Capitulo 5

LA ENSEANZA DE LA PROBABILIDAD. UN
PROBLEMA PENDIENTE
1.- REVISIN DE CUESTIONES POLMICAS EN LA ENSEANZA DE
LAS PROBABILIDADES
"...Y, sin embargo, se puede ensear ciencia". As titulaba Pozo
(1987b, p.19! un artculo "ue cerraba un estudio monogr#$co sobre el
cambio conceptual % enseanza de las ciencias % cu%o primer p#rra&o
no nos resistimos a transcribir'
(l cuadro "ue o&recen en con)unto las in*estigaciones sobre
la comprensi+n % el aprendiza)e de la ciencia por los
adolescentes puede parecer desolador a m#s de un lector'
los alumnos tienen serios problemas para aplicar
correctamente estrategias de pensamiento &ormal a tareas
cient$cas, aun"ue logren razonar &ormalmente eso no les
asegura la comprensi+n de los conceptos implicados,
adem#s esa comprensi+n se *e obstaculizada por la
e-istencia de concepciones espont#neas mu% persistentes,
reacias al cambio %, por si esto &uera poco, decididamente
contrarias a los conceptos "ue se les pretende ensear, as,
la simple e-posici+n a esos conceptos no es su$ciente para
"ue los comprendan... pero tampoco pueden
.abitualmente descubrirlos por s mismos, se .ace
necesario disear unidades did#cticas "ue al tiempo "ue
e-pongan los conceptos cient$cos b#sicos induzcan un
aprendiza)e acti*o en los alumnos...pero esas unidades no
siempre tienen /-ito... (n de$niti*a, tal *ez ese pro&esor
pesimista pueda .aber llegado a la conclusi+n de "ue la
enseanza de la ciencia no es %a contraintuiti*a sino
literalmente contra natura ...Y, sin embargo, nosotros
pensamos "ue se puede ensear ciencia a los
adolescentes.
0i .emos recogido esta cita tan larga, es por"ue describe de
manera brillante un escenario "ue, aun"ue representa el panorama de
la enseanza de las ciencias e-perimentales, se a)usta con precisi+n a
lo "ue ocurre en el campo de la enseanza de las probabilidades % en
general, en la enseanza de las matem#ticas. (l &racaso en esta
disciplina se .a instituido como natural en nuestras aulas % la
enseanza de las probabilidades % estadstica se relega % muc.as
*eces ni si"uiera se intenta a pesar de $gurar en los programas
o$ciales (1arpenter, 1989, 2e3eres, 1988!.
4a% unas cuantas cuestiones en relaci+n a la enseanza de las
probabilidades "ue aparecen sistem#ticamente en la literatura (Austin,
1975, 3auers&eld, 1991, 3entz, 1986, 0.ulte, 1981!' el problema del
car#cter poli/drico del concepto de probabilidad, el problema del
currculo probabilstico, el problema de las concepciones probabilsticas
% el papel de los pro&esores, el problema de los m/todos de enseanza7
aprendiza)e % el papel del ordenador en la enseanza de las
probabilidades. Analicemos bre*emente cada una de estas cuestiones.
1.1.EL PROBLEMA DE LA NATURALEZA POLIDRICA DE LA
PROBABILIDAD
2ado el car#cter multi&ac/tico de la probabilidad es mu% di&cil
"ue los alumnos puedan comprender las nociones probabilsticas desde
un en&o"ue a-iom#tico puro. 2iscutiremos los cuatro en&o"ues de la
naturaleza de la probabilidad rele*antes para las matem#ticas
escolares' cl#sico, &recuencialista, sub)eti*ista % estructural.
Enfoque c!"#co' de acuerdo a 8aplace la probabilidad de un
suceso se obtiene mediante la proporci+n de resultados &a*orables a
este suceso en el espacio muestral, este en&o"ue asume la
e"uiprobabilidad de todos los resultados simples del espacio muestral.
8os matem#ticos llaman a esta asignaci+n de probabilidades una
distribuci+n de probabilidad uni&orme. (s un en&o"ue a priori de la
probabilidad "ue permite el c#lculo de probabilidades antes de realizar
pruebas aleatorias. 8a probabilidad geom/trica est# mu% relacionada
con este en&o"ue % reduce la probabilidad a c#lculo de #reas.
(n el momento de la aplicaci+n de este en&o"ue a un
e-perimento aleatorio real, nos en&rentamos con el problema de decidir
cu#les son los resultados simples "ue son igualmente probables. 8a
e-istencia de simetra en el e-perimento &sico, "ue permite aplicar el
principio de raz+n insu$ciente de 8aplace, es una gua poco $rme para
a%udar en este problema, entre otras cosas, por"ue el mismo
e-perimento &sico puede re*elar di&erentes simetras lo "ue supone el
problema de decidir entre ellas. 9ecordemos, por e)emplo, "ue en la
e-periencia aleatoria del lanzamiento de dos dados se proponen tres
modelos' :a-;ell73oltzmann, 3ose7(instein % <ermi72irac. =o cabe
duda de "ue debe encerrar muc.a en)undia psicol+gica el en&o"ue de
la e"uiprobabilidad por"ue una de nuestras principales industrias se
constru%e sobre esta idea' toda &orma popular de )uego, e-cepto
apuestas en conte-tos de &uerza o destreza, depende de aparatos
aleatorios tales como cartas per&ectamente bara)adas, dados
per&ectamente c>bicos o ruletas simetricamente di*ididas. ?ales
aparatos utilizan una simetra *isible para soportar la .ip+tesis de "ue
los elementos sim/tricos son igualmente probables.
Enfoque f$ecuenc#%#"&%' la probabilidad de un suceso se
obtiene o, m#s bien, se estima a partir de la &recuencia relati*a
obser*ada de ese suceso en ensa%os repetidos. (s un en&o"ue a
posteriori, e-perimental, basado en in&ormaci+n obtenida despu/s de
realizar ensa%os reales. 8a probabilidad es el lmite .acia el "ue tiende
la &recuencia relati*a, de este modo, el en&o"ue &recuencialista implica
la teora de lmites % la con*ergencia. Al aplicar esta de$nici+n, .a%
di$cultades ob*ias para de$nir lo "ue signi$ca @similar@ o @aleatoriedad@
%a "ue aparece la circularidad. Ancluso la noci+n de estabilizaci+n de las
&recuencias relati*as a largo plazo presenta di$cultades en relaci+n al
n>mero de ensa%os necesarios para lograr dic.a estabilidad.
1on esta concepci+n de la probabilidad, la ma%ora de
incertidumbres "ue e-perimentan los seres .umanos no se pueden
describir por medio de probabilidades, por e)emplo, "el 1 dgito
decimal de es un 7", ".a% m#s de 1B tel/&onos en ?egucigalpa
(4onduras!", etc. Adem#s puede ser bastante di&cil determinar si una
particular &recuencia relati*a es un estimador apropiado de una
probabilidad. (l lanzamiento de la moneda es el e)emplo de &recuencias
relati*as "ue *iene en los libros de te-to, pero c+mo se debera
lanzarlaC 8os sucesi*os lanzamientos se deberan realizar ba)o
condiciones "substancialmente id/nticas" pero no pueden ser
absolutamente id/nticas por"ue la moneda caera siempre del mismo
lado. 1u#nta *ariaci+n es permisible en el procedimiento de
lanzamiento de una moneda, de una tirada a la siguienteC 8a posici+n
&recuencialista casi nunca lle*ara a estimar "ue la probabilidad de
conseguir caras es 1DE. (n e&ecto, en cual"uier secuencia de
lanzamientos razonablemente larga pero $nita, la &recuencia relati*a de
caras casi nunca ser# 1DE, adem#s, *ariar# de una ocasi+n a otra. 8a
me)or estimaci+n &recuencialista de una probabilidad es la &recuencia
relati*a obser*ada, por tanto los &recuencialistas deben admitir
estimaciones como B1BD1 o BED1, al menos "ue sean
bastante sensatos para no recurrir a &recuencias relati*as cuando
tengan una base me)or para el )uicio probabilstico, por e)emplo, la
simetra de la moneda.
Enfoque "u'(e&#)#"&%' representa el tipo de probabilidad "ue en
el 9enacimiento se cali$caba como opini+n o grado de creencia. (n este
en&o"ue, las probabilidades son e*aluaciones de situaciones "ue son
in.erentes a la mente del su)eto no a las caractersticas del mundo real
"ue nos rodea tal como se asume implcitamente en los dos primeros
en&o"ues. "8as probabilidades son grados personales de creencia
acerca de sucesos con incertidumbre" a$rman *on Finter&eldt %
(d;ards (198G, p.91!.
(l en&o"ue sub)eti*ista o personalista permite una discusi+n
signi$cati*a sobre la probabilidad tanto de un suceso >nico como de un
suceso repetible, la probabilidad de "ue salga cara en el siguiente
lanzamiento de una moneda, la probabilidad de "ue sea del P0H( el
siguiente presidente del gobierno espaol, la probabilidad de "ue el
siguiente beb/ nacido en determinada &amilia sea nio, todas esas
probabilidades son la misma clase de cantidad aun"ue *aran
ampliamente en el grado en "ue se pueden de$nir &recuencias relati*as
rele*antes. 2esde este en&o"ue, todas las incertidumbres se pueden
medir apropiadamente utilizando probabilidades. 0in embargo, no
todas las opiniones num/ricas acerca de resultados inciertos son
probabilidades, las opiniones, para ser tratadas como probabilidades
deben ser consistentes. Por e)emplo, sera tonto .acer una apuesta de
6 a E en cada uno de los dos caballos "ue participan en una carrera
por"ue se pierde dinero en cuanto "ue la ganancia de E en un caballo
no compensa la p/rdida de 6 en el otro. 8a co.erencia &ormaliza esta
idea b#sica de la "ue se puede deducir las le%es b#sicas de la
probabilidad.
(l en&o"ue sub)eti*o de la probabilidad no supone relati*ismo
cultural o cient$co en el sentido de "ue no implica "ue "tu con)etura es
tan buena como la ma". Aun"ue tu opini+n inicial sobre la &utura
conducta de una moneda o sobre cual"uier otra .ip+tesis incierta,
puede di&erir radicalmente de la de tus *ecinos (de a. *iene el nombre
de *$o'%'##+%+e" *e$"on%e"!, tu opini+n % la su%a se *er#n tan
trans&ormadas por una serie de obser*aciones rele*antes "ue llegar#n
a ser casi indistinguibles. (sta apro-imaci+n "ue surge de opiniones
inicialmente di*ergentes es una raz+n para considerar "ob)eti*as" las
in&erencias desde las &recuencias relati*as.
?odas las probabilidades son condicionadas para el en&o"ue
personalista. <ormalmente, se puede establecer una partici+n en
cual"uier con)unto de sucesos % una probabilidad es una medida
asignada a cada uno de los subcon)untos de la partici+n. Algunas *eces
la proposici+n a la "ue se asigna una probabilidad de$ne
completamente el con)unto de partida, por e)emplo' "esta bolsa
contiene B bolas ro)as % B azules, completamente mezcladas. Ino de
nosotros selecciona una, metiendo la mano en la bolsa a ciegas %
cogiendo la primera "ue encuentra. 0er# ro)a". 0in embargo, con ma%or
&recuencia, la proposici+n omite la ma%or parte de la in&ormaci+n "ue
especi$ca el con)unto de partida, por e)emplo' "la siguiente persona
"ue *er/ medir# al menos 1.7 cm". 8a posibilidad de "ue el enunciado
sea *erdad depende de cuestiones tales como d+nde esto% en este
momento % cu#l es la secuencia probable de sucesos "ue me lle*ar# a
*er a alguna persona' puedo estar en casa con mi mu)er e .i)os,
ninguno de los cuales llega a 1.7, puedo estar en un partido de
baloncesto 9eal :adrid73arcelona, en el primer caso la probabilidad de
"ue se cumpla el enunciado ser# mu% ba)a, en el segundo caso
aumenta esta probabilidad. 8a in&ormaci+n condicionante siempre
e-iste, independientemente de "ue sea e-plcita o implcita. Puesto "ue
las probabilidades modelan creencias u opiniones, el tipo m#s
importante de condicionamiento tiene "ue *er con la in&ormaci+n
disponible en el momento en "ue se e*al>a la probabilidad. 8as regla
&undamental para cambiar las probabilidades cuando se dispone de
nue*a in&ormaci+n es el teorema de 3a%es. (ste teorema es una
&ormalizaci+n matem#tica del proceso de aprendiza)e desde la
e-periencia. (l en&o"ue personalista de la probabilidad se llama con
&recuencia B%,e"#%no.
(l en&o"ue sub)eti*ista trata las &recuencias relati*as del siguiente
modo' una obser*aci+n es un tem de in&ormaci+n "ue cambia una
probabilidad. Adem#s, la naturaleza de ese cambio coincide
apro-imadamente con la preconizada por el en&o"ue &recuencialista.
1onsideremos, por e)emplo, el intento de estimar la probabilidad de
"ue una c.inc.eta, lanzada al aire, caiga de cabeza. 0i un
&recuencialista .a obser*ado "ue en = lanzamientos r *eces la
c.inc.eta .a cado de cabeza % = es un n>mero razonablemente
grande, estar# dispuesto a admitir "ue rD= es una buena estimaci+n de
la probabilidad pedida. Inos personalistas, como *on Finter&eldt %
(d;ards, pre&erir#n como estimaci+n (rJ1!D(=JE!, la cual, para = de
razonable tamao % r no demasiado pr+-imo a ni a =, es casi
indistinguible de rD=. 8a raz+n para la pre&erencia, e-plicada de modo
intuiti*o, se basa en el .ec.o de "ue %a conocemos algo acerca de la
c.inc.eta antes del primer lanzamiento' puede caer de cabeza o de
punta. Para = pe"ueo, r puede ser , en cu%o caso el estimador D=K
no parece mu% adecuado mientras el estimador 1D(=JE! al menos
admite "ue la c.inc.eta puede caer de cabeza.
(l en&o"ue sub)eti*ista de la probabilidad no .a &ormado parte de
la enseanza tradicional de la teora de probabilidades. 8a ma%ora de
los libros de te-to ensean las probabilidades "ue tienen "ue *er con
e-periencias aleatorias repetibles % "ue describen sucesos m#s "ue
opiniones acerca de proposiciones o enunciados.
Enfoque e"&$uc&u$%' la probabilidad &ormal es un concepto "ue
se de$ne por un sistema de a-iomas % el con)unto de de$niciones %
teoremas "ue se pueden deducir de esos a-iomas. Inas probabilidades
se deducen de otras probabilidades de acuerdo a teoremas
matem#ticos, sin )usti$caci+n para sus *alores num/ricos en ninguna
aplicaci+n. Para Lolmogoro* (197G!, la teora de la probabilidad, como
disciplina matem#tica "ue es, puede % debe ser desarrollada desde los
a-iomas, e-actamente igual "ue la geometra % el #lgebra. 0eg>n
3arnett (1976!, este en&o"ue estructural no clari$ca la naturaleza de la
probabilidad aun"ue los teoremas deducidos son un indicador de
posibles interpretaciones. 0in embargo, puede ser*ir como una
estructura te+rica para las dos principales concepciones de la
probabilidad, la ob)eti*ista % la sub)eti*ista. 8a posici+n ob)eti*ista
abarca los en&o"ues cl#sico % &recuencialista, seg>n esta perspecti*a, la
probabilidad es un tipo de disposici+n de ciertos sistemas &sicos "ue se
relaciona con &recuencias empricas. Algunos teoremas como las le%es
de los grandes n>meros, con$rman esta relaci+n. 8a posici+n
sub)eti*ista trata la probabilidad como un grado de con$anza en
proposiciones "ue e-presan incertidumbre. 8os a-iomas "ue se basan
en una conducta de apuestas "racional", como los de co.erencia %
consistencia, proporcionan reglas para asignar probabilidades.
(s notable "ue las teoras estructurales construidas sobre *arios
sistemas de a-iomas son id/nticas para ob)eti*istas % sub)eti*istas si se
apartan las *ariantes sub)eti*istas m#s radicales como la de de <inetti.
(sto signi$ca "ue posiciones competiti*as utilizan el mismo lengua)e
a-iom#tico con respecto a la sinta-is, naturalmente, la sem#ntica es
di&erente. A pesar de la e"ui*alencia &ormal de los en&o"ues, se
considera "ue los a-iomas de Lolmogoro* son una )usti$caci+n de la
posici+n ob)eti*ista, especialmente del modelo &recuencialista.(l
modelo estructural no a%uda a determinar un *alor para la
probabilidad. (n una aplicaci+n determinada .a% "ue elegir una
interpretaci+n espec$ca sub)eti*a u ob)eti*a para determinar el modelo
% las probabilidades in.erentes. <ilos+$camente, para el estructuralista
no .a% &orma de decidir "u/ modelo es me)or (9en%i, 197G!.
In e)emplo est#ndar de lanzar un dado azul determinado puede
a%udar a ilustrar las di&erentes posiciones te+ricas. (l modelo cl#sico
asigna una probabilidad de 1DG al suceso de conseguir un seis, por"ue
se puede asumir "ue .a% seis caras todas ellas igualmente probables.
(l modelo &recuencialista asigna una probabilidad realizando ensa%os
repetidos o asignando el mismo *alor para el dado azul cuando
e-periencias con otro dado .an producido un resultado de 1DG. (n
ambos modelos la probabilidad es una caracterstica in.erente del dado
% el procedimiento de lanzamiento. (l modelo sub)eti*ista a$rma "ue la
probabilidad es un constructo mental "ue se puede alterar si se dispone
de nue*a in&ormaci+n acerca del dado. Por e)emplo, se puede asignar
un *alor di&erente de 1DG si el dado es negro o m#s pesado o m#s
pe"ueo o est# sua*emente cincelado, por supuesto "ue se necesita
alguna base para tomar la decisi+n pero dado "ue no se considera la
probabilidad como in.erente al ob)eto, no implica ning>n problema
l+gico "ue .a%a *alores en conMicto. 2e .ec.o, la concepci+n
sub)eti*ista no rec.aza consideraciones de simetra o de &recuencias
relati*as, ambas son importantes para e*aluar probabilidades, pero
insiste en "ue las ideas de simetra o &recuencia .a% "ue .acerlas
e-plcitas % usarlas con cuidado.
I-*#c%c#one" e+uc%&#)%"' desgraciadamente, la tradici+n
dualstica de la noci+n de probabilidad "ue analizamos en el captulo 1,
toda*a permanece entre nosotros e inter$ere en los debates de
in*estigaci+n % en las estrategias did#cticas en un modo "ue
0.aug.ness% (199E! cali$ca de insidioso. (ste autor a$rma "ue el
.ec.o de "ue se discutan los di&erentes en&o"ues de probabilidad "ue
acabamos de describir no es un problema. 8o "ue es un problema es
"ue algunos in*estigadores .ablan de ello como una batalla a ganar,
como si .ubiese un >nico en&o"ue correcto de la probabilidad.
4a;Nins % Lapadia (1985! se inclinan por el en&o"ue sub)eti*ista
para abordar la enseanza de la probabilidad. =o aconse)an un en&o"ue
a priori por"ue empezar diciendo a los nios "ue cada resultado es
igualmente probable en determinadas situaciones aleatorias (en&o"ue
cl#sico!, no permite una trans&erencia natural % sua*e al estudio de
situaciones aleatorias con distribuciones no uni&ormes. ?ambi/n
rec.azan un en&o"ue &recuencialista por"ue esta perspecti*a implica,
en de$niti*a, alguna noci+n de in$nito % adem#s ciertas situaciones
aleatorias no se pueden representar con pruebas repetidas. (n
resumen, 4a;Nins % Lapadia aconse)an la enseanza de la probabilidad
*a probabilidad sub)eti*a por"ue descansa en una "base $los+$ca
elegante".
0.aug.ness% (199E! est# en &uerte desacuerdo con 4a;Nins %
Lapadia % a$rma "ue sera una pesadilla pedag+gica basar la
enseanza de la probabilidad >nicamente en el en&o"ue sub)eti*o. 2ice
"ue nuestra tarea como educadores matem#ticos es capacitar a
nuestros estudiantes para traba)ar con un modelo matematizado de la
probabilidad. 4a;Nins % Lapadia creen "ue el en&o"ue sub)eti*ista es
m#s intuiti*o por"ue todos los nios son &elices .aciendo *aloraciones
probabilsticas de un suceso simple, irrepetible. 0in embargo, este
en&o"ue puede re&orzar el sesgo de comprensi+n del azar "ue Lonold
(1991! bautiz+ con el nombre del "en&o"ue del resultado"' algunos
su)etos perciben cada ensa%o de un e-perimento aleatorio como un
&en+meno indi*idual, separado, % por tanto, creen "ue su tarea es
decidir correctamente cu#l ser# el pr+-imo resultado del e-perimento
m#s "ue estimar la probabilidad de los di*ersos resultados (describimos
este sesgo en el captulo E!.
8a entrada de los ordenadores en las aulas re&uerza un en&o"ue
&recuencialista en la enseanza de la probabilidad en cuanto "ue se
pueden simular e-perimentos aleatorios con muc.as pruebas repetidas
% e-aminar r#pidamente los e&ectos de cambios de par#metros en esos
e-perimentos. (s posible incluso simular en ordenadores tareas de
probabilidad condicionada % por otro lado se pueden representar tareas
de re*isi+n de probabilidades sin tener "ue recurrir al teorema de
3a%es (*er discusi+n del dilema de :ont% en el captulo 6!.
(n su conclusi+n, 4a;Nins % Lapadia (1985! a$rman "ue tenemos
pocas ideas sobre las concepciones de probabilidad "ue tienen los
nios de di&erentes edades % las "ue tenemos se contradicen con
muc.a &recuencia. Por contra, 0.aug.ness% (199E! a$rma "ue .emos
aprendido bastante acerca de la comprensi+n probabilstica de los
nios, aun"ue por supuesto, no es bastante % a>n no tenemos el dibu)o
completo. (n lo "ue coinciden 4a;Nins % Lapadia % 0.aug.ness% es
acerca de las principales cuestiones "ue la in*estigaci+n debera tratar
de responder'
a! Ou/ concepciones sobre la probabilidad tienen los alumnos de
di*ersas edades, en concreto los adolescentesC (contestar esta
pregunta .a sido el ob)eti*o de los captulos anteriores de esta tesis!.
b! 1+mo se podran re&orzar o cambiar, si &uera necesario, esas
concepcionesC, 4a% m/todos +ptimos de enseanza % aprendiza)e de
las probabilidadesC (contestar esta pregunta es el ob)eti*o de lo "ue
resta de tesis!.
=o creemos "ue e-ista un >nico m/todo *erdadero % certero de
ensear probabilidades "ue est/ esperando a ser descubierto. :#s bien
.a% muc.os caminos para introducir los conceptos probabilisticos. Por
e)emplo, el modelo de &recuencia relati*a trata con datos discretos
mientras el modelo de proporci+n, especialmente la probabilidad
geom/trica, puede tratar con datos continuos. 0i adoptamos una
perspecti*a de modelizaci+n para la enseanza de la probabilidad, los
conMictos entre un en&o"ue cl#sico de e"uiprobabilidad, un en&o"ue de
&recuencia relati*a o un en&o"ue sub)eti*ista, no tienen por "u/ ser un
obst#culo en el proceso de enseanza7aprendiza)e. Por el contrario, se
debe e"uipar a pro&esores % alumnos con representaciones m>ltiples de
probabilidad, es lo "ue 0teinbring (1991! llama situaciones
signi$cati*as. 8a estadstica en la escuela debe combinar
org#nicamente ideas de di&erentes tradiciones $los+$cas, en particular,
la estadstica como la matem#tica de los &en+menos de masas, la
estoc#stica como la l+gica de la incertidumbre, la estadstica como la
t/cnica "ue trans&orma datos en in&ormaci+n % la estoc#stica como
teora de la decisi+n.
1.E. EL PROBLEMA DEL CURR.CULO DE PROBABILIDADES
(st# claro "ue los alumnos de secundaria .an de recibir una
educaci+n probabilstica pero no se les puede ensear toda la teora de
probabilidades, por tanto .a% "ue seleccionar % secuenciar contenidos,
/ste es el problema del currculo. (sta selecci+n se puede .acer desde
tres perspecti*as o con tres criterios, no siempre compatibles'
epistemol+gico, psicol+gico % sociol+gico. (l currculo tradicional
descansa en la disciplina acad/mica mientras "ue las necesidades de la
sociedad % la psicologa se a)ustan me)or a otros en&o"ues curriculares.
8o "ue m#s inMu%e en el diseo curricular es la tradici+n (lo "ue
siempre se ense+! % el conocimiento del pro&esor, en cambio, la
moti*aci+n del estudiante es un punto crucial en la construcci+n
curricular "ue se ignora con demasiada &recuencia.
8a ma%ora de los pro&esores consideran "ue las matem#ticas
escolares % el currculo est#n estrictamente $)ados % )er#r"uicamente
estructurados, de acuerdo al car#cter uni$cado de las matem#ticas % a
su estructura l+gica. 2esde tal perspecti*a, organizan sus acti*idades
de clase seg>n la estructura de su propio conocimiento matem#tico %
presentan las matem#ticas a los alumnos como un ob)eto %a .ec.o %
de una manera simpli$cada. 0in embargo, las &uentes de los currcula
no pueden descansar e-clusi*amente en la disciplina misma por"ue la
disciplina como una teora cerrada se organiza seg>n criterios l+gicos
"ue no cubren el amplio espectro de relaciones "ue estaban acti*as en
la &ase de emergencia de la disciplina. 4a% "ue centrarse en ideas "ue
sean intuiti*amente accesibles para "ue los pasos de &ormalizaci+n
sean razonables % no se restrin)a la enseanza s+lo a cone-iones
l+gicas. 4a% "ue utilizar medios de representaci+n "ue sean m#s &#ciles
de comprender % .a% "ue integrar la discusi+n sobre posibles
concepciones err+neas de la teora lo cual se puede .acer mediante la
discusi+n de parado)as en la clase (por e)emplo, las descritas en el
captulo 1!. 8os principios b#sicos del diseo curricular deben ser' la
propia disciplina, los intereses de los estudiantes, sus prerre"uisitos
matem#ticos, la cone-i+n con sus propias ideas pre*ias % la
trans&erencia de conocimientos, desde dentro .acia &uera del aula %
*ice*ersa (A.lgren % Par$eld, 1991!.
Aun"ue .a% "ue reconocer "ue .a% muc.a menos tradici+n en
estudios sobre la enseanza de las probabilidades "ue en estudios
sobre la enseanza de otras ramas de las matem#ticas como el #lgebra
o el c#lculo, sin embargo, se detecta "ue .a% distintos en&o"ues sobre
la instrucci+n de la probabilidad seg>n los di&erentes entornos
culturales. 8a tradici+n continental europea (Alemania, <rancia %
(spaa! est# &uertemente basada en combinatoria % c#lculo % de$ende
"ue la estadstica no se puede ensear % comprender sin una apropiada
base de teora de probabilidades. 8a tradici+n anglosa)ona (Pran
3retaa % ((II! est# basada en un en&o"ue e-perimental en el "ue la
probabilidad es s+lo un posible pero no necesario aspecto de la
apro-imaci+n a la estadstica. (s una mani&estaci+n de la contro*ersia
racionalismo vs empirismo "ue analizamos en el captulo de
introducci+n de esta tesis.
8as di&erencias culturales .an dirigido a di&erentes en&o"ues del
diseo curricular (3oro*cniN, 1991!. (l mo*imiento de "numerismo
estadstico", "ue consiste en e-plorar datos sin pro&undizar en
cuestiones de probabilidad, .a crecido en la cultura anglo7americana
"ue pone el acento en la estructuraci+n de la realidad (el modo de
resol*er problemas reales!. (n la cultura continental europea la
cuesti+n central es el desarrollo del pensamiento estoc#stico % se pone
el acento en las cone-iones estructurales (el modo en "ue los
conceptos probabilsticos a%udan a estructurar el propio pensamiento!.
8os pro&esores anglo7americanos se muestran esc/pticos ante la
posibilidad de estructurar el pensamiento de muc.os estudiantes
mediante la imposici+n de ideas probabilsticas &ormales (Piazza, 1988!.
Ina discusi+n mu% interesante se re$ere a la relaci+n de la
combinatoria con la teora de probabilidades. Para la tradici+n
continental europea el dominio de la combinatoria es mu% con*eniente
para la comprensi+n de las le%es % c#lculos del azar, toda*a m#s, es
absolutamente necesario si se asume "ue el es"uema combinatorio es
una .erramienta cogniti*a "ue &orma parte del pensamiento m#s
desarrollado el cual es re"uisito imprescindible para la comprensi+n de
la probabilidad. Por contra, los pro&esores americanos no se e-tienden
en m/todos combinatorios para calcular probabilidades en espacios
muestrales $nitos por"ue consideran "ue la combinatoria es un tema
di&erente % m#s di&cil "ue la probabilidad. A$rman "ue los estudiantes
de todos los ni*eles encuentran los problemas de combinatoria
con&usos % di&ciles, "ue el estudio de la combinatoria no supone una
me)or comprensi+n conceptual del azar % "ue es menos e$caz "ue
otros temas para desarrollar la .abilidad de utilizar modelos
probabilsticos. (n la ma%ora de los casos e*itan todos los problemas
de conteo sal*o los m#s simples.
1.6. EL PAPEL DE LOS PRO/ESORES 0 EL PROBLEMA DE SU /ORMACIN
3e%t.7:arom % 2eNel (1986! crearon % e-perimentaron un
currculo entero dirigido a me)orar el razonamiento probabilstico. Ino
de sus .allazgos &ue "ue los pro&esores "ue enseaban con ellos el
nue*o currculo, tenan di$cultades en comprender algunos de los
conceptos. 9oseberr% % 9ubin (1989! tambi/n .an escrito sobre el
problema de las concepciones err+neas de los pro&esores cuando se
intenta una inter*enci+n instruccional. 8os in*estigadores encontraron
"ue el conocimiento pre*io de estadstica de los pro&esores no estaba
estructurado para &acilitar el razonamiento % consista en simples
&+rmulas. (stos problemas encontrados en ambas in*estigaciones
alertan sobre la importancia del pro&esor en cual"uier inno*aci+n
curricular "ue se proponga superar las concepciones err+neas
probabilsticas de los estudiantes, tenemos "ue tratar primero las ideas
err+neas de los pro&esores si pretendemos "ue sean competentes en la
enseanza "ue imparten, dirigida muc.as *eces a superar los
conceptos err+neos de sus alumnos (1.arles, 1989, ?.ompson, 1989!.
Por otro lado, los intentos de introducir nue*os temas en la
instrucci+n matem#tica (la teora de probabilidades es un tema "ue
resulta no*edoso para muc.os pro&esores! % de .acer sugerencias
concretas para la aplicaci+n en el aula son &recuentemente sesgados
acerca del papel del pro&esor. Por encima de todo, el pro&esor es
considerado como un comunicador del conocimiento matem#tico. (sto
lle*a a un es&uerzo de suministrar los nue*os materiales de una &orma
detallada % pret-a-porter para asegurar "ue se pueden integrar en la
enseanza inmediatamente. 1on demasiada &recuencia, tanto los
in*estigadores como los pro&esores traba)an en base de esta
comprensi+n limitada. 8os pro&esores implcitamente esperan
acti*idades de per&eccionamiento % &ormaci+n para utilizar
inmediatamente el material mientras esta actitud induce a los
educadores e in*estigadores a desarrollar sugerencias "ue se puedan
aplicar directamente en el aula.
(l intento de preparar material de enseanza per&ectamente
estructurado % $nalizado sin inter*enci+n del pro&esor de aula, .a
&racasado. 8os problemas de comprensi+n de los estudiantes re"uieren
una inter*enci+n acti*a del pro&esor % a)ustes constantes de los
materiales de enseanza. (l pro&esor debe inter*enir acti*amente en
este proceso %a "ue debe con&ormarlo, modi$carlo, organizarlo %
e*aluarlo. 8os problemas con el material pret-a-porter .a animado a los
pro&esores m#s moti*ados a desarrollar su propio material. (ste papel
del pro&esor tambi/n se promo*i+ desde la perspecti*a del aprendiza)e
escolar en &unci+n del desarrollo cogniti*o. (sta concepci+n del proceso
de enseanza7aprendiza)e *e al pro&esor como un decisor acti*o %
organizador de las acti*idades de clase %a "ue es /l "uien est#
&amiliarizado con el conocimiento pre*io % las .abilidades de sus
alumnos % las condiciones en el aula. (s tremendamente atracti*a % >til
la tarea de "ue cada pro&esor intente desarrollar sus propios materiales
did#cticos pero pensamos "ue es poco realista esperar "ue muc.os
pro&esores desarrollen materiales completos independientemente unos
de otros.
Ambas *isiones e-tremas del papel del pro&esor no me)oran la
enseanza' ni es el pro&esor un mero transmisor de la materia
enseada ni es sensato considerar a todo pro&esor indi*idual como un
diseador de currculo. 8as demandas % necesidades de la enseanza
en el aula se deben tomar en consideraci+n cuando se desarrollan
materiales % acti*idades educati*as % ello implica "ue no es posible
.acer sugerencias de enseanza "ue ignoren al pro&esor. (sta idea es la
"ue .a guiado nuestra propuesta de organizaci+n semi7elaborada de
materiales % de preparaci+n de pro&esores "ue iban a inter*enir en el
diseo % e-perimentaci+n de nuestra metodologa de instrucci+n.
1.5. EL PROBLEMA DE LOS MTODOS DE ENSEANZA-APRENDIZA1E
8a enseanza tradicional est# gobernada por la idea de "ue el
conocimiento matem#tico se puede ad"uirir de un modo lineal. (sto
signi$ca "ue el pro&esor debe de$nir inicialmente conceptos b#sicos
para poder introducir gradualmente los dem#s elementos de
conocimiento en su estructura. 0e re"uieren &undamentos $)os % claros
conceptualmente para asegurar el aprendiza)e del conocimiento
matem#tico. 8a &undamentaci+n a-iom#tica contiene, en principio, todo
este conocimiento "ue s+lo tiene "ue presentarse de modo aditi*o.
2os estrategias de enseanza se a)ustan a este en&o"ue tradicional' la
concreta7ingenua % el en&o"ue l+gico, en t/rminos de Lapadia %
3oro*cniN (1991!.
(n la enseanza concreta7ingenua, el pro&esor se orienta sobre
todo a culti*ar la intuici+n, a .acer la materia concreta % a ilustrarla por
medio de e)emplos. 8a intenci+n es presentar la materia al alumno de
un modo ilustrati*o, subdi*idida en pe"ueos segmentos % de modo
"ue se pueda representar concretamente. (ste metodo de enseanza
se practica principalmente en la primaria % a comienzos de la
secundaria.
2entro de la enseanza secundaria se desarrolla otro m/todo de
enseanza, l+gico o estructural, "ue en&atiza las cone-iones
matem#ticas consistentes. (l modo de )usti$car % organizar el proceso
de enseanza7aprendiza)e consiste en supeditarlo a la estructura
interna del currculo matem#tico "ue est# organizado de una manera
consistente. (sta concepci+n did#ctica no implica "ue la estructura
l+gica de las matem#ticas se presente inmediatamente para ser
aprendida sino "ue el &oco % orientaci+n de la enseanza consiste en
.acer e-plcita esta estructura. (ste m/todo de enseanza se
caracteriza por el car#cter dominante del patr+n pregunta % respuesta
en la enseanza directa, la ausencia de traba)o e-perimental % pr#ctico
% tambi/n por el patr+n de enseanza de "los tres pasos" (presentar
e)emplos, desarrollar reglas o t/cnicas matem#ticas para los c#lculos %
por >ltimo practicar esas reglas por medio de m#s problemas o
aplicaciones! (2QrMer, 1985, 2QrMer % :c8one, 198G!. 0teinbring (1991!
a$rma "ue las consecuencias de este en&o"ue estructural en la
enseanza son' 1! la tendencia a proporcionar un mont+n de
de$niciones ( % s+lo unos pocos teoremas % de /stos algunos tri*iales!
lo cual mata la moti*aci+n, E! la tendencia a de$nir cosas "ue
sistem#ticamente no se usan, 6! la obsesi+n de utilizar tantos t/rminos
espec$cos de la disciplina como sea posible, % 5! el inter/s para
conseguir &ormulaciones de$niti*as, irrecusables desde el principio.
0i nos centramos en la probabilidad tambi/n los dos m/todos
tradicionales de enseanza se basan en el traba)o concreto, uno % en la
consistencia, el otro. (l en&o"ue concreto se centra en e-perimentos %
)uegos ideales de azar. Para de$nir la probabilidad se utilizan
&recuencias, proporciones num/ricas % simetras. Hpuesto de alguna
manera a este modo concreto7intuiti*o de enseanza est# el m/todo
"ue pone el /n&asis en la consistencia interna de los conceptos % en la
&undamentaci+n interior del currculum estoc#stico. (sto signi$ca "ue el
pro&esor introduce unos cuantos conceptos b#sicos' resultado, suceso,
suceso seguro e imposible, espacio muestral, etc. 0e entiende "ue esos
conceptos proporcionan una s+lida &undamentaci+n para el desarrollo
posterior. 8a intenci+n espec$ca es dar de$niciones claras de
conceptos, libres de dudas % ambigRedades. (ste m/todo de
enseanza casi siempre usa la noci+n de probabilidad cl#sica laplaciana
% .ace un uso e-agerado de la teora de con)untos % del #lgebra
booleana.
<recuentemente .a% una sucesi+n temporal entre esos dos tipos
b#sicos de enseanza probabilstica. (l pro&esor comienza, en los
cursos iniciales, con traba)o concreto. :#s tarde, se desarrolla la teora
consistentemente. 0in embargo, no .a% discusi+n acerca de la cone-i+n
conceptual entre los dos en&o"ues, no se discute "ue una % otra parte
son s+lo una perspecti*a di&erente del mismo concepto de probabilidad.
(n nuestra propuesta did#ctica esta cone-i+n es crucial' es la
interacci+n entre intuiciones % matem#ticas la &uente del desarrollo del
conocimiento matem#tico.
A pesar de esas di&erentes perspecti*as en los dos tipos b#sico de
enseanza, ambos parten de la idea de "ue el conocimiento
matem#tico puede e-tenderse e integrarse gradualmente en la
estructura global del currculum sumando pe"ueos elementos pieza a
pieza. Por otro lado, ambos en&o"ues ocultan el signi$cado completo
del concepto en cuanto "ue la probabilidad ni es s+lo una propiedad
emprica ni es s+lo una propiedad matem#tica sino la combinaci+n de
esos dos aspectos. 0teinbring (1991! de$ende esta tensi+n entre
aspectos empricos % te+ricos % la no reductibilidad a uno de ellos %
a$rma "ue cual"uier intento de ensear desde el principio una teora
de probabilidad seg>n su estructura l+gico7matem#tica, lle*a a una
circularidad. Alustra esta a$rmaci+n con el an#lisis de las nociones
b#sicas de probabilidad % aleatoriedad' para poder discutir sobre la
aleatoriedad se debe tener pre*iamente un concepto de probabilidad
"ue a su *ez e-ige el concepto de aleatoriedad.
(n de$niti*a, ante la dicotoma' *ariable l+gica de la matem#tica
versus *ariable psicol+gica del alumno, en la enseanza tradicional se
prima la primera *ariable % se descuida la segunda. (n algunas
propuestas de inno*aci+n de la enseanza de las matem#ticas, ocurre
lo contrario' se &ocaliza e-clusi*amente el proceso de enseanza en el
alumno. 1omo *eremos, nuestro en&o"ue parte de una determinada
consideraci+n epistemol+gica de la matem#tica % propone una
integraci+n de la *ariable l+gica % la *ariable psicol+gica en un proceso
de cambio conceptual "ue tiene en cuenta las consideraciones "ue
acabamos de realizar.
1.B. EL PAPEL DE LOS ORDENADORES EN LA ENSEANZA
(l signi$cado de los conceptos probabilsticos no s+lo depende
del ni*el de la teora % de su representaci+n sino tambi/n de los medios
de traba)ar con ellos. 8as .erramientas para representar el
conocimiento parecen tener un impacto considerable en la ad"uisici+n
por los su)etos de este conocimiento. 1laramente la llegada de los
ordenadores marca un cambio signi$cati*o en estas .erramientas % por
tanto debe pro*ocar alg>n cambio en el proceso de enseanza7
aprendiza)e. Por e)emplo, tradicionalmente el n>mero se .a de$nido
como la raz+n de la longitud de la circun&erencia a su di#metro, en un
conte-to computacional se puede de$nir como 5 *eces la
probabilidad de "ue un dardo impacte en una diana circular de radio 1
inscrita en un cuadrado % es mu% sugerente disear una simulaci+n por
ordenador de la situaci+n aleatoria implicada. 0in embargo, .asta .o%,
son mu% pocos los estudios sobre la inMuencia del ordenador en el
aprendiza)e % comprensi+n de las probabilidades. Parece "ue esta
situaci+n es temporal % seg>n in&orma 0.aug.ness% (199E! .a% gran
acti*idad en el campo, de la "ue se espera "ue pronto de resultados.
3ie.ler (1988, 1991! proporciona una panor#mica del software
e-istente % desarrolla una estructura te+rica para la in*estigaci+n de su
e$cacia educati*a. ?oda*a no .a% disponible un pa"uete estoc#stico
"ue re>na los re"uisitos te+ricos % did#cticos necesarios pero .a% dos
tendencias de desarrollo interesantes' desarrollo de pa"uetes
especiales a)ustados a las necesidades educati*as % utilizaci+n del
software pro&esional e-istente en an#lisis estadstico % lengua)es
estadsticos interacti*os.
4a% un acuerdo casi uni*ersal entre los in*estigadores "ue las
simulaciones por ordenador, las .o)as de c#lculo % la utilizaci+n de
ordenadores para realizar an#lisis e-ploratorios de datos son las
direcciones "ue debera seguir la educaci+n probabilstica (8ander;e.r
% FatNins, 198G, 1987!. =osotros .emos utilizado una .o)a de c#lculo
para "ue los estudiantes analicen la di&erencia entre los conceptos de
con*ergencia &uncional % con*ergencia en probabilidad (0#enz, 199E! %
para "ue realicen el tratamiento estadstico de indicadores
macroecon+micos (0#enz, 1987!, tambi/n .emos diseado una
simulaci+n por ordenador de la le% de los grandes n>meros (0#enz %
Parca, 198G!. (l ordenador nos permite in*estigar situaciones m#s
reales "ue los e)ercicios tradicionales de clase, los cuales se plantean
tratando de e*itar el salto "ue .a% entre la comple)idad de las
situaciones reales % las limitadas destrezas computacionales de los
estudiantes.
1iertamente, los ordenadores .an re*olucionado las pr#cticas
estadsticas de an#lisis de datos % simulaci+n. In nue*o tipo de
racionalidad se basa en la prueba por simulaci+n. 8os algoritmos
iterati*os o recursi*os lle*an a una representaci+n de los problemas
di&erente a la "ue producen los modelos % &+rmulas cerradas "ue eran
tradicionales en la estoc#stica. 8os m/todos gr#$cos % de *isualizaci+n
&acilitan la representaci+n de los modelos con di&erentes ni*eles de
abstracci+n o&reciendo la posibilidad de interacci+n. 8a programaci+n
implicada no es una mera .erramienta t/cnica sino "ue es un
instrumento para pensar. (sto puede lle*ar a una reestructuraci+n de
las matem#ticas desde un punto de *ista algortmico (Papert, 198!.
1on todo .a% "ue conseguir "ue la utilizaci+n de la simulaci+n
por ordenador no sustitu%a completamente a otras representaciones
m#s concretas de los e-perimentos aleatorios. (s mu% importante "ue
los estudiantes pasen por la e-periencia de generar % reunir sus propios
datos &sicamente, con aparatos aleatorios (tales como ruletas, dados o
monedas! antes de "ue puedan aceptar o comprender los datos
proporcionados por una simulaci+n electr+nica. (s necesario establecer
cone-iones entre simulaciones concretas % simulaciones por ordenador,
en el proceso de enseanza7aprendiza)e % estudiar los e&ectos de la
transici+n entre las dos representaciones. (ste es el prop+sito "ue nos
gua en nuestra propuesta instruccional.
(n de$niti*a, la literatura sobre la utilizaci+n de los ordenadores
en la enseanza de las probabilidades proporciona muc.as sugerencias
did#cticas pero e-iste poca in*estigaci+n emprica % e*aluaci+n de la
utilidad de esas sugerencias. (sta in*estigaci+n es absolutamente
necesaria para conocer, por e)emplo, c+mo se modi$can las
concepciones de los estudiantes cuando el proceso de enseanza7
aprendiza)e se realiza en un entorno de ordenadores. H c+mo se
modi$ca el papel del pro&esor en un aula computarizada en la "ue el
pro&esor %a no es el Hr#culo de 2el&os, de donde procede todo
conocimiento, como lo era en el aula tradicional.
2.- EPISTEMOLO3.A 0 ESTILOS DE ENSEANZA
8a naturaleza del conocimiento matem#tico % la concepci+n "ue
el pro&esor tiene de este conocimiento determinan el proceso de
enseanza en grado mu% alto. As, el en&o"ue educacional de
simpli$car la materia % e-plicarla consistentemente se identi$ca con la
estructura l+gica, .ipot/tico7deducti*a, de las matem#ticas, tal como
.emos tenido ocasi+n de analizar en el apartado anterior.
0teinbring (1991! presenta un modelo de enseanza de las
probabilidades con una s+lida base epistemol+gica "ue consideramos
interesante re*isar %a "ue tiene importantes puntos en com>n con
nuestra propia propuesta did#ctica. ?res son las ideas b#sicas de su
propuesta'
a! 8a naturaleza te+rica de la probabilidad' el car#cter te+rico del
conocimiento estoc#stico signi$ca "ue los conceptos b#sicos no pueden
de$nir completamente la probabilidad sino, por el contrario, se &orman
mientras se desarrolla la teora de probabilidades. Por eso es necesario
crear una estructura educacional en la "ue la relaci+n entre
probabilidad % aleatoriedad % tambi/n entre las di*ersas &ormas de
representar la probabilidad permita a los conceptos % la teora re*elarse
al unsono. (l proceso de enseanza debe reMe)ar la parado)a de "ue la
clari$caci+n % la comprensi+n de los conceptos &undamentales s+lo se
pueden alcanzar mediante la teora desarrollada completamente en el
curso de la enseanza. Ina condici+n necesaria para cumplir este
re"uerimiento es e*itar el desarrollo de la teora de probabilidades
bas#ndose e-clusi*amente en la &recuencia relati*a o en la simetra
cl#sica. Htra condici+n es no poner el /n&asis e-clusi*amente en
&+rmulas matem#ticas % c#lculos t/cnicos por"ue ello oculta la
interpretaci+n % pensamiento estoc#stico.
b! :odos de representaci+n de los conceptos probabilsticos' si en
la teora de probabilidades la relaci+n entre ob)eto % modelo no se
puede ignorar (pensemos, por e)emplo, en el doble signi$cado de la
idea de e"uiprobabilidad como e-periencia aleatoria % como
distribuci+n uni&orme!, permanece la cuesti+n de c+mo desarrollar esta
relaci+n matem#ticamente. 4ist+ricamente se .an desarrollado una
gran cantidad de medios conceptuales de descripci+n % presentaci+n,
con el ob)eto de caracterizar esta relaci+n. 4a% dos tipos de
representaciones para e)empli$car la tensi+n entre una situaci+n
aleatoria % su modelo estoc#stico "ue con*iene destacar.

Por un lado est#n todos los diagramas relati*os a la
representaci+n de las &recuencias. 9ele*antes para el aula son las
tablas, estadillos, diagramas de sectores, gr#$cos de barras,
.istogramas, poligonales, etc. Por otro lado est#n los di&erentes tipos de
diagramas de #rbol "ue tienen su aplicaci+n principal en el c#lculo
probabilstico. 8a comparaci+n de di&erentes representaciones
proporciona nue*as ideas sobre las relaciones entre una situaci+n
concreta % su modelizaci+n estadstica. 1ada representaci+n trata esta
relaci+n de un modo espec$co. As, el diagrama de #rbol se puede
interpretar bien como un diagrama de Mu)o para realizar un
e-perimento concreto bien como una caracterizaci+n de todas las
posibilidades "ue ocurren en la con&ormaci+n de un modelo. Por tanto,
el diagrama de #rbol se puede utilizar para describir e-perimentos
espec$cos % tambi/n se puede utilizar como un escenario para un gran
n>mero de e-perimentos idealizados, tambi/n puede ser*ir para
deducir las reglas de caminos (reglas de adici+n % multiplicaci+n de
probabilidades! % para establecer modelos estoc#sticos como la
distribuci+n binomial.
8as di&erentes *ariantes de gr#$cos estadsticos se pueden
utilizar para representar, ordenar % relacionar datos. (s posible .acer
comparaciones absolutas % relati*as, o bien por areas o por lneas. 8as
distribuciones caracterizan simult#neamente el sistema global de las
cantidades obser*adas % muestran caractersticas salientes espec$cas
como simetras, medias, *arianzas, etc. (l papel educati*o de las
representaciones gr#$cas es mu% importante. (sas caractersticas
espec$cas de las distribuciones % el an#lisis de situaciones aleatorias
nos permite comparar distribuciones obser*adas empricamente con
sus posibles modelos matem#ticos.
Para la instrucci+n matem#tica, los medios de representaci+n %
acti*idad son de &undamental importancia por"ue permiten el
desarrollo de conceptos % la &ormaci+n de nue*o conocimiento. 8os
di&erentes modos de representaci+n son una e-presi+n del .ec.o de
"ue la ad"uisici+n de conocimiento procede por etapas % saltos, esto
entra en conMicto con una concepci+n del desarrollo de la ciencia en la
"ue es posible la adici+n de nue*os elementos de conocimiento a la
base de una estructura dada.
8as indicaciones did#cticas no pueden anticipar la pr#ctica de
enseanza en todos sus detalles de tal manera "ue .agan superMuo el
papel del pro&esor. Ou/ tipo de propuestas cumplen este di&cil
re"uerimiento de contener simult#neamente elementos te+ricos %
sistem#ticos, % orientaciones e&ecti*as para la pr#cticaC Ou/ clase de
materiales de enseanza promue*en el papel acti*o de los pro&esores %
permiten alternati*as % des*iaciones sin limitarse esos materiales a un
en&o"ue unidireccional % parcialC 0teinbring propone la metodologa de
sistemas de tareas.
c! 0istemas de tareas' la tarea matem#tica desempea un
importante papel tanto en la clase como en la comprensi+n del pro&esor
de la instrucci+n matem#tica. 8as tareas son las unidades m#s
pe"ueas de acti*idad de clase "ue permiten al pro&esor interrelacionar
el contenido comunicati*o7social de la instrucci+n con el contenido
espec$co de la materia. 8os pro&esores de matem#ticas
&recuentemente piensan % .ablan sobre la enseanza en t/rminos de
tareas, las tareas son, de alguna manera, sus conceptos. 0in embargo,
utilizan esos conceptos pragm#ticamente, esos conceptos est#n
altamente entrecruzados con los re"uerimientos locales % pierden su
signi$cado sin este conte-to. (l uso apropiado de tareas re"uiere en
principio muc.a e-periencia pr#ctica % esto se puede obser*ar en lo
"ue se llama un buen pro&esor.
8as tareas matem#ticas "ue tienen sentido no se presentan
aisladas. 0e conectan siempre a un conte-to de un problema m#s
amplio "ue comunica signi$cado % co.erencia en un cierto grado. (n
este sentido las tareas matem#ticas serias son distintas de
rompecabezas, no es una &orma +ptima de enseanza ni la prescripci+n
de numerosos e)ercicios rutinarios ni una mezcla aleatoria de tareas
*agamente ligadas entre s. Por tanto es importante desarrollar el
concepto de sistema de tareas "ue est# entre esos e-tremos.
Para "ue *arias tareas indi*iduales &ormen un sistema deben
relacionarse a un ob)eto com>n aun"ue lo .agan desde di&erentes
perspecti*as. Adem#s, las tareas deben ser an#logas entre s, el
concepto de analoga es de especial importancia para construir %
describir sistemas de tarea. P+l%a (1981! % <reudent.al (1976!
aconse)an la b>s"ueda de problemas an#logos como una estrategia
para resol*er problemas % e-plican "ue el elemento crucial de la
analoga descansa en la similitud de ciertos tipos de relaciones. 2os
estrategias importantes para construir tareas an#logas son la de *ariar
las constantes del problema % la de cambiar de modelo (se pueden
analizar desde esta perspecti*a los problemas B % 8 de nuestra primera
in*estigaci+n, p.1E5!. (sas dos &ormas de analoga representan
distintos tipos de re"uerimiento al alumno' las tareas de un sistema
"ue son an#logas por"ue consisten en un simple cambio de constantes,
tienen el ob)eti*o primario de desarrollar % consolidar destrezas, en el
caso de un cambio de modelo entre tareas an#logas, el /n&asis se pone
en aspectos de comprensi+n conceptual.
(l an#lisis del concepto de sistema de tareas como una
componente importante del conocimiento pro&esional de los pro&esores
lo utiliza 0teinbring (1991! como un e)emplo de a"uellos en&o"ues
did#cticos "ue, en su opini+n, son e&ecti*os % >tiles para la enseanza
de las probabilidades. Para la ad"uisici+n del conocimiento matem#tico
es necesaria una cierta comple)idad de tareas por"ue es esta
caracterstica la "ue permite acceder al conocimiento te+rico. 8os
en&o"ues de enseanza tienen "ue proporcionar orientaciones,
principios % materiales para la probabilidad escolar "ue sean
consistentes con la base de las di$cultades epistemol+gicas del
conocimiento estoc#stico. 1ompartimos esta preocupaci+n
epistemol+gica de 0teinbring como tendremos ocasi+n de mostrar en el
siguiente captulo.
4.- TEOR.AS CO3NITIVAS 0 ESTILOS DE ENSEANZA
8a in*estigaci+n psicol+gica .a estudiado desde di*ersas
perspecti*as los procesos cogniti*os en la comprensi+n % aplicaci+n de
los conceptos % le%es probabilsticas % nos parece "ue sus .allazgos
tienen implicaciones interesantes para el proceso de enseanza7
aprendiza)e de la teora de probabilidades (<alN % Lonold, 1991!. 1omo
en otros muc.os temas, los primeros traba)os sobre la g/nesis %
desarrollo del concepto de probabilidad &ueron realizados en el marco
de la &eo$5% *#%6e&#%n% (Piaget e An.elder, 19B1, *er captulo E!' el
concepto de probabilidad es uno de los es"uemas &ormales "ue
emergen durante la adolescencia. 0i admitimos, siguiendo esta teora,
"ue el pensamiento &ormal no s+lo es condici+n necesaria sino
probablemente su$ciente, para acceder al conocimiento cient$co sobre
el azar % la probabilidad, la aplicaci+n educati*a consistir#
b#sicamente, o bien, en aguardar pacientemente a "ue los nios
lleguen al periodo de las operaciones &ormales siguiendo su e*oluci+n
intelectual natural, o bien, si se es ac/rrimo partidario de la
inter*enci+n escolar, en disear currcula "ue &omenten el desarrollo
cogniti*o del adolescente, &acilitando su acceso a las operaciones
&ormales. (n cual"uier caso, la enseanza de los conceptos de azar %
probabilidad, antes del pensamiento &ormal es in>til % despu/s
probablemente superMua, seg>n una interpretaci+n e-trema de la
teora piagetiana.
8os traba)os realizados dentro del enfoque +e "e"6o"
co6n#&#)o" contradicen la idea piagetiana de "ue a partir de la
adolescencia aplicamos un es"uema de probabilidad similar al
propuesto por la norma matem#tica en todos a"uellos problemas
pro&esionales o cotidianos "ue lo re"uieran. 2i*ersos autores .an
proporcionado muc.os datos sobre los errores sistem#ticos "ue
cometen personas adultas, muc.as de ellas uni*ersitarias % por tanto
con pensamiento &ormal, al )uzgar o resol*er problemas en situaciones
de incertidumbre (1a*erni, <abre % Ponz#lez, 199!. 2entro del
paradigma de .eursticos % sesgos realizamos la primera in*estigaci+n
de esta tesis.
Htra lnea de in*estigaci+n distinta de la anterior en su marco
te+rico % metodologa pero "ue tambi/n .a c.ocado con el retrato
intelectual racionalista del adolescente "ue nos o&rece la teora de
Piaget, es la "ue se engloba ba)o las eti"uetas de preconceptos, ideas
pre*ias, conce*c#one" %&e$n%&#)%" o concepciones espont#neas
(1are%,1988, 2ri*er,198G, 4elm % =o*aN, 1986, etc.!. (sta perspecti*a
se .a mostrado mu% &ecunda en la enseanza de las ciencias
e-perimentales pero se .a utilizado muc.o menos en la enseanza de
las matem#ticas. (n este campo se .a propuesto un en&o"ue basado en
la #n&e$%cc#7n en&$e #n&u#c#one" , e,e" -%&e-!&#c%" (<isc.bein,
1987!, "ue es el "ue .emos utilizado en captulos anteriores. Pensamos
"ue ambas perspecti*as comparten ideas esenciales, a saber'
a! 8os alumnos tienen ideas intuiti*as sobre los &en+menos
cient$cos, pre*ias a cual"uier enseanza cient$ca, estas ideas
pre*ias (intuiciones primarias, para <isc.bein! tienen su origen en la
e-periencia cotidiana de los alumnos % por tanto gozan de un cierto
*alor predicti*o, lo "ue las .ace &uncionales % persistentes en la
estructura cogniti*a .umana.
b! A.ora bien, algunas de estas preconcepciones o intuiciones se
.allan bastante ale)adas del conocimiento cient$co % entran en
contradicci+n con /l, lle*ando al alumno a errores sistem#ticos. (s por
ello "ue ensear ciencia no es un proceso simple "ue consiste en
mostrar las teoras cient$cas para "ue los alumnos las aprendan,
ignorando sus concepciones alternati*as % primarias, sino "ue es un
proceso comple)o "ue consiste en conseguir "ue los alumnos
modi$"uen o sustitu%an sus ideas intuiti*as, pero $rmemente
arraigadas, sobre los &en+menos naturales por otros conceptos m#s
a*anzados % m#s pr+-imos a las teoras cient$cas admitidas, es decir,
el ob)eti*o de la instrucci+n debe ser conseguir un re*olucionario (en el
sentido de Lu.n, 197! c%-'#o conce*&u%. Para lograr este a*ance o
cambio conceptual de los alumnos es necesario conectar la ciencia con
sus concepciones espont#neas % con las e-periencias cotidianas en la
"ue /stas se basan, partiendo en todo momento de posiciones "ue
reconozcan el car#cter constructi*o del aprendiza)e (Pozo, 1987a!.
1ompartiendo los dos en&o"ues las ideas esenciales, el modelo de
<isc.bein tiene la *enta)a, a nuestro parecer, de incorporar
e-plcitamente los .eursticos de )uicio (accesibilidad,
representati*idad, ancla)e % a)uste! como &actores cogniti*os de
inmediatez "ue con&orman las intuiciones. Por ello elegimos este marco
te+rico para realizar la segunda in*estigaci+n de esta tesis "ue nos
permiti+ per$lar una radiogra&a completa del sistema de ideas
probabilsticas de los adolescentes, establecer una categorizaci+n de
esas ideas seg>n su aceptaci+n intuiti*a por los adolescentes e
in*estigar la inMuencia de ciertas *ariables de la tarea % del su)eto (ao
escolar, se-o, estilo cogniti*o, conocimientos pre*ios % .abilidad
matem#tica general! en su pensamiento probabilstico.
2e las distintas teoras "ue acabamos de enunciar se siguen
distintas estrategias did#cticas. 8a metodologa m#s com>n es la
&$%n"-#"#7n e8*o"#&#)% en sus distintas &ormas (clase magistral, libro
de te-to con*encional, etc.!, esta metodologa ignora las ideas pre*ias
de los estudiantes % basa la enseanza >nicamente en la propia
estructura de la materia. 8a idea "ue sub%ace a este planteamiento es
"ue si la estructura de un t+pico, por e)emplo teora de probabilidades,
se presenta de un modo bien organizado en t/rminos de relaciones
&ormales entre los conceptos cient$cos, esto permitir# "ue los alumnos
desarrollen esta estructura conceptual por s mismos. 4a% "ue ad*ertir
sobre los problemas in.erentes a este en&o"ue' las ideas pre*ias
pueden persistir a lo largo del ni*el uni*ersitario a pesar de dic.a
instrucci+n, se puede producir una compartimentaci+n del pensamiento
de los estudiantes, el conocimiento escolar est# separado del
conocimiento cotidiano % solamente se usa para contestar problemas
"escolares" o preguntas de e-amen.

8a estrategia did#ctica "ue se deri*a de la concepci+n piagetiana
tiene como ob)eti*o el &acilitar al alumno el dominio del m/todo
cient$co % no tanto el de proporcionarle los contenidos de la ciencia, es
una estrategia de en"e9%n:% *o$ +e"cu'$#-#en&o % no una
transmisi+n *erbal de conceptos cient$cos, "ue no s+lo es ine$caz sino
contraproducente. (n lugar de ensear al alumno uno a uno los
conceptos cient$cos, es m#s e$caz proporcionarle la capacidad de
descubrirlos o construirlos por s mismos.
2esde el marco te+rico de las concepciones espont#neas se
cuestiona la enseanza por descubrimiento %a "ue no parece posible
"ue los alumnos generen o in*enten en conte-tos de instrucci+n, por
mu% adecuados "ue sean, los conceptos cient$cos b#sicos. (l alumno,
por s s+lo, a lo m#s "ue accede es a unas concepciones "ue se .allan
bastante ale)adas del conocimiento cient$co "ue se le intenta
transmitir % "ue, de .ec.o, obstaculizan seriamente su ad"uisici+n. (s
decir, no se cuestiona la capacidad de los estudiantes para in*estigar
por s mismos % e-traer in&erencias de sus obser*aciones, sino "ue se
a$rma "ue los estudiantes no "descubren" necesariamente lo "ue se
pretende e incluso, en muc.os casos, usan la e*idencia emprica para
re&orzar sus nociones pre*ias m#s "ue para estimular el cambio. 2esde
estas posiciones se postula "ue, para "ue se produzca el c%-'#o
conce*&u%, es preciso "ue el alumno reciba a"uellas teoras
cient$cas "ue no sea capaz de descubrir por s mismo. A.ora bien,
para "ue esa enseanza recepti*a sea e$caz .a de ale)arse
radicalmente de la *ie)a enseanza repetiti*a tradicional "ue conduce a
un aprendiza)e memorstico % no signi$cati*o, manteni/ndose dentro
de *o"#c#one" con"&$uc&#)#"&%" % acompa#ndose siempre de
e)ercicios de descubrimiento % consolidaci+n de los conceptos
ad"uiridos (Ausubel, =o*aN % 4anesian, 1978, Pozo, 1987a!.
1omo se *e, el paisa)e de la enseanza de las ciencias tiene
tantas luces % sombras "ue cual"uier percepci+n se presenta borrosa e
incluso irreal. 8a comple)idad del proceso de aprendiza)e de conceptos
cient$cos es tal "ue no .a% recetas &#ciles ni soluciones un*ocas sino
estrategias igualmente comple)as para la enseanza de esos
conceptos. Y si no .a% un "camino real" a la enseanza de las ciencias
e-perimentales, donde tanto se .a in*estigado, muc.o menos lo .a%
en el campo, muc.o menos e-plorado, de la enseanza de las
probabilidades % estadstica. 8a estrategia did#ctica usual en esta
disciplina consiste en retrasar el comienzo de la instrucci+n .asta
edades a*anzadas del alumno (15 aos!, tal como parece deducirse de
la concepci+n piagetiana, % e-poner luego al alumno la teora &ormal de
probabilidades. (l resultado es un escaso dominio de los conceptos
probabilsticos % un razonamiento probabilstico con sesgos e
intuiciones err+neas, incluso en alumnos uni*ersitarios, como se puede
comprobar en las in*estigaciones anteriores de esta tesis.
;.- CONCLUSIONES
1omo se deduce de todo lo dic.o en este captulo, la enseanza
de la probabilidad es un problema pendiente de resol*er por"ue su
soluci+n no es &#cil. =o .ubiera sido necesario un an#lisis como el "ue
.emos realizado a lo largo del captulo para llegar a una a$rmaci+n tan
ob*ia como la "ue acabamos de .acer pero es "ue, gracias a este
an#lisis, sabemos un poco m#s acerca del problema de la enseanza de
las probabilidades. Por supuesto "ue no .emos encontrado el "camino
real" "ue conduce a la soluci+n % es posible "ue este camino ni si"uiera
e-ista pero del an#lisis realizado emerge, sobre todo, una idea "ue
consideramos interesante e-plorar' la idea de la #n&e6$%c#7n.
2esde la perspecti*a psicol+gica, parece &actible integrar las
cuatro tradiciones te+ricas citadas en el apartado anterior (teora
piagetiana, el paradigma de .eursticos % sesgos, la teora sobre la
intuici+n de <isc.bein % el en&o"ue de las concepciones alternati*as!, no
en el terreno de la ciencia cogniti*a, donde no es posible o por lo
menos supera con muc.o la pretensi+n de este traba)o, sino en el
terreno de las estrategias did#cticas "ue es el campo de aplicaci+n e
integraci+n, el "banco de pruebas" tradicional, de las teoras
psicol+gicas del aprendiza)e. 2esde la perspecti*a epistemol+gica, la
propuesta de 0teinbring (1991! "ue re*isamos en el apartado E, nos
parece mu% sugerente % consistente pero tiene una limitaci+n o
carencia "ue consideramos mu% importante' no contiene una reMe-i+n
e-plcita sobre los procesos cogniti*os "ue se producen en la
comprensi+n % ad"uisici+n de la ciencia probabilstica por los
estudiantes, dic.o de otro modo, no tiene en cuenta las aportaciones
de las di*ersas teoras cogniti*as del aprendiza)e.
<uncionar# un m/todo de instrucci+n "ue se base en la
interrelaci+n e-plcita de una componente epistemol+gica % una
componente cogniti*aC Oue integre la perspecti*a de la disciplina a
aprender (epistemologa! % la perspecti*a del alumno "ue aprende
(psicologa!C In m/todo de instrucci+n diseado con esta
caracterstica, debe reMe)ar las implicaciones did#cticas "ue .emos ido
obteniendo en esta tesis, a partir de la reMe-i+n .ist+rico7
epistemol+gica sobre las le%es matem#ticas de la probabilidad, de la
re*isi+n de los paradigmas psicol+gicos m#s rele*antes sobre el
pensamiento probabilstico % del an#lisis de in*estigaciones empricas
sobre comprensi+n probabilstica de los adolescentes realizadas desde
una perspecti*a did#ctica. 9esumimos en la tabla siguiente dic.as
implicaciones para la enseanza de la probabilidad en el ni*el
secundario.
P(90P(1?ASA 2( A=T8A0A0
A:P8A1A1AH=(0 2A2T1?A1A0.
A0P(1?H0 A ?(=(9 (= 1I(=?A
(= (8 P9H1(0H 2( (=0(UA=VA7
AP9(=2AVAW(
<#"&7$#co-e*#"&e-o76#c%
(captulo 1!
7los di*ersos en&o"ues de la
probabilidad (cl#sico,
&recuencialista, sub)eti*ista,
estructural!
7las parado)as % &alacias en el
desarrollo .ist+rico de la teora
matem#tica de las
probabilidades
*"#co76#c%
(captulo E!
7la concepci+n de la tarea
7la concepci+n del su)eto
7la concepci+n de la relaci+n
su)eto7tarea
+#+!c&#c%
(captulos 6, 5 % B!
7la naturaleza contingente %
constructi*a del pensamiento
probabilstico
7el sistema de ideas personales
en coe-istencia (no siempre
pac$ca! con el sistema &ormal
de la teora de la probabilidad
7la epistemologa de la
probabilidad en el aula
7las teoras cogniti*as % su
inMuencia en los estilos de
enseanza