos analizados en el software SPSS. Excelente = 4 ; alta = 3 ; correcta = 2 ; baja = 1 N/A = 0
Casos preg28 evaluación simulador pedagógico
preg29evaluación simulador pedagógico
preg30evaluación simulador pedagógico
preg31 evaluación simulador pedagógico
1 4 3 3 3 2 0 2 2 0 3 2 4 4 4 4 3 3 3 2 5 3 4 4 3 6 3 2 4 3 7 3 3 4 3 8 2 4 4 0 9 3 4 4 0 10 4 3 3 4 11 3 3 4 3
252
Tabla 46 Representación de los indicadores en sus categorías correspondientes. Se utilizó el Software SPSSTM para la categorización. (Datos recabados por el autor).
Evaluación del simulador por los alumnos. Posterior a su uso. Variables categorizadas
Casos/ alumnos
Escala evaluación aspectos técnicos y estéticos del simulador
Escala evaluación aspectos funcionales
simulador
Escala evaluación aspectos pedagógicos
simulador 1 Excelente cumplimiento
requisitos técnicos y estéticos ( 3 < valores <= 4
Funcionalidad muy alta ( 2 < valores <= 3)
Excelente cumplimiento de los objetivos educativos (3 < valores <= 4)
2 Muy alto cumplimiento requerimientos técnicos y
estéticos ( 2 < valores <= 3
Funcionalidad muy alta ( 2 < valores <= 3)
Aceptable cumplimiento
(1 < valores <= 2 )
3 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad excelente
(3 < valores <=4
Excelente cumplimiento
(3 < valores <= 4)
4 Muy alto cumplimiento requerimientos técnicos y
estéticos ( 2 < valores <= 3
Funcionalidad muy alta ( 2 < valores <= 3)
Muy alto cumplimiento (2 < valores <= 3 )
5 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad muy alta ( 2 < valores <= 3)
Excelente cumplimiento
(3 < valores <= 4)
6 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad muy alta ( 2 < valores <= 3)
Excelente cumplimiento
(3 < valores <= 4)
7 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad muy alta ( 2 < valores <= 3)
Muy alto cumplimiento objetivos educativos (2 < valores <= 3 )
8 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad muy alta ( 2 < valores <= 3)
Muy alto cumplimiento (2 < valores <= 3 )
9 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad excelente
(3 < valores <=4
Excelente cumplimiento
(3 < valores <= 4)
10 Excelente cumplimiento requisitos técnicos y estéticos
( 3 < valores <= 4
Funcionalidad excelente
(3 < valores <=4
Excelente cumplimiento
(3 < valores <= 4)
11 Muy alto cumplimiento requerimientos técnicos y
estéticos ( 2 < valores <= 3
Funcionalidad excelente
(3 < valores <=4
Excelente cumplimiento
(3 < valores <= 4)
253
Tabla 47 Respuestas a cuestionario Ex profeso/rasgos E-1.1 1= totalmente en desacuerdo ; 2 = neutral ; 3 = totalmente de acuerdo (Escala para las instruccionesLa escala para evaluar los ítems con dirección negativa es: 1 = totalmente de acuerdo ; 3 = totalmente en desacuerdo ; 0 = neutral ítems (-) 1, 3, 4, 5, 8
Casos Índice académi co acumu lado
preg1 predisposiciónsignificativa meta_externa
preg2predisposiciónreto abordable
preg3predisposiciónfracaso no Controlable
preg4predisposic. fracaso por Profesor
preg5 predisposiciónfracaso no Controlable
1 76.0 3 3 3 0 3 2 68.0 3 3 1 3 3 3 82.6 3 3 3 3 3 4 82.6 3 3 0 3 3 5 77.9 3 3 0 3 3 6 73.9 3 3 1 1 1 7 86.8 3 3 3 0 3 8 79.0 3 3 0 3 3 9 74.0 3 3 0 3 3 10 74.0 3 1 1 3 3 11 85.9 3 3 3 3 3
Tabla 48 Respuestas a cuestionario Ex profeso/ rasgos
1= totalmente en desacuerdo ; 2 = neutral ; 3 = totalmente de acuerdo (Escala para las instruccionesLa escala para evaluar los ítems con dirección negativa es: 1 = totalmente de acuerdo ; 3 = totalmente en desacuerdo ; 0 = neutral ítems (-) 1, 3, 4, 5, 8
Casos preg6 predisposición tarea_preferida aprender
preg7 predisposición investiga
preg8predisposición éxito memorización
preg9predisposición tarea_meta como Hacerlo
preg10 predisposición centrado_proceso
1 3 3 1 0 3 2 3 3 1 0 3 3 3 3 1 3 1 4 3 3 1 3 3 5 3 3 1 0 3 6 3 3 1 3 3 7 3 3 1 3 3 8 1 3 1 3 3 9 3 3 0 0 0 10 3 3 1 3 3 11 3 3 1 3 3
254
Tabla 49 Datos observación de los alumnos mediante Lista de control FO-1.1 Análisis de los datos con el software SPSS
Casos preg1_guia observación disciplina
preg2_guiaobservación disciplina
preg3_guiaobservación disciplina
preg4_guiaobservación disciplina
preg5_guia observación disciplina
1 2 5 2 0 5 2 4 5 2 0 5 3 4 5 4 0 5 4 2 5 5 0 5 5 4 5 5 0 5 6 2 5 2 0 5 7 5 5 5 0 5 8 5 5 5 0 5 9 1 5 1 0 5 10 5 5 5 0 5 11 5 5 5 0 5
Tabla 50 Datos observación de los alumnos mediante Lista de control FO-1.1 Análisis de los datos con el software SPSS
Casos preg6_guia observación disciplina
preg7_guiaobservaciónrelación compañeros
preg8_guiaobservaciónrelación compañeros
preg9_guiaobservaciónrelación compañeros
preg10_guia observación relación compañeros
preg11_guiaobservación atención_ exposiciones
1 4 5 5 5 5 5 2 4 5 5 5 0 5 3 4 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 2 5 6 4 5 4 5 0 4 7 5 5 5 5 5 5 8 5 5 5 5 4 5 9 4 5 2 5 2 2
10 5 5 5 5 2 5 11 5 5 5 5 5 5
255
Tabla 51 Datos observación de los alumnos mediante Lista de control FO-1.1 Análisis de los datos con el software SPSS
Casos preg12_guia observación atención exposiciones
preg13_guiaobservación atención exposiciones
preg14_guiaobservación atención exposiciones
preg15_guia observación atención exposiciones
preg16_guiaobservación interés_clases
1 5 5 5 5 5 2 5 2 0 1 0 3 5 5 5 5 5 4 5 5 5 5 5 5 5 2 4 2 0 6 4 4 4 4 5 7 5 5 5 5 5 8 5 5 5 5 5 9 2 4 4 4 5 10 5 2 5 2 5 11 5 5 5 5 5
Tabla 52 Datos observación de los alumnos mediante Lista de control FO-1.1 Análisis de los datos con el software SPSS
Casos preg17_guia observación interés_clases
preg18_guiaobservación interés_clases
preg19_guiaobservación interés_clases
preg20_guia observación interés_clases
preg21_guiaobservación participación clases
1 5 5 5 5 5 2 4 4 4 1 2 3 5 5 5 5 5 4 5 5 5 5 5 5 4 4 4 0 2 6 4 2 5 5 5 7 5 5 5 5 5 8 5 5 5 5 5 9 4 4 5 5 5 10 5 5 5 2 2 11 5 5 5 5 5
256
Tabla 53 Datos observación de los alumnos mediante Lista de control FO-1.1 Análisis de los datos con el software SPSS
Casos preg22_guiaobservación participación clases
preg23_guiaobservación participación clases
preg24_guiaobservación participación clases
preg25_guia observación participación clases
1 5 5 5 5 2 5 0 5 0 3 5 5 5 5 4 5 5 5 5 5 5 0 5 0 6 4 4 4 4 7 5 5 5 5 8 5 4 5 4 9 2 2 2 2
10 5 2 5 2 11 5 5 5 5
Tabla 54 Respuestas codificadas en el cuestionario Likert E-1.2 1 = fuertemente en desacuerdo ; 2 = en desacuerdo ; 3 = de acuerdo 4 = fuertemente de acuerdo0 = N/I ( no hay información disponible) Los ítems con dirección de negación se valoran con las escala inversa ( ítems 2, 3, 4, 5, 7, 12, 14, 15)
Casos Índice académico acumulado
LikertAmbiente
preg1Likert
cohesión
preg2Likert
fricción
preg3_Likert orientación meta
preg4_Likertfavoritismo
1 76.0 2.9 4 3 2 3 2 68.0 2.7 3 3 3 1 3 82.6 3.4 4 3 4 4 4 82.6 2.9 4 4 2 2 5 77.9 3.2 4 4 2 4 6 73.9 2.7 4 3 1 4 7 86.8 3.2 4 3 3 4 8 79.0 2.9 2 3 3 4 9 74.0 3.4 3 3 3 3
10 74.0 3.4 3 4 4 4 11 85.9 3.6 4 3 3 4
257
Tabla 55 Continuación Respuestas codificadas en el cuestionario Likert
1 = fuertemente en desacuerdo ; 2 = en desacuerdo ; 3 = de acuerdo 4 = fuertemente de acuerdo ; 0 = N/I ( no hay información disponible) Los ítems con dirección de negación se valoran con escala inversa ( ítems 2, 3, 4, 5, 7, 12, 14, 15)
Casos preg5 Likert exclusión
preg6 _Likert satisfacción
preg7Likert desorganización
preg8Likert interdependencia
preg9Likert democracia
preg10 Likert cooperación competencia
1 4 3 4 2 4 3 2 3 3 3 2 3 2 3 4 3 4 4 3 3 4 2 4 3 3 3 3 5 3 3 3 3 3 3 6 2 3 3 2 3 4 7 4 4 3 3 4 3 8 2 3 3 2 3 2 9 4 4 3 4 3 4 10 4 3 4 3 3 3 11 2 4 4 4 4 4
Tabla 56 Continuación respuestas codificadas en el cuestionario Likert
1 = fuertemente en desacuerdo ; 2 = en desacuerdo ; 3 = de acuerdo 4 = fuertemente de acuerdo ; 0 = N/I ( no hay información disponible) Los ítems con dirección de negación se valoran con la escala inversa (ítems 2, 3, 4, 5, 7, 12, 14, 15)
Casos preg11 Likert facilidades
preg12 Likert fricción
preg13Likert democracia liderazgo
preg14Likert competencia
preg15Likert desorganización
preg16 Likert diversidad
1 2 3 3 2 3 1 2 2 4 2 3 3 3 3 3 4 2 2 4 3 4 2 3 3 2 3 3 5 3 4 4 1 4 3 6 3 2 3 1 3 2 7 2 4 2 2 4 2 8 3 4 4 2 3 3 9 3 4 2 3 4 4 10 3 4 3 4 4 1 11 2 4 4 3 4 4
258
Tabla 57 Respuestas cuestionario KPSI/rasgo
1 = no lo sé ; 2 = lo sé un poco ; 3 = lo sé bien ; 4 = lo sé bastante bien ; 5 = lo podría explicar a otra persona Escala en las instrucciones Todos los ítems tienen dirección positiva (favorecen el rasgo evaluado)
Casos preg1_KPSI metacognición motivación
preg2_KPSImetacogniciónpreferencias
preg3_KPSImetacognición estrategia apoyo
preg4_KPSI metacognición estrategia apoyo
preg5_KPSImetacogniciónpreferencias
1 4 3 4 5 3 2 4 5 2 3 3 3 5 5 5 3 3 4 3 3 3 3 3 5 3 3 4 3 4 6 3 3 4 2 3 7 3 2 4 3 3 8 4 4 3 3 3 9 3 3 3 3 3 10 4 4 3 3 4 11 5 4 4 4 3
Tabla 58 Continuación respuestas cuestionario KPSI/rasgo 1 = no lo sé ; 2 = lo sé un poco ; 3 = lo sé bien ; 4 = lo sé bastante bien ; 5 = lo podría explicar a otra persona Escala en las instrucciones Todos los ítems tienen dirección positiva (favorecen el rasgo evaluado) Casos preg6_KPSI
metacognición atribución desempeño
preg7_KPSImetacognición naturaleza tareas
preg8_KPSImetacognición estrategia apoyo
preg9_KPSImetacognición demandas_tareas
preg10_KPSImetacogniciónmetas
1 4 4 2 2 4 2 3 3 2 2 3 3 2 5 3 2 3 4 4 4 2 3 4 5 2 4 2 2 4 6 4 3 2 4 5 7 2 3 3 5 5 8 3 3 3 5 3 9 4 4 3 3 3 10 3 4 3 4 4 11 3 4 4 4 4
259
Apéndice G: Glosario
Aprendizaje significativo: Ideas expresadas simbólicamente son relacionadas de
modo no arbitrario, sino sustancial (no al pie de la letra) con lo que el alumno ya sabe,
<señaladamente> con algún aspecto esencial de su estructura de conocimientos
(Ausubel, 1976, p. 56)
Cognoscitivo: Que es capaz de conocer. Potencia cognoscitiva (Diccionario en
línea de la Real Academia de la Lengua Española, Vigésimo segunda edición)
Cognitivo: Perteneciente o relativo al conocimiento (Diccionario en línea de la
Real Academia de la Lengua Española, Vigésimo segunda edición)
Conocimientos declarativos: El saber que, competencia referida al conocimiento
de datos, hechos, conceptos y principios (Díaz-Barriga et al., 2002, p. 52)
Conocimientos procedimentales: El saber hacer es aquel conocimiento que se
refiere a la ejecución de procedimientos, estrategias, técnicas, habilidades, destreza,
métodos,, etc. Basado en la realización de acciones u operaciones (Díaz-Barriga et al.,
2002, p. 54)
Cuestionario KPSI: Es un formulario de conceptos o procedimientos que sirve
para obtener información sobre lo que los alumnos piensan que saben en relación a
contenidos que los profesores les proponen (Díaz-Barriga et al., 2002, p. 400).
Desarrollo cognoscitivo: Progreso en los esquemas mentales o estructura
cognitiva, generado por la asimilación del nuevo conocimiento, estimulado por factores
internos de motivación del aprendiz y sustentado en la evolución de sus procesos
260
mentales. Enfoque adoptado en esta investigación, relativo al aprendizaje significativo,
de Ausubel (1976)
Diseño de la investigación: Es el plan o estrategia concebida para obtener la
información que se desea en una investigación. Procedimientos, actividades tendentes a
buscar la respuesta de la pregunta de investigación (Hernández et al., 2010, p. 120).
Eficacia: Capacidad de alcanzar los resultados de calidad independientemente de
los medios que se utilicen, de acuerdo con las metas y objetivos propuestos, y con los
estándares de calidad definidos (UNESCO, 2006)
Enfoque: conjunto de procesos sistemáticos, críticos y empíricos que se aplican al
estudio de un fenómeno o evento que pueden ser secuenciales y probatorios de hipótesis
en base a mediciones numéricas y análisis estadístico (enfoque cuantitativo) o por el
contrario los procesos sistemáticos, críticos y empíricos no siguen necesariamente una
secuencia y utilizan la recolección de datos sin medición numérica para descubrir o
afinar preguntas de investigación en el proceso de investigación (Hernández et al., 2010,
p. 4, 6)
Entrevista focalizada. (Gurdián, 2010, p. 199) ) permite esclarecer experiencias
subjetivas desde el punto de vista de los mismos actores. De acuerdo con Sierra y
Galindo (1998 y 1998 respectivamente, citados por Gurdián, 2010) este tipo de
entrevista se define como no directiva, abierta, no estandarizada, no estructurada, que
sigue un modelo conversacional, que debe superar las visión de un intercambio formal
de preguntas y respuestas. Lo que busca la entrevista es emular un diálogo entre iguales.
Escala de Calificación: Las escalas de calificación presentan un conjunto de
características o cualidades por juzgar para indicar el grado hasta el cual se halla
261
presente cada atributo, deben construirse de acuerdo con los productos de aprendizaje
por evaluar y su uso debe confinarse a aquellas áreas en las que hay suficiente
oportunidad de hacer las observaciones necesarias (UNESCO, 2006)
Escala Ex profeso: Esta escala numérica se utiliza para valorar las actitudes hacia
conocimientos científicos. Totalmente en desacuerdo (5); Parcialmente en desacuerdo
(4); Indeciso (3); Parcialmente en desacuerdo (2); Totalmente en desacuerdo (1) (Díaz-
Barriga et al., 2002, p. 419, 421)
Escala tipo Likert: En esta escala se presentan los niveles de respuestas posibles:
1. Fuertemente en desacuerdo; 2. En desacuerdo ; 3. Fuertemente de acuerdo; 4. De
acuerdo (Díaz-Barriga et al., 2002, p. 131)
Espectrometría de masas: Método de análisis químico utilizado para identificar y
cuantificar componentes de muestras complejas a partir de su espectro de masas. El
espectro es generado por los fragmentos iónicos del compuesto, los cuales a su vez son
producidos por el impacto de una fuente muy energética sobre el compuesto, este último
es previamente separado de la mezcla mediante una columna cromatográfica. Un
compuesto siempre produce el mismo patrón de fraccionamiento iónico. (Skoog, Holler,
& Crowch, 2008).
Espectrómetro de masas GC/MS: Es un equipo diseñado para identificar y
cuantificar compuestos de una mezcla por espectrometría de masas (MS), a partir de su
espectro de masas generado por el impacto de una fuente de energía sobre la fracción de
la muestra eluída por una columna de un cromatógrafo de gases (Skoog, Holler, &
Crowch, 2008).
262
Estructura cognitiva: estructura del conocimiento, equivalente a estructura del
pensamiento. Esquemas mentales en torno a un dominio del conocimiento.
Experimento: Estudio en el que se manipulan intencionalmente una o más
variables independientes, para analizar las consecuencias que la manipulación tiene
sobre una o más variable dependientes, dentro de una situación de control para el
investigador (Hernández et al., 2010, p. 121)
Lista de Control: Están diseñados para estimar la presencia o ausencia de una serie
de características o atributos relevantes en la ejecución, o en el producto realizado por
los alumnos, también se utilizan en la evaluación de un instrumento (Díaz-Barriga et al.,
2002, p. 392)
Mapas conceptuales: Son herramientas gráficas para organizar y representar el
pensamiento de manera que nos permiten visualizar ideas y conceptos y las relaciones
jerárquicas entre las mismas (Novak y Cañas, 2006, p. 1)
Modelo didáctico: diseño instrucional, equivalente al entorno didáctico, plan
estructurado para configurar un currículo, diseñar materiales y en general, orientar la
enseñanza (Sierra, 2004, p. 8)
Muestra en estudios Cualitativos: De acuerdo a Hernández, Fernández y Batista
(2010), para el enfoque cualitativo, la muestra es una unidad de análisis o un grupo de
personas, contextos, eventos, sucesos, comunidades, etcétera, con la cual se habrán de
recolectar datos. Este tipo de muestras no tiene una carácter representativo del universo
o población que se estudia.
263
Observación: Técnica de recopilación de datos que permite evaluar los aspectos
del desarrollo del proceso de aprendizaje, proveyendo información complementaria para
emitir un juicio de valor (UNESCO, 2006).
Propedéutica: Enseñanza preparatoria para el estudio de una disciplina.
(Diccionario en línea de la Real Academia de la Lengua Española , Vigésimo segunda
edición).
Rúbrica: Guía de puntajes que permiten describir el grado en el cual un aprendiz
está ejecutando n proceso o un producto. Están basadas en criterios de desempeños
claros y coherentes.
Significatividad del aprendizaje: definido como “el resultado de la interacción de
los conocimientos del que aprende y la nueva información que va a aprenderse”
(Ausubel, 2000)
Simulación: Es una forma de abordar el estudio de cualquier sistema dinámico real
en el que sea factible poder contar con un modelo de comportamiento y en el que se
puedan distinguir las variables y parámetros que lo caracterizan. (Ruiz , 1999)
SISO: Simulation Interoperability Standards Organization (SISO) es el
organismo que formula los estándares concernientes a la tecnología de simulación. Esta
organización define el software de simulación como “un como un conjunto de
instrucciones (software) que se ejecuta sobre un ordenador (hardware) con el fin de
imitar (de manera más o menos realista) el comportamiento de un sistema físico
(máquina, proceso, etc.)”.
264
Tabla 59 Abreviaturas utilizadas en los instrumentos de evaluación de los indicadores Abreviaturas Descripcción EM/MS Espectrometría de masas (Siglas en español/inglés) A(número) Actividad y número de orden de la actividad Ejemplo : A-1, A-2 FO Ficha de observación (Instrumento) E Escala (Instrumento) C Cuestionario (Instrumento) LC Lista control (Instrumento) Ru Rúbrica acompaña otros instrumentos para enfocar la valoración hacia
aspectos relevantes En Entrevista (Instrumento) MC Mapa conceptual (Instrumento y Documento al mismo tiempo)
265
Apéndice H: Fotografías en el desarrollo de la investigación
Fotografía 1. Durante la actividad en el simulador
Fotografía 2. Durante la actividad en el simulador
266
Fotografía 3. Visita al Laboratorio Veterinario Central (LAVECEN). Equipo GC/MS
267
Fotografía 4. Instructora trabajando en el equipo GC/MS en el LAVECEN
268
Fotografía 5. Laboratorio Veterinario Central (LAVECEN)
Fotografía 6. Laboratorio Veterinario Central ( LAVECEN)
269
Fotografía 7. Una de las entrevistas