La enseñanza de las matemáticas y la tecnología

The teaching of Mathematics and Technology

Ramón Sebastián Salat Figols

Escuela Superior de Física y Matemáticas. Instituto Politécnico Nacional.

Recibido: 12/07/2013.
Aceptado: 21/08/2013.

Resumen

El objetivo de este trabajo es presentar argumentos en el sentido de que el uso de las

herramientas de computación ha pasado a formar parte de la cultura del hombre como
parte de un proceso histórico y cultural que marca una nueva etapa del desarrollo.
Primero, se presentan los aspectos más importantes desde un punto de vista histórico;
luego, se muestran algunos ejemplos de uso para ilustrar su potencial en la ciencia y
en la educación. Finalmente, se plantean algunos elementos fundamentales con
respecto a la relación entre la creación y el uso de herramientas computacionales y el
pensamiento del hombre.

Palabras clave: Innovaciones tecnológicas, matemáticas, matemática educativa,

tecnología educativa.

Abstract

The goal of this paper is to present arguments that the use of computational tools has
become part of the culture of humanity, as part of a historical and cultural process that
marks a new stage in its development. First, we present the most important aspects
from a historical point of view; then we show some examples of use to illustrate its
potential in science and education. Finally, we propose some fundamental elements
with respect to the relation between creation and the use of computational tools and
the thought of humanity.

Keywords: Technological innovations, mathematics, educational mathematics,

educational technology.
 

Introducción

La tecnología ha influido en la enseñanza de las matemáticas de dos maneras

diferentes. Una de ellas, debido a los cambios que el quehacer matemático ha tenido
con la aparición de las computadoras, que pueden procesar rápidamente grandes
cantidades de datos, lo cual ha influido en la definición de los programas de las
asignaturas de matemáticas. Otra, debido a que las computadoras se han convertido
en un recurso para potenciar el aprendizaje. En ambos aspectos, el efecto ha ido
creciendo debido a los avances en la propia tecnología computacional y a un paulatino
efecto de penetración de estos recursos en la sociedad en general.

El conocimiento de los dos aspectos es imprescindible para lograr una pertinente

actualización de los programas de las asignaturas de matemáticas. Esto es, para evitar
su obsolescencia con respecto a los cambios que a futuro se esperan.

Por otro lado, existen estudios que nos permiten entender mejor el modo en el que las
herramientas computacionales modifican nuestros procesos cognitivos.

El propósito de este artículo es proporcionar elementos para establecer que las

herramientas computacionales han pasado a formar parte de nuestra vida, desde un
punto de vista cultural, y proporcionar una perspectiva de los aspectos señalados que
permita al lector, por un lado, entender que el uso de la tecnología en la educación es
un aspecto de gran importancia para la formación de los educandos y, por otro,
proporcionar información actualizada que le permita adentrarse en los aspectos
señalados.

Un breve repaso histórico

En 1834, el matemático Charles Babbage diseñó su máquina analítica. Ésta era capaz
de realizar las cuatro operaciones aritméticas fundamentales: tenía una unidad de
memoria; era programable, lo cual permitía el direccionamiento condicional y los
ciclos; se introducían los datos con tarjetas perforadas; y era capaz de imprimir los
resultados. Es decir, tenía las características de las computadoras de hoy (Bromley,
1982). Desafortunadamente, nunca pudo ser construida, pero, aun así, la idea de
Charles Babbage dejó una importante huella en la historia de la computación. En 1945,
el matemático John von Neumann diseñó una computadora electrónica llamada
EDVAC, que fue construida y entró en operación en 1952 (Von Neumann, 1945). La
EDVAC era capaz de resolver, por ejemplo, ecuaciones diferenciales parciales no
lineales, y su diseño tenía una arquitectura que es la de la mayoría de las
computadoras modernas. Quizá la diferencia más importante entre la EDVAC y las
computadoras anteriores es que las anteriores podían realizar alguna tarea específica,
y si se deseaba que realizaran otra había que cambiar las conexiones en los circuitos;
mientras que la EDVAC podía cambiar de tarea si se introducía un programa en la
misma memoria de la máquina. La EDVAC fue la materialización de la idea de Charles
Babbage y de una genial invención de von Neumann. Una manera de conocer más
acerca de la relación entre el desarrollo de la matemática y la computación, en sus
orígenes, es estudiar la obra de von Neumann (Glim, Impagliazzo, Singer, 1988). Uno
de los primeros trabajos importantes de simulación, usando la computadora, fue en la
difusión de neutrones, para estudiar el fenómeno de la fisión nuclear; lo realizaron
Stanislao Ulam y John von Neumann (Eckhardt, 1987).

Al principio, las computadoras se programaban en lenguaje de máquina; las

instrucciones se introducían en la forma de números binarios; los programas eran
listados de números en este formato. La programación era un trabajo sumamente
tedioso y sujeto a muchas posibilidades de cometer errores. Se crearon los primeros
lenguajes ensamblador, que traducían las instrucciones escritas con nombres cortos
para las operaciones y números en hexadecimal al lenguaje de máquina. Después, se
crearon lenguajes con los cuales era más sencillo escribir un algoritmo para resolver
algún problema y el correspondiente compilador, el programa que traduce las
instrucciones del lenguaje a lenguaje ensamblador. En 1956, nació el primer
compilador Fortran, cuyo significado es Formula Translating System (Knuth, Trabb,
1976). Este compilador traducía un programa escrito en un lenguaje accesible para el
público en general a un programa en lenguaje ensamblador, es decir, en el lenguaje
utilizado por la máquina. Con los primeros compiladores Fortran, muchos científicos
pudieron crear sus propios programas y utilizar la computadora en sus investigaciones.
Pero, aun así, su uso era limitado, porque las computadoras solamente podían ser
adquiridas y mantenidas por empresas e instituciones públicas. Una de las
computadoras más económicas en la época era la PDP-8, y la Escuela Superior de
Física y Matemáticas del Instituto Politécnico Nacional tenía una en 1968. Kemmeny y
Kurtz (1968) crearon un nuevo lenguaje de programación, el BASIC, cuyas siglas en
español son Código Simbólico de Instrucciones de Propósito General para Principiantes.

En la década de 1970 aparecieron las primeras computadoras personales, que

permitieron que usuarios individuales tuvieran una.

En 1967, Bolt, Beranek, Newman y Papert desarrollaron el lenguaje Logo, marcando

una etapa importante de influencia en la educación. El Logo se utiliza en la enseñanza
para diseñar actividades para explorar conceptos matemáticos mediante la
programación (Papert, 1995, 1996, 2000). En muchos planes y programas de estudio
se incluyeron actividades con el lenguaje Logo (Sacristán, 2011).

Actualmente, existen las computadoras personales de muy bajo costo, comparativa y

notablemente más poderosas que las de la década de 1970. También existen
calculadoras programables que pueden graficar y tabletas para las cuales hay
programas que las hacen muy útiles técnica y pedagógicamente.

Hoy existen sistemas operativos gratuitos para las computadoras personales -por
ejemplo, algunas versiones de Linux-para los cuales hay una gran variedad de
programas útiles para la educación y el trabajo profesional en las ciencias exactas. Por
ejemplo, Maxima, Reduce y Xcas pueden efectuar cálculo simbólico y numérico; Scilab
y Octave pueden realizar cálculo numérico; Geogebra sirve para explorar objetos
geométricos; Lyx, para escribir trabajos científicos; el compilador gcc funciona para
compilar programas en C y en Fortran; Python, Lua y Ruby, para escribir programas en
lenguaje de scripts; gnuplot, puede realizar gráficos para las ciencias y la ingeniería.

Las calculadoras graficadoras y programables tienen diferentes recursos en un solo

dispositivo, lo cual las hace muy útiles y fáciles de transportar. Usualmente, se pueden
programar en BASIC, pueden graficar funciones en dos y tres dimensiones, y suelen
tener un sistema de álgebra computacional. Además, podemos intercambiar
información entre la calculadora y la computadora personal. Algunas tienen hoja de
cálculo y un programa para explorar objetos geométricos.

Existen también las tabletas, delgadas y ligeras, que se transportan fácilmente y

tienen recursos táctiles de interacción. Para ellas hay una gran variedad de programas
para uso en las ciencias, la ingeniería y la educación, muchos de ellos gratuitos.
Existen versiones de Xcas, Maxima, Octave, Python, Lua, y Reduce para tabletas.
Además, algunos modelos recientes son comparativamente muy económicos.

Algunos ejemplos de uso de la computadora en matemáticas

Uno de los usos más difundidos de la computadora en el terreno de las matemáticas

fue para demostrar el teorema del mapa de cuatro colores. El teorema existía como
una conjetura desde 1852. A grandes rasgos, el teorema afirma que solamente se
requieren cuatro colores para iluminar un mapa plano sin que dos regiones adyacentes
compartan el mismo color. La computadora ayudó a reducir el número de casos
particulares a considerar en la demostración (Appel, Haken, 1977).

Otro uso importante de la computadora en la ciencia es el de autómatas celulares para

modelar el mundo físico (Wolfram, 2002).

Margolus y Toffoli (1987) utilizan la simulación en computadora de autómatas celulares

para modelar la dinámica de los fluidos y estudiar fenómenos, como la reversibilidad,
la difusión y el equilibrio.

Otro campo de estudio en el que la computadora ha sido un auxiliar importante es el

del fenómeno de la percolación. A manera de metáfora, considere una cuadrícula en la
que cada celda puede estar vacía u ocupada por un árbol y que en alguna de las celdas
se inicia un incendio; interesan preguntas, tales como: ¿cuál es la probabilidad de que
el incendio acabe con todo el bosque? Existe una cantidad particularmente importante
de probabilidades, llamada probabilidad crítica de percolación, que hasta hoy
solamente puede ser calculada aproximadamente por simulación en computadora. Para
una introducción al tema puede consultar a Salat (2005).

Nagel y Schreckenberg (1992) introdujeron un autómata celular para modelar el

tráfico de vehículos a escala microscópica. Para estudiar el tráfico de vehículos en una
autopista de un solo carril se supone que está dividida en celdas de igual tamaño, cada
una de las cuales puede estar vacía u ocupada por un vehículo. Los vehículos no
pueden sobrepasar una velocidad máxima υmax . Si la velocidad de un vehículo es υ, las
reglas que definen al autómata son las siguientes: 1) si υ < υmax , la velocidad se
incrementa en 1; 2) si υ es menor que el número de celdas entre el vehículo y el
siguiente más cercano, entonces υ se igual a dicho número de celdas; 3) si v υ >
0, υ disminuye en una unidad con probabilidad p; 4) el vehículo avanza υ celdas. Estas
reglas se aplican de manera paralela a todos los vehículos. Por medio de la simulación
puede estudiarse, por ejemplo, la formación y el comportamiento de los
embotellamientos de tráfico. Una introducción al tema se halla en Salat (2006).

Otro recurso importante disponible es la hoja de cálculo. Con ella podemos ver, en una
sola hoja, por ejemplo, la realización de un algoritmo. Las hojas de cálculo se usan
frecuentemente en tareas de simulación en aspectos económicos y financieros.
A continuación se presentan algunos ejemplos sencillos de uso de la tecnología para la
solución de problemas. El propósito de presentar estos ejemplos es mostrar cómo la
tecnología nos ofrece nuevas perspectivas para analizar los problemas. El primer y el
segundo problemas se refieren al uso de la computadora para realizar simulaciones
que permitan estimar los parámetros π y  . En el tercero se resuelve un problema de
flotación, usando el cálculo simbólico; la ventaja de usar el cálculo simbólico es que se
obtiene una expresión algebraica para la profundidad a la que se sumerge el cuerpo, lo
cual permite manipulaciones simbólicas posteriores. El cuarto problema nos muestra
cómo se puede usar el cálculo simbólico para convertir el método de iteraciones
sucesivas de Picard en un recurso para aproximar las soluciones de ecuaciones
diferenciales ordinarias de primer orden. En el quinto problema se muestra cómo el
cálculo simbólico puede ayudarnos a trabajar con diferencias finitas y con
aproximaciones por la fórmula de Taylor. Finalmente, se presenta el ejemplo del
problema de las torres de Hanói, para ilustrar la fuerza del método recursivo en la
programación.

1) Cálculo de π por simulación

Se lanzan aleatoriamente dardos a un cuadrado de lado 1 y se observa la proporción

que cae en el interior del cuarto de círculo, que pasa por dos vértices opuestos del
cuadrado y tiene por centro uno de los otros vértices (gráfica 1).
Esta proporción, cuando el número de dardos sea muy grande, será prácticamente
igual a la razón del área del cuarto de círculo al área del cuadrado, esto es, igual a π/4.

A continuación se presenta un programa en BASIC para la calculadora TI-Nspire™ CAS

CX:

: Definecalcpi(n)=

:Prgm

:cuenta:=0

:For i,1,n

: x:=rand()

: y:=rand()

: d:=x^(2)+y^(2)

: If d<1 Then

: cuenta:=cuenta+1

: EndIf

:EndFor

:Disp 4*cuenta/n

:EndPrgm

Con un millón de dardos, se obtuvo 3.14051 como aproximación para π. Actualmente,

dentro de la teoría de la simulación existen técnicas para mejorar el resultado, por
ejemplo, las de reducción de la varianza.

2) Cálculo de   por simulación

Si tomamos un número considerablemente grande de puntos uniformemente

distribuidos en el intervalo (0,2) y nos fijamos en la proporción de los que son menores
que  , ésta será, aproximadamente,  . Considerando que un número en el
intervalo n (0,2) es menor que   si, y solamente si, su cuadrado es menor que 2, la
proporción de números del intervalo (0,2) que son menores que   es igual a la
proporción de números cuyo cuadrado es menor que 2. El siguiente programa en
Python, se ejecutó en una tableta:

from random import random

n=10000000

cuenta=0

for i in range(n):

x=2. *random()

if x*x<2:

cuenta=cuenta+1

print 2. *float(cuenta)/float(n)

Considerando diez millones de puntos, se obtuvo 1.4141836.

3) Problema de flotación

Una boya esférica de radio 1 m y peso w se pone en la superficie del agua: ¿cuál es la
profundidad y que se sumerge como una función de w?

Para que la boya esté en equilibrio, el peso de la misma debe ser igual al volumen del
agua desalojada. El volumen del casquete esférico sumergido a una profundidad y es

Luego, la ecuación de equilibrio es:

Donde ρa = 1000 kg/m3 es la densidad del agua y g = 9.81 m/s2 es el valor de la

gravedad. Por comodidad, se toma

Así, la ecuación de equilibrio queda:

Si en la TI-Nspire™ cas cx ponemos la instrucción

nos da tres soluciones, de las cuales solamente una corresponde a la realidad física, a
saber:

No todos los sistemas de álgebra computacional pueden resolver la ecuación (2) para y
en forma simbólica. Se puede graficar la función para formarse una idea rápida de su
comportamiento. La solución puede obtenerse mediante las fórmulas de Cardano, pero
es bastante laborioso hacerlo de ese modo.

Los sistemas de álgebra computacional pueden llegar a ser muy útiles, como en el
problema anterior, sin embargo, también requieren de una cuidadosa interpretación de
los resultados. Por ejemplo, a la instrucción

el sistema responde x = 1, cuando en realidad la ecuación

no tiene solución. Si suponemos que existe un número real x que satisface la ecuación,

entonces debe ser x ≠ 1, pasando x - 1 al miembro de la derecha en la ecuación y
simplificando se obtiene (x - 1)2 = 0, o sea, x = 1, lo cual contradice nuestra anterior
afirmación de que x ≠ 1; por tanto, la ecuación no tiene solución.

4) Solución aproximada de una ecuación diferencial por el método de

iteraciones sucesivas de Picard

Para demostrar el teorema de existencia y unicidad de la solución de una ecuación

diferencial ordinaria de primer orden y' =f(x,y) sujeta a la condición y(0) = y0, es usual
emplear el operador:
Se demuestra que, bajo ciertas hipótesis, el operador tiene un punto fijo, y luego se
demuestra que la función punto fijo es la solución de la ecuación diferencial. Este
método puede emplearse también para aproximar la solución de una ecuación
diferencial, usando un programa de cálculo simbólico. Por ejemplo, si queremos
resolver la ecuación y'=xy2 -y, sujeta a la condición y(0) = 1, podemos proceder del
siguiente modo:

Define ƒ 1(s) = 1

Define g2(x) = 1 +  (tg1(t)2 - g1(t))

Define g3(x) = 1 +   (tg2(t)2 - g2(t))

...

Así se obtienen:

Realizar estos cálculos manualmente es un método impráctico; pero con un sistema de

álgebra computacional este método proporciona un nuevo recurso para aproximar
soluciones de ecuaciones diferenciales ordinarias.

5) Algunas posibilidades del cálculo simbólico.

Si en la TI-Nspire™ CAS CX, ponemos:

Define ƒ 1(x) = ƒ (x + h) - ƒ (x)

Define ƒ 2(x) = ƒ 1(x + h) -ƒ 1(x)

Define ƒ 3(x) = ƒ 2(x + h) -ƒ 2(x)

Si ponemos ƒ3(x) y apretamos ENTER, se obtiene la fórmula general para las terceras

diferencias:

ƒ (x + 3h) - 3 ƒ (x + 2h) + 3 ƒ (x + h) -ƒ (x)

Si ponemos:

ƒ (x) := x2
y luego ƒ2(x) y apretamos ENTER, se obtiene: 2h2. O sea, se obtiene la segunda
diferencia para la función x2. Incluso se puede trabajar con operadores, como el
siguiente:

Si ponemos aprox (x2,2) y apretamos ENTER, se obtiene 2hx + h, que es la primera

diferencia de la función, aproximada por la fórmula de Taylor a orden 2.

Es decir, los programas de cálculo simbólico facilitan la exploración del

comportamiento de las funciones y de su aproximación.

6) El problema de las torres de Hanói

Se tienen tres postes y n aros, todos de diferente tamaño, insertados inicialmente en

uno de los postes por orden de tamaño, de tal manera que el aro más grande está
abajo y el más pequeño arriba. El problema consiste en mover los aros, uno por uno,
de un poste inicial a otro final, usando el tercero como auxiliar. La condición es que en
todo momento los aros estén ordenados por tamaño en todos los postes (con el mayor
abajo y el menor arriba).

Numeremos los postes con 1, 2 y 3. Si tenemos un solo aro, claramente el problema

tiene solución. Si suponemos que podemos pasar n aros del poste 1 al 3, utilizando el
2 como auxiliar, entonces también podemos pasar n+1 aros del poste 1 al 3, utilizando
el 2 como auxiliar. Veamos cómo: pasamos los n aros más pequeños del poste 1 al 2,
utilizando el 3 como auxiliar; luego, pasamos el aro mayor del poste 1 al 3; y
finalmente, pasamos los n aros que están en el 2 al 3, utilizando el 1 como auxiliar.
Así, por el principio de inducción matemática, el problema tiene solución para cualquier
número de aros. Para saber cuáles movimientos tenemos que hacer podemos usar el
siguiente programa en Python:

defhanoi(i,a,f,n_aros):

ifn_discos>0:

hanoi(i,f,a,n_aros-1)

print "de a ',a

hanoi(a,i,f,n_aros-1)

n_aros=4

hanoi(1,2,3,n_aros)
Cambiando el valor de la variable n_aros obtenemos las soluciones para el número de
aros que deseemos, pero hay que considerar que el tiempo de ejecución del programa
crece rápidamente con el número de aros. Para resolver el problema
con n_aros, utilizando i como poste inicial, a como auxiliar y f como final, resolvemos
el problema para n_aros - 1 número de aros; esto es, movemos los n_aros -1 del
poste inicial al poste auxiliar (utilizando el que antes era final como auxiliar); luego,
movemos el aro que queda en el poste inicial al final; por último, movemos los n_aros
-1 que están en el poste auxiliar al final (utilizando como auxiliar el que antes era el
poste inicial). Repetimos el proceso hasta que el número de aros sea 1. Es
sorprendente que un programa tan sencillo pueda resolver un problema
aparentemente bastante complejo. Este programa puede ejecutarse en muchas
tabletas.

El pensamiento y sus herramientas

En esta sección se presentan algunos elementos fundamentales de la relación entre la

creación y el uso de herramientas y el pensamiento del hombre; estos dos elementos
están íntimamente ligados a lo largo de la historia de la humanidad.

Una característica importante de la mente del hombre es poder recordar a voluntad

acontecimientos ocurridos anteriormente, independientemente del entorno o ambiente
en el que se encuentre. El resto de los animales solo pueden recordar acontecimientos
que de alguna manera estén relacionados con el entorno en el que se hallan (Donald,
1991). Esta diferencia tiene consecuencias importantes en el proceso cognitivo: la
actividad mental de los animales es circunstancial; la del hombre, por el contrario, va
más allá. Esta diferencia se refiere a la capacidad de la memoria interna. Donald
(1991) señala que existen tres etapas importantes en el desarrollo de la mente del
hombre. La primera, consiste en la aparición de las habilidades motrices de imitación,
que le permiten comunicar acontecimientos a partir de secuencias de movimientos
corporales. La segunda, es la aparición del habla. La tercera, es aquella en la que se
externa la memoria, que en sus orígenes consistió en la aparición de la escritura (o
incluso antes, si se consideran las pinturas rupestres). Donald (1991) también señala
que en las dos primeras etapas el pensamiento del hombre dependía de su memoria
biológica, que estaba limitada por lo que había visto u oído. La memoria externa
admite cambios en la representación de la información; esto enriquece los procesos de
pensamiento (Donald, 2001). La multiplicación de las formas de representación
favorece la concepción de objetos, en abstracto, más allá de cualquiera de sus
representaciones.

Los sistemas computacionales, al igual que los libros, crean grandes espacios de
memoria externa que almacenan información, trascendiendo el tiempo y el espacio.
Estos recursos cognitivos promueven el conocimiento social y acumulativo. Antes de
que existieran dichos recursos, la información a la que un hombre podía acceder era
aquella que podía transmitirse de una persona a otra. Con la aparición de la Web es
posible acceder a un volumen mucho mayor de información que el que podía
consultarse en las bibliotecas tradicionales. Al respecto, Donald (2001) señala los
peligros para la evolución cultural por la aparición de la Web, en la cual existe una
gran cantidad de flujo de información diversa sin un control que pueda dar rumbo a la
educación. Ahora, la evolución del hombre depende más de los rápidos cambios
tecnológicos que de los cambios biológicos.
Los recursos computaciones pueden pensarse como herramientas de mediación en los
procesos cognitivos (Moreno, 2001), de manera similar al lenguaje y a la escritura
como instrumentos intelectuales inventados por el hombre para realizar sus
propósitos. Moreno (2001) también señala que la computadora, además de permitir la
construcción de representaciones externas, permite efectuar transformaciones en ellas,
es decir, estas representaciones son ejecutables, podemos actuar sobre ellas. Nuestros
procesos cognitivos transcurren mediante nuestra interacción con los objetos
matemáticos por medio de la computadora.

Con las computadoras amplificamos nuestras capacidades, podemos resolver

problemas que por su complejidad de cálculo, por ejemplo, nos sería imposible
resolver sin ellas. Pero, además, el uso de la computadora cambia la naturaleza de la
actividad misma (Pea, 1985). Por ejemplo, en el problema de flotación presentado
anteriormente, si no tuviéramos un sistema de álgebra computacional, tal vez
hubiéramos resuelto la ecuación en forma numérica para diferentes valores de x. De la
misma manera, con la calculadora simplemente podemos copiar la fórmula dada por el
sistema de álgebra computacional y pegarla en la herramienta para graficar; si no
tuviéramos la herramienta, quizá se nos ocurriría construir una tabla y la gráfica
correspondiente, o bien utilizar herramientas de cálculo para estudiar su
comportamiento.

Cuando volvemos cotidiano el uso de una herramienta, cuando se vuelve un recurso

para un fin, cuando la usamos sin pensar en ella, la herramienta se convierte en un
instrumento con un propósito ajeno a ella. Se vuelve transparente (o invisible);
mientras esto no ocurra, la herramienta seguirá siendo ajena a nosotros, no la
tendremos interiorizada como un recurso en nuestros procesos de pensamiento. Al
respecto, cabe señalar que uno de los problemas del uso de la tecnología en los planes
y programas de estudio de la mayoría de las instituciones educativas de hoy es,
precisamente, que la tecnología aparece dentro de cursos específicos, cuyo tema de
estudio es la misma tecnología. En realidad, su uso debería estar integrado en los
programas de las diferentes materias; de no ser así, es difícil que se dé el paso de
herramienta a instrumento.

Por otro lado, las herramientas computacionales tienen una característica muy
importante: se reconstruyen sin cesar. Por ejemplo, en una computadora podemos
agregar programas para diferentes propósitos, y la herramienta se desdobla en
muchos posibles instrumentos. Puede decirse que ésta es la herencia de las grandes
ideas de Charles Babbage y de John Von Neumann. Una misma computadora puede
utilizarse, por ejemplo, para resolver problemas, como el de la flotación, presentado
arriba, o puede usarse como un medio de comunicación entre los estudiantes y el
profesor.

Conclusiones

Las computadoras actuales, en su mayoría, tienen una estructura a la que llamamos

arquitectura de von Neumann, y surge por necesidades de la sociedad durante y
después de la II Guerra Mundial. La idea fundamental de von Neumann -cuyo
antecedente quizá pueda decirse que fue la máquina analítica de Charles Babbage- de
modificar la capacidad de la computadora para realizar diferentes tareas,
introduciéndole un programa, le dio una versatilidad de importantes consecuencias. En
una sola computadora coexisten muchos instrumentos. La invención y la evolución de
la computadora definen una nueva etapa de desarrollo, desde un punto de vista socio-
cultural, para la especie humana. La disponibilidad de una memoria externa ampliada,
en la que se pueden representar objetos matemáticos con los cuales se puede
interactuar, cambia la naturaleza de los procesos cognitivos dentro del pensamiento
matemático.

En la enseñanza de las matemáticas, si los programas de estudio de las asignaturas

concentran el aprendizaje del uso de los recursos computacionales en unas pocas
materias, en lugar de distribuirlos a lo largo de las diferentes asignaturas, entonces las
herramientas difícilmente se convertirán en instrumentos, y, como consecuencia, no
habrá una auténtica incorporación de las nuevas tecnologías en el proceso educativo. Y
nuestros educandos, cognitivamente hablando, podrían quedarse en una generación
anterior.

Incorporar la tecnología en los diferentes cursos implica repensar el contenido de los

mismos y la metodología con la que se imparten. Es decir, no se trata de un mero
ejercicio de agregar a los planes actuales algunos tópicos referentes a la tecnología.
Por ejemplo, no es suficiente que el plan de estudios de una carrera de ciencias o de
ingeniería tenga una materia dedicada a la programación: hay que repensar, además,
los programas de otras asignaturas, para que utilicen esta herramienta como un
recurso para mejorar el aprendizaje de otros temas.

Por otro lado, dada la rapidez con la que ocurren los cambios tecnológicos, es
necesario fomentar que los alumnos aprendan por sí mismos, pues es imposible
pretender que el conjunto de conocimientos que aprendan durante la carrera tenga
vigencia durante toda su vida profesional.

Por tanto, queda mucho trabajo creativo por hacer en cuanto al uso de la tecnología en
la enseñanza de las matemáticas, tanto en el campo de la investigación como en el de
la creación de materiales y propuestas didácticas.

Referencias

Appel, K., y Haken, W. (1977). The solution of the Four-Color-Map Problem. Scientific

American, 237, 108-121.         [ Links ]

Bromley, (1982). Charles Babbage's Analytical Engine, 1838. IEEE Annals of the

History of Computing, 4(3), 196-217.         [ Links ]

Donald, M. (2001). Memory Palaces: The Revolutionary Function of Libraries. Queen's

Quarterly 108(4), 559-572.         [ Links ]

Donald, M. (1991). Origins of the Modern Mind, Cambridge, MA.: Harvard University

Press.         [ Links ]

Eckhardt, R. (1987). Stan Ulam, John von Neumann, and the Monte Carlo Method. Los
Alamos Science, 15(Special Issue).         [ Links ]
Glimm, J., Impagliazzo, J., y Singer, I. (1988). The Legacy of John von
Neumann. Proceedings of Symposia in Pure Mathematics, (50). Providence, Rhode
Island: American Mathematical Society.         [ Links ]

Kemeny J. G., y Kurtz, T. M. (1968). Basic Programming. New York, NY: John Wiley &
Sons, Inc.         [ Links ]

Knuth, D. E., y Trabb, L. (1976). The early development of programming

Languajes. Stanford, CA: Computer Science Department, Stanford University.
[ Links ]

Moreno, L. (2001). Memorias del Seminario Nacional: Formación de docentes sobre

el uso de nuevas tecnologías en el aula de matemáticas. Bogotá, Col.: Ministerio de
Educación Nacional.         [ Links ]

Nagel, K., Schreckenberg, M. (1992). A cellular automaton model for freeway traffic. J.
Phys. I France 2, 2221-2229.         [ Links ]

Papert, S. (2000). What's the big idea? Toward a Pedagogy of idea power. IBM
Systems Journal, 39(3-4), 720-729.         [ Links ]

Papert, S. (1996). An exploration in the space of Mathematics

Educations. International Journal of Computers for Mathematical Learning, 1(1), 95-
123.         [ Links ]

Papert, S. (1995). La máquina de los niños. Replantearse la educación en la era de los

ordenadores. Barcelona, Es.: Paidós.         [ Links ]

Pea, R. (1985). Beyond amplification: Using the computer to reorganize mental

functioning. Educational Psychologist, 20(4), 167-182.         [ Links ]

Sacristán, A. I. (2011). Programación computacional para matemáticas de nivel

secundaria. Notas para el maestro. CINVESTAV, Departamento de Matemática
Educativa, Programa EMAT-Logo. Recuperado
de: [Link]
ks ]

Salat, R. S. (2006). Exploración del fenómeno de tráfico de vehículos con la

calculadora. Números, (64).         [ Links ]

Salat, R. S. (2005). El fenómeno de la percolación. Miscelánea Matemática, 41, 23-30.

Sociedad Matemática Mexicana.         [ Links ]

Toffoli, T., y Margolus, N. (1987). Cellular Automata Machines: A new environment for

modeling. Cambridge, MA: MIT Press, Series in Scientific Computation.         [ Links ]

Von Neumann, J. (1945). First draft of a report on the EDVAC. IEEE Annals of the
History of Computing 15(4), 28-75.         [ Links ]

Wolfram, S. (2002). A New Kind of Science. Winnipeg, Can.: Wolfram Media Inc.