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.1 9! un artculo "ue cerraba un estudio monogr#$ico sobre el cambio conceptual % enseanza de las ciencias % cu%o primer p#rra$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 $ormal a tareas cient$icas+ 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 $uera poco, decididamente contrarias a los conceptos "ue se les pretende ensear+ as, la simple e,posici*n a esos conceptos no es su$iciente 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$icos b#sicos induzcan un aprendiza(e acti)o en los alumnos...pero esas unidades no siempre tienen .,ito... 'n de$initi)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. /i -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 $igurar en los programas o$iciales (0arpenter, 1989+ 1e2eres, 1988!. 3a% unas cuantas cuestiones en relaci*n a la enseanza de las probabilidades "ue aparecen sistem#ticamente en la literatura (Austin, 1974+ 2auers$eld, 1991+ 2entz, 1985+ /-ulte, 1981!& el problema del car#cter poli.drico del concepto de probabilidad, el problema del currculo probabilstico, el problema de las concepciones probabilsticas % el papel de los pro$esores, el problema de los m.todos de enseanza6aprendiza(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 1ado el car#cter multi$ac.tico de la probabilidad es mu% di$cil "ue los alumnos puedan comprender las nociones probabilsticas desde un en$o"ue a,iom#tico puro. 1iscutiremos los cuatro en$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 7aplace 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. 7os 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. 7a 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. 7a e,istencia de simetra en el e,perimento $sico, "ue permite aplicar el principio de raz*n insu$iciente de 7aplace, es una gua poco $irme 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. 8ecordemos, por e(emplo, "ue en la e,periencia aleatoria del lanzamiento de dos dados se proponen tres modelos& 9a,:ell62oltzmann, 2ose6'instein % ;ermi61irac. <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. 7a probabilidad es el lmite -acia el "ue tiende la $recuencia relati)a, de este modo, el en$o"ue $recuencialista implica la teora de lmites % la con)ergencia. Al aplicar esta de$inici*n, -a% di$icultades ob)ias para de$inir lo "ue signi$ica ?similar? o ?aleatoriedad? %a "ue aparece la circularidad. @ncluso la noci*n de estabilizaci*n de las $recuencias relati)as a largo plazo presenta di$icultades en relaci*n al n=mero de ensa%os necesarios para lograr dic-a estabilidad. 0on 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 A es un 7", "-a% m#s de 1B tel.$onos en >egucigalpa (3onduras!", etc. Adem#s puede ser bastante di$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 7os 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. 0u#nta )ariaci*n es permisible en el procedimiento de lanzamiento de una moneda, de una tirada a la siguienteC 7a 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 $inita, la $recuencia relati)a de caras casi nunca ser# 1DE+ adem#s, )ariar# de una ocasi*n a otra. 7a 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 BE D1 , al menos "ue sean bastante sensatos para no recurrir a $recuencias relati)as cuando tengan una base me(or para el (uicio probabilstico, por e(emplo, la simetra de la moneda. Enfoque "u'(e&#)#"&%& representa el tipo de probabilidad "ue en el 8enacimiento se cali$icaba 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. "7as probabilidades son grados personales de creencia acerca de sucesos con incertidumbre" a$irman )on Finter$eldt % 'd:ards (198G, p.91!. 'l en$o"ue sub(eti)ista o personalista permite una discusi*n signi$icati)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 P/H' el siguiente presidente del gobierno espaol, la probabilidad de "ue el siguiente beb. nacido en determinada $amilia sea nio, todas esas probabilidades son la misma clase de cantidad aun"ue )aran ampliamente en el grado en "ue se pueden de$inir $recuencias relati)as rele)antes. 1esde este en$o"ue, todas las incertidumbres se pueden medir apropiadamente utilizando probabilidades. /in 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 5 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 5 en el otro. 7a 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$ico 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$ine 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. /er# ro(a". /in embargo, con ma%or $recuencia, la proposici*n omite la ma%or parte de la in$ormaci*n "ue especi$ica el con(unto de partida+ por e(emplo& "la siguiente persona "ue )er. medir# al menos 1.7 cm". 7a 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 8eal 9adrid62arcelona, en el primer caso la probabilidad de "ue se cumpla el enunciado ser# mu% ba(a, en el segundo caso aumenta esta probabilidad. 7a 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. 7as regla $undamental para cambiar las probabilidades cuando se dispone de nue)a in$ormaci*n es el teorema de 2a%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. 0onsideremos, por e(emplo, el intento de estimar la probabilidad de "ue una c-inc-eta, lanzada al aire, caiga de cabeza. /i 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$erir#n como estimaci*n (rJ1!D(<JE!, la cual, para < de razonable tamao % r no demasiado pr*,imo a ni a <, es casi indistinguible de rD<. 7a raz*n para la pre$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 $ormado parte de la enseanza tradicional de la teora de probabilidades. 7a ma%ora de los libros de te,to ensean las probabilidades "ue tienen "ue )er con e,periencias aleatorias repetibles % "ue describen sucesos m#s "ue opiniones acerca de proposiciones o enunciados. Enfoque e"&$uc&u$% & la probabilidad $ormal es un concepto "ue se de$ine por un sistema de a,iomas % el con(unto de de$iniciones % teoremas "ue se pueden deducir de esos a,iomas. Inas probabilidades se deducen de otras probabilidades de acuerdo a teoremas matem#ticos, sin (usti$icaci*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. /eg=n 2arnett (1975!, este en$o"ue estructural no clari$ica la naturaleza de la probabilidad aun"ue los teoremas deducidos son un indicador de posibles interpretaciones. /in 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. 7a 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 $recuencias empricas. Algunos teoremas como las le%es de los grandes n=meros, con$irman esta relaci*n. 7a posici*n sub(eti)ista trata la probabilidad como un grado de con$ianza en proposiciones "ue e,presan incertidumbre. 7os 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$ica "ue posiciones competiti)as utilizan el mismo lengua(e a,iom#tico con respecto a la sinta,is+ naturalmente, la sem#ntica es di$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$icaci*n de la posici*n ob(eti)ista, especialmente del modelo $recuencialista.'l modelo estructural no a%uda a determinar un )alor para la probabilidad. 'n una aplicaci*n determinada -a% "ue elegir una interpretaci*n espec$ica sub(eti)a u ob(eti)a para determinar el modelo % las probabilidades in-erentes. ;ilos*$icamente, para el estructuralista no -a% $orma de decidir "u. modelo es me(or (8en%i, 197G!. In e(emplo est#ndar de lanzar un dado azul determinado puede a%udar a ilustrar las di$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 $recuencialista asigna una probabilidad realizando ensa%os repetidos o asignando el mismo )alor para el dado azul cuando e,periencias con otro dado -an producido un resultado de 1DG. 'n ambos modelos la probabilidad es una caracterstica in-erente del dado % el procedimiento de lanzamiento. 'l modelo sub(eti)ista a$irma "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 con$licto. 1e -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 $recuencia -a% "ue -acerlas e,plcitas % usarlas con cuidado. I-* #c%c#one" e+uc%&#)%"& desgraciadamente, la tradici*n dualstica de la noci*n de probabilidad "ue analizamos en el captulo 1, toda)a permanece entre nosotros e inter$iere en los debates de in)estigaci*n % en las estrategias did#cticas en un modo "ue /-aug-ness% (199E! cali$ica de insidioso. 'ste autor a$irma "ue el -ec-o de "ue se discutan los di$erentes en$o"ues de probabilidad "ue acabamos de describir no es un problema. 7o "ue es un problema es "ue algunos in)estigadores -ablan de ello como una batalla a ganar, como si -ubiese un =nico en$o"ue correcto de la probabilidad. 3a:Mins % Lapadia (1984! se inclinan por el en$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 $recuencialista por"ue esta perspecti)a implica, en de$initi)a, alguna noci*n de in$inito % adem#s ciertas situaciones aleatorias no se pueden representar con pruebas repetidas. 'n resumen, 3a:Mins % Lapadia aconse(an la enseanza de la probabilidad )a probabilidad sub(eti)a por"ue descansa en una "base $ilos*$ica elegante". /-aug-ness% (199E! est# en $uerte desacuerdo con 3a:Mins % Lapadia % a$irma "ue sera una pesadilla pedag*gica basar la enseanza de la probabilidad =nicamente en el en$o"ue sub(eti)o. 1ice "ue nuestra tarea como educadores matem#ticos es capacitar a

nuestros estudiantes para traba(ar con un modelo matematizado de la probabilidad. 3a:Mins % Lapadia creen "ue el en$o"ue sub(eti)ista es m#s intuiti)o por"ue todos los nios son $elices -aciendo )aloraciones probabilsticas de un suceso simple, irrepetible. /in embargo, este en$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 $en*meno indi)idual, separado, % por tanto, creen "ue su tarea es decidir correctamente cu#l ser# el pr*,imo resultado del e,perimento m#s "ue estimar la probabilidad de los di)ersos resultados (describimos este sesgo en el captulo E!. 7a entrada de los ordenadores en las aulas re$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 2a%es ()er discusi*n del dilema de 9ont% en el captulo 5!. 'n su conclusi*n, 3a:Mins % Lapadia (1984! a$irman "ue tenemos pocas ideas sobre las concepciones de probabilidad "ue tienen los nios de di$erentes edades % las "ue tenemos se contradicen con muc-a $recuencia. Por contra, /-aug-ness% (199E! a$irma "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 3a:Mins % Lapadia % /-aug-ness% es acerca de las principales cuestiones "ue la in)estigaci*n debera tratar de responder& a! Nu. 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! 0*mo se podran re$orzar o cambiar, si $uera necesario, esas concepcionesC, 3a% 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. 9#s bien -a% muc-os caminos para introducir los conceptos probabilisticos. Por e(emplo, el modelo de $recuencia relati)a trata con datos discretos mientras el modelo de proporci*n, especialmente la probabilidad geom.trica, puede tratar con datos continuos. /i adoptamos una perspecti)a de modelizaci*n para la enseanza de la probabilidad, los con$lictos 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 enseanza6aprendiza(e. Por el contrario, se debe e"uipar a pro$esores % alumnos con representaciones m=ltiples de probabilidad+ es lo "ue /teinbring (1991! llama situaciones signi$icati)as. 7a estadstica en la escuela debe combinar org#nicamente ideas de di$erentes tradiciones $ilos*$icas, 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$o"ues curriculares. 7o "ue m#s in$lu%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 $recuencia. 7a ma%ora de los pro$esores consideran "ue las matem#ticas escolares % el currculo est#n estrictamente $i(ados % (er#r"uicamente estructurados, de acuerdo al car#cter uni$icado de las matem#ticas % a su estructura l*gica. 1esde 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$icada. /in 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. 3a% "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. 3a% "ue utilizar medios de representaci*n "ue sean m#s $#ciles de comprender % -a% "ue integrar la discusi*n sobre posibles concepciones err*neas de la teora lo cual se puede -acer mediante la discusi*n de parado(as en la clase (por e(emplo, las descritas en el captulo 1!. 7os principios b#sicos del diseo curricular deben ser& la propia disciplina, los intereses de los estudiantes, sus prerre"uisitos matem#ticos, la cone,i*n con sus propias ideas pre)ias % la trans$erencia de conocimientos, desde dentro -acia $uera del aula % )ice)ersa (A-lgren % Oar$ield, 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. 7a tradici*n continental europea (Alemania, ;rancia % 'spaa! est# $uertemente basada en combinatoria % c#lculo % de$iende "ue la estadstica no se puede ensear % comprender sin una apropiada base de teora de probabilidades. 7a tradici*n anglosa(ona (Oran 2retaa % ''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. 7as di$erencias culturales -an dirigido a di$erentes en$o"ues del diseo curricular (2oro)cniM, 1991!. 'l mo)imiento de "numerismo estadstico", "ue consiste en e,plorar datos sin pro$undizar en cuestiones de probabilidad, -a crecido en la cultura anglo6 americana "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!. 7os pro$esores anglo6americanos se muestran esc.pticos ante la posibilidad de estructurar el

pensamiento de muc-os estudiantes mediante la imposici*n de ideas probabilsticas $ormales (Piazza, 1988!. Ina discusi*n mu% interesante se re$iere 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 $initos por"ue consideran "ue la combinatoria es un tema di$erente % m#s di$cil "ue la probabilidad. A$irman "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$icaz "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. 1.5. EL PAPEL DE LOS PRO/ESORES 0 EL PROBLEMA DE SU /ORMACIN 2e%t-69arom % 1eMel (1985! 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$icultades en comprender algunos de los conceptos. 8oseberr% % 8ubin (1989! tambi.n -an escrito sobre el problema de las concepciones err*neas de los pro$esores cuando se intenta una inter)enci*n instruccional. 7os 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$esores si pretendemos "ue sean competentes en la enseanza "ue imparten, dirigida muc-as )eces a superar los conceptos err*neos de sus alumnos (0-arles, 1989+ >-ompson, 1989!. Por otro lado, los intentos de introducir nue)os temas en la instrucci*n matem#tica (la teora de probabilidades es un tema "ue resulta no)edoso para muc-os pro$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. 0on demasiada $recuencia, tanto los in)estigadores como los pro$esores traba(an en base de esta comprensi*n limitada. 7os 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 % $inalizado sin inter)enci*n del pro$esor de aula, -a $racasado. 7os problemas de comprensi*n de los estudiantes re"uieren una inter)enci*n acti)a del pro$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$icarlo, organizarlo % e)aluarlo. 7os 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 $unci*n del desarrollo cogniti)o. 'sta concepci*n del proceso de enseanza6aprendiza(e )e al pro$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. 7as 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$esor. 'sta idea es la "ue -a guiado nuestra propuesta de organizaci*n semi6 elaborada de materiales % de preparaci*n de pro$esores "ue iban a inter)enir en el diseo % e,perimentaci*n de nuestra metodologa de instrucci*n. 1.4. EL PROBLEMA DE LOS MTODOS DE ENSEANZA-APRENDIZA1E

7a enseanza tradicional est# gobernada por la idea de "ue el conocimiento matem#tico se puede ad"uirir de un modo lineal. 'sto signi$ica "ue el pro$esor debe de$inir inicialmente conceptos b#sicos para poder introducir gradualmente los dem#s elementos de conocimiento en su estructura. /e re"uieren $undamentos $i(os % claros conceptualmente para asegurar el aprendiza(e del conocimiento matem#tico. 7a $undamentaci*n a,iom#tica contiene, en principio, todo este conocimiento "ue s*lo tiene "ue presentarse de modo aditi)o. 1os estrategias de enseanza se a(ustan a este en$o"ue tradicional& la concreta6 ingenua % el en$o"ue l*gico, en t.rminos de Lapadia % 2oro)cniM (1991!. 'n la enseanza concreta6ingenua, el pro$esor se orienta sobre todo a culti)ar la intuici*n, a -acer la materia concreta % a ilustrarla por medio de e(emplos. 7a 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. 1entro de la enseanza secundaria se desarrolla otro m.todo de enseanza, l*gico o estructural, "ue en$atiza las cone,iones matem#ticas consistentes. 'l modo de (usti$icar % organizar el proceso de enseanza6aprendiza(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 $oco % orientaci*n de la enseanza consiste en -acer e,plcita esta estructura. 'ste m.todo de enseanza se caracteriza por el car#cter dominante del patr*n pregunta % respuesta en la enseanza directa, la ausencia de traba(o e,perimental % pr#ctico % tambi.n por el patr*n de enseanza de "los tres pasos" (presentar e(emplos, desarrollar reglas o t.cnicas matem#ticas para los c#lculos % por =ltimo practicar esas reglas por medio de m#s problemas o aplicaciones! (1Pr$ler, 1984+ 1Pr$ler % 9c7one, 198G!. /teinbring (1991! a$irma "ue las consecuencias de este en$o"ue estructural en la enseanza son& 1! la tendencia a proporcionar un mont*n de de$iniciones ( % s*lo unos pocos teoremas % de .stos algunos tri)iales! lo cual mata la moti)aci*n+ E! la tendencia a

de$inir cosas "ue sistem#ticamente no se usan+ 5! la obsesi*n de utilizar tantos t.rminos espec$icos de la disciplina como sea posible+ % 4! el inter.s para conseguir $ormulaciones de$initi)as, irrecusables desde el principio. /i 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$o"ue concreto se centra en e,perimentos % (uegos ideales de azar. Para de$inir la probabilidad se utilizan $recuencias, proporciones num.ricas % simetras. Hpuesto de alguna manera a este modo concreto6intuiti)o de enseanza est# el m.todo "ue pone el .n$asis en la consistencia interna de los conceptos % en la $undamentaci*n interior del currculum estoc#stico. 'sto signi$ica "ue el pro$esor introduce unos cuantos conceptos b#sicos& resultado, suceso, suceso seguro e imposible, espacio muestral, etc. /e entiende "ue esos conceptos proporcionan una s*lida $undamentaci*n para el desarrollo posterior. 7a intenci*n espec$ica es dar de$iniciones claras de conceptos, libres de dudas % ambigQedades. 'ste m.todo de enseanza casi siempre usa la noci*n de probabilidad cl#sica laplaciana % -ace un uso e,agerado de la teora de con(untos % del #lgebra booleana. ;recuentemente -a% una sucesi*n temporal entre esos dos tipos b#sicos de enseanza probabilstica. 'l pro$esor comienza, en los cursos iniciales, con traba(o concreto. 9#s tarde, se desarrolla la teora consistentemente. /in 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$o"ues ocultan el signi$icado 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. /teinbring (1991! de$iende esta tensi*n entre aspectos empricos % te*ricos % la no reductibilidad a uno de ellos % a$irma "ue cual"uier intento de ensear desde el principio una teora de probabilidad seg=n su estructura l*gico6matem#tica, lle)a a una circularidad. @lustra esta a$irmaci*n con el an#lisis de las nociones b#sicas de probabilidad % aleatoriedad& para poder discutir sobre la aleatoriedad se debe tener pre)iamente un concepto de probabilidad "ue a su )ez e,ige el concepto de aleatoriedad. 'n de$initi)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 $ocaliza e,clusi)amente el proceso de enseanza en el alumno. 0omo )eremos, nuestro en$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$icado 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. 7as

-erramientas para representar el conocimiento parecen tener un impacto considerable en la ad"uisici*n por los su(etos de este conocimiento. 0laramente la llegada de los ordenadores marca un cambio signi$icati)o en estas -erramientas % por tanto debe pro)ocar alg=n cambio en el proceso de enseanza6aprendiza(e. Por e(emplo, tradicionalmente el n=mero A se -a de$inido como la raz*n de la longitud de la circun$erencia a su di#metro+ en un conte,to computacional A se puede de$inir como 4 )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. /in embargo, -asta -o%, son mu% pocos los estudios sobre la in$luencia del ordenador en el aprendiza(e % comprensi*n de las probabilidades. Parece "ue esta situaci*n es temporal % seg=n in$orma /-aug-ness% (199E! -a% gran acti)idad en el campo, de la "ue se espera "ue pronto de resultados. 2ie-ler (1988, 1991! proporciona una panor#mica del software e,istente % desarrolla una estructura te*rica para la in)estigaci*n de su e$icacia educati)a. >oda)a no -a% disponible un pa"uete estoc#stico "ue re=na los re"uisitos te*ricos % did#cticos necesarios pero -a% dos tendencias de desarrollo interesantes& desarrollo de pa"uetes especiales a(ustados a las necesidades educati)as % utilizaci*n del software pro$esional e,istente en an#lisis estadstico % lengua(es estadsticos interacti)os. 3a% 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 (7ander:e-r % FatMins, 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 $uncional % con)ergencia en probabilidad (/#enz, 199E! % para "ue realicen el tratamiento estadstico de indicadores macroecon*micos (/#enz, 1987!+ tambi.n -emos diseado una simulaci*n por ordenador de la le% de los grandes n=meros (/#enz % Oarca, 198G!. 'l ordenador nos permite in)estigar situaciones m#s reales "ue los e(ercicios tradicionales de clase, los cuales se plantean tratando de e)itar el salto "ue -a% entre la comple(idad de las situaciones reales % las limitadas destrezas computacionales de los estudiantes. 0iertamente, los ordenadores -an re)olucionado las pr#cticas estadsticas de an#lisis de datos % simulaci*n. In nue)o tipo de racionalidad se basa en la prueba por simulaci*n. 7os algoritmos iterati)os o recursi)os lle)an a una representaci*n de los problemas di$erente a la "ue producen los modelos % $*rmulas cerradas "ue eran tradicionales en la estoc#stica. 7os m.todos gr#$icos % 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. 7a 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 !. 0on 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 $sicamente, con aparatos aleatorios (tales como ruletas, dados o monedas! antes de "ue puedan aceptar o comprender los datos proporcionados por una simulaci*n electr*nica. 's necesario establecer cone,iones entre simulaciones concretas % simulaciones por ordenador, en el proceso de enseanza6aprendiza(e % estudiar los e$ectos de la transici*n entre las dos representaciones. 'ste es el prop*sito "ue nos gua en nuestra propuesta instruccional.

'n de$initi)a, la literatura sobre la utilizaci*n de los ordenadores en la enseanza de las probabilidades proporciona muc-as sugerencias did#cticas pero e,iste poca in)estigaci*n emprica % e)aluaci*n de la utilidad de esas sugerencias. 'sta in)estigaci*n es absolutamente necesaria para conocer, por e(emplo, c*mo se modi$ican las concepciones de los estudiantes cuando el proceso de enseanza6aprendiza(e se realiza en un entorno de ordenadores. H c*mo se modi$ica el papel del pro$esor en un aula computarizada en la "ue el pro$esor %a no es el Hr#culo de 1el$os, de donde procede todo conocimiento, como lo era en el aula tradicional. 2.- EPISTEMOLO3.A 0 ESTILOS DE ENSEANZA 7a 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$icar la materia % e,plicarla consistentemente se identi$ica con la estructura l*gica, -ipot.tico6deducti)a, de las matem#ticas, tal como -emos tenido ocasi*n de analizar en el apartado anterior. /teinbring (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! 7a naturaleza te*rica de la probabilidad& el car#cter te*rico del conocimiento estoc#stico signi$ica "ue los conceptos b#sicos no pueden de$inir 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 $ormas de representar la probabilidad permita a los conceptos % la teora re)elarse al unsono. 'l proceso de enseanza debe re$le(ar la parado(a de "ue la clari$icaci*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 $*rmulas matem#ticas % c#lculos t.cnicos por"ue ello oculta la interpretaci*n % pensamiento estoc#stico. b! 9odos de representaci*n de los conceptos probabilsticos& si en la teora de probabilidades la relaci*n entre ob(eto % modelo no se puede ignorar (pensemos, por e(emplo, en el doble signi$icado de la idea de e"uiprobabilidad como e,periencia aleatoria % como distribuci*n uni$orme!, permanece la cuesti*n de c*mo desarrollar esta relaci*n matem#ticamente. 3ist*ricamente se -an desarrollado una gran cantidad de medios conceptuales de descripci*n % presentaci*n, con el ob(eto de caracterizar esta relaci*n. 3a% dos tipos de representaciones para e(empli$icar 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 $recuencias. 8ele)antes para el aula son las tablas, estadillos, diagramas de sectores, gr#$icos de barras, -istogramas, poligonales, etc. Por otro lado est#n los di$erentes tipos de diagramas de #rbol "ue tienen su aplicaci*n principal en el c#lculo probabilstico. 7a comparaci*n de di$erentes representaciones proporciona nue)as ideas sobre las relaciones

entre una situaci*n concreta % su modelizaci*n estadstica. 0ada representaci*n trata esta relaci*n de un modo espec$ico. As, el diagrama de #rbol se puede interpretar bien como un diagrama de $lu(o para realizar un e,perimento concreto bien como una caracterizaci*n de todas las posibilidades "ue ocurren en la con$ormaci*n de un modelo. Por tanto, el diagrama de #rbol se puede utilizar para describir e,perimentos espec$icos % tambi.n se puede utilizar como un escenario para un gran n=mero de e,perimentos idealizados+ tambi.n puede ser)ir para deducir las reglas de caminos (reglas de adici*n % multiplicaci*n de probabilidades! % para establecer modelos estoc#sticos como la distribuci*n binomial. 7as di$erentes )ariantes de gr#$icos estadsticos se pueden utilizar para representar, ordenar % relacionar datos. 's posible -acer comparaciones absolutas % relati)as, o bien por areas o por lneas. 7as distribuciones caracterizan simult#neamente el sistema global de las cantidades obser)adas % muestran caractersticas salientes espec$icas como simetras, medias, )arianzas, etc. 'l papel educati)o de las representaciones gr#$icas es mu% importante. 'sas caractersticas espec$icas 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 $ormaci*n de nue)o conocimiento. 7os di$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 con$licto con una concepci*n del desarrollo de la ciencia en la "ue es posible la adici*n de nue)os elementos de conocimiento a la base de una estructura dada. 7as indicaciones did#cticas no pueden anticipar la pr#ctica de enseanza en todos sus detalles de tal manera "ue -agan super$luo el papel del pro$esor. Nu. tipo de propuestas cumplen este di$cil re"uerimiento de contener simult#neamente elementos te*ricos % sistem#ticos, % orientaciones e$ecti)as para la pr#cticaC Nu. clase de materiales de enseanza promue)en el papel acti)o de los pro$esores % permiten alternati)as % des)iaciones sin limitarse esos materiales a un en$o"ue unidireccional % parcialC /teinbring propone la metodologa de sistemas de tareas. c! /istemas de tareas& la tarea matem#tica desempea un importante papel tanto en la clase como en la comprensi*n del pro$esor de la instrucci*n matem#tica. 7as tareas son las unidades m#s pe"ueas de acti)idad de clase "ue permiten al pro$esor interrelacionar el contenido comunicati)o6social de la instrucci*n con el contenido espec$ico de la materia. 7os pro$esores de matem#ticas $recuentemente piensan % -ablan sobre la enseanza en t.rminos de tareas+ las tareas son, de alguna manera, sus conceptos. /in embargo, utilizan esos conceptos pragm#ticamente+ esos conceptos est#n altamente entrecruzados con los re"uerimientos locales % pierden su signi$icado 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$esor. 7as tareas matem#ticas "ue tienen sentido no se presentan aisladas. /e conectan siempre a un conte,to de un problema m#s amplio "ue comunica signi$icado % 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 (1975! 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. 1os 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.1E4!. '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 /teinbring (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. 7os en$o"ues de enseanza tienen "ue proporcionar orientaciones, principios % materiales para la probabilidad escolar "ue sean consistentes con la base de las di$icultades epistemol*gicas del conocimiento estoc#stico. 0ompartimos esta preocupaci*n epistemol*gica de /teinbring como tendremos ocasi*n de mostrar en el siguiente captulo. 4.- TEOR.AS CO3NITIVAS 0 ESTILOS DE ENSEANZA 7a 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 enseanza6 aprendiza(e de la teora de probabilidades (;alM % Lonold, 1991!. 0omo 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 @n-elder, 19B1+ )er captulo E!& el concepto de probabilidad es uno de los es"uemas $ormales "ue emergen durante la adolescencia. /i admitimos, siguiendo esta teora, "ue el pensamiento $ormal no s*lo es condici*n necesaria sino probablemente su$iciente, para acceder al conocimiento cient$ico 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 $ormal es in=til % despu.s probablemente super$lua, seg=n una interpretaci*n e,trema de la teora piagetiana.

7os 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. 1i)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 $ormal, al (uzgar o resol)er problemas en situaciones de incertidumbre (0a)erni, ;abre % Oonz#lez, 199 !. 1entro del paradigma de -eursticos % sesgos realizamos la primera in)estigaci*n de esta tesis. Htra lnea de in)estigaci*n distinta de la anterior en su marco te*rico % metodologa pero "ue tambi.n -a c-ocado con el retrato intelectual racionalista del adolescente "ue nos o$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 (0are%,1988+ 1ri)er,198G+ 3elm % <o)aM, 1985+ 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! 7os alumnos tienen ideas intuiti)as sobre los $en*menos cient$icos, pre)ias a cual"uier enseanza cient$ica+ 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 $uncionales % persistentes en la estructura cogniti)a -umana. b! A-ora bien, algunas de estas preconcepciones o intuiciones se -allan bastante ale(adas del conocimiento cient$ico % 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$icas para "ue los alumnos las aprendan, ignorando sus concepciones alternati)as % primarias, sino "ue es un proceso comple(o "ue consiste en conseguir "ue los alumnos modi$i"uen o sustitu%an sus ideas intuiti)as, pero $irmemente arraigadas, sobre los $en*menos naturales por otros conceptos m#s a)anzados % m#s pr*,imos a las teoras cient$icas 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!. 0ompartiendo 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$ilar una radiogra$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 in$luencia 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.

1e las distintas teoras "ue acabamos de enunciar se siguen distintas estrategias did#cticas. 7a 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. 7a 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 $ormales entre los conceptos cient$icos, esto permitir# "ue los alumnos desarrollen esta estructura conceptual por s mismos. 3a% "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. 7a estrategia did#ctica "ue se deri)a de la concepci*n piagetiana tiene como ob(eti)o el $acilitar al alumno el dominio del m.todo cient$ico % no tanto el de proporcionarle los contenidos de la ciencia+ es una estrategia de en"e9%n:% *o$ +e"cu'$#-#en&o % no una transmisi*n )erbal de conceptos cient$icos, "ue no s*lo es ine$icaz sino contraproducente. 'n lugar de ensear al alumno uno a uno los conceptos cient$icos, es m#s e$icaz proporcionarle la capacidad de descubrirlos o construirlos por s mismos. 1esde el marco te*rico de las concepciones espont#neas se cuestiona la enseanza por descubrimiento %a "ue no parece posible "ue los alumnos generen o in)enten en conte,tos de instrucci*n, por mu% adecuados "ue sean, los conceptos cient$icos 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$ico "ue se le intenta transmitir % "ue, de -ec-o, obstaculizan seriamente su ad"uisici*n. 's decir, no se cuestiona la capacidad de los estudiantes para in)estigar por s mismos % e,traer in$erencias de sus obser)aciones, sino "ue se a$irma "ue los estudiantes no "descubren" necesariamente lo "ue se pretende e incluso, en muc-os casos, usan la e)idencia emprica para re$orzar sus nociones pre)ias m#s "ue para estimular el cambio. 1esde estas posiciones se postula "ue, para "ue se produzca el c%-'#o conce*&u% , es preciso "ue el alumno reciba a"uellas teoras cient$icas "ue no sea capaz de descubrir por s mismo. A-ora bien, para "ue esa enseanza recepti)a sea e$icaz -a de ale(arse radicalmente de la )ie(a enseanza repetiti)a tradicional "ue conduce a un aprendiza(e memorstico % no signi$icati)o, manteni.ndose dentro de *o"#c#one" con"&$uc&#)#"&%" % acompa#ndose siempre de e(ercicios de descubrimiento % consolidaci*n de los conceptos ad"uiridos (Ausubel, <o)aM % 3anesian, 1978+ Pozo, 1987a!. 0omo 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. 7a comple(idad del proceso de aprendiza(e de conceptos cient$icos 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. 7a estrategia did#ctica usual en esta disciplina consiste en retrasar el comienzo de la instrucci*n -asta edades a)anzadas del alumno (14 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 0omo 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 $#cil. <o -ubiera sido necesario un an#lisis como el "ue -emos realizado a lo largo del captulo para llegar a una a$irmaci*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. 1esde 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. 1esde la perspecti)a epistemol*gica, la propuesta de /teinbring (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 re$le,i*n e,plcita sobre los procesos cogniti)os "ue se producen en la comprensi*n % ad"uisici*n de la ciencia probabilstica por los estudiantes+ dic-o de otro modo, no tiene en cuenta las aportaciones de las di)ersas teoras cogniti)as del aprendiza(e. ;uncionar# un m.todo de instrucci*n "ue se base en la interrelaci*n e,plcita de una componente epistemol*gica % una componente cogniti)aC Nue integre la perspecti)a de la disciplina a aprender (epistemologa! % la perspecti)a del alumno "ue aprende (psicologa!C In m.todo de instrucci*n diseado con esta caracterstica, debe re$le(ar las implicaciones did#cticas "ue -emos ido obteniendo en esta tesis, a partir de la re$le,i*n -ist*rico6epistemol*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. 8esumimos en la tabla siguiente dic-as implicaciones para la enseanza de la probabilidad en el ni)el secundario.

P'8/P'0>@RA 1' A<S7@/@/

@9P7@0A0@H<'/ 1@1S0>@0A/. A/P'0>H/ A >'<'8 '< 0I'<>A '< '7 P8H0'/H 1' '</'TA<UA6 AP8'<1@UAV' 6los di)ersos en$o"ues de la probabilidad (cl#sico, $recuencialista, sub(eti)ista, estructural! 6las parado(as % $alacias en el desarrollo -ist*rico de la teora matem#tica de las probabilidades 6la concepci*n de la tarea 6la concepci*n del su(eto 6la concepci*n de la relaci*n su(eto6tarea 6la naturaleza contingente % constructi)a del pensamiento probabilstico 6el sistema de ideas personales en coe,istencia (no siempre pac$ica! con el sistema $ormal de la teora de la probabilidad 6la epistemologa de la probabilidad en el aula 6las teoras cogniti)as % su in$luencia en los estilos de enseanza

<#"&7$#co-e*#"&e-o 76#c% (captulo 1!

*"#co 76#c% (captulo E! +#+!c&#c% (captulos 5, 4 % B!