Desempeño del profesorado en formación en problemas verbales con números naturales y con fracciones
12
los tiempos de lectura entre los grupos experimental y control no fueron estadísticamente diferentes,
pero los estudiantes del grupo experimental tuvieron tiempos de lectura promedio por palabra más bajos
y con más aciertos. Se observa una mejora del éxito en el grupo experimental debido al tipo de
retroalimentación que habían recibido. Así, se concluye que la retroalimentación brinda mejores
resultados y una lectura más rápida de los enunciados. En definitiva, se puede señalar que la
incorporación de mensajes de retroalimentación (Hattie, y Timperley, 2007; Van der Kleij et al., 2015)
brindados a los estudiantes es de gran importancia ya que es uno de los recursos más efectivos para
incrementar el aprendizaje de los estudiantes. (Holland Mory, 2004).
Trabajo futuro
El presente trabajo se enmarca dentro de un proyecto más amplio que trata de evaluar el tiempo de
lectura como habilidad lectora del estudiante y como medida de la complejidad de enunciados de
problemas verbales.
Así, como líneas de trabajo futuro, existen dos bifurcaciones. Por un lado, las relativas al análisis propio
de la complejidad de los problemas verbales según el tipo, aditivos o multiplicativos (Carpenter, Moser
y Romberg, 1982; Greer, 1992; Nesher, 1992; Vergnaud, 1990; 1997), o la cantidad de etapas (Puig y
Cerdán, 1989). Por otro lado, en función de la retroalimentación, ya que el entorno tecnológico empleado
permite realizar estudios al respecto, tal y como se ha mostrado en el presente trabajo. Así se prevé
diseñar experimentos para probar si existen diferencias en el rendimiento del alumnado en función del
tipo de retroalimentación recibido después de contestar preguntas de opción múltiple relacionadas con
la lectura de enunciados de problemas verbales continuos y no continuos (es decir, aquellos que incluyen
gráficos, tablas, y cualquier otra estructura de texto distinta a la conformada por frases agrupadas en
párrafos y/o secciones, muy utilizado en el campo de las matemáticas).
Agradecimientos
Este trabajo se ha realizado en el marco de los proyectos de investigación de la Generalitat Valenciana
GV/2021/110, el Ministerio de Ciencia e Innovación RTI2018-095820-B-I00 (MCIU/AEI/FEDER, UE) y el
proyecto de innovación de la Universidad de Valencia UV-SFPIE_PID20-1350001.
REFERENCIAS
Boonen, AJH, Van Wesel, F., Jolles, J. y Van Der Schoot, M. (2014). El papel del tipo de representación
visual, la capacidad espacial y la comprensión de lectura en la resolución de problemas verbales:
un análisis a nivel de ítem en niños de escuela primaria. Revista Internacional de Investigación
Educativa, 68 (4), 15-26.
Calvet Liñán, L. y Juan Pérez, A. A. (2015). Educational Data Mining and Learning Analytics:
differences, similarities, and time evolution. International Journal of Educational Technology in
Higher Education, 12, 98-112,
Carpenter, T. P., Moser, J. M. y Romberg, T. A. (Eds.) (1982). Addition and Subtraction: A Cognitive
Perspective. Lawrence Erlbaum Associates.
Gašević, D., Dawson, S. y Siemens, G. (2007). Let’s not forget: Learning analytics are about learning.
TechTrends, 59, 64-7.
Greer, B. (1992). “Multiplication and division as models of situations”. En: D. Grows (eds.). Handbook
of Research on Mathematics Teaching and Learning. MacMillan, pp. 276-295.
Hattie, J. y Timperley, H. (2007). El poder de la retroalimentación. Revisión de la investigación
educativa, 77 (1), 81-112.
Holland Mory, E. (2004). Feedback research revisited. In D. Jonassen (Ed.), Handbook of research on
educational communications and technology, 745–783. Erlbaum.
Long, P., Siemens, G., Conole, G. y Gašević, D. (2011). Message from the LAK 2011 general &
program chairs. En Proceedings of the 1st International Conference on Learning Analytics and
Knowledge (LAK11), Banff, AB, Canada, Feb 27-Mar 01, 2011. ACM.