Estrategia didáctica para la enseñanza de funciones matemáticas en el contexto de exportación
Contenido principal del artículo
Resumen
La enseñanza de las funciones matemáticas en las carreras de negocios suele privilegiar procedimientos abstractos desvinculados de las situaciones profesionales, lo que limita su utilidad para la toma de decisiones empresariales. En el Perú, el dinamismo del sector exportador ofrece contextos reales que pueden aprovecharse para dotar de sentido a estos contenidos. El objetivo estuvo dirigido a diseñar una estrategia didáctica para la enseñanza de funciones matemáticas en el contexto de la exportación de productos. Como métodos se utilizaron el enfoque cualitativo con diseño de investigación-acción, la observación directa e indirecta, los grupos focales y el análisis documental de fuentes estadísticas oficiales sobre comercio exterior. Participaron 13 estudiantes del cuarto ciclo de la carrera de Administración de Negocios Internacionales, y los instrumentos fueron validados mediante juicio de expertos. Los resultados muestran una estrategia estructurada en cuatro fases: identificación de la situación de exportación, análisis de datos, modelación matemática y reflexión. Las estudiantes seleccionaron productos peruanos exportables, como chompas de fibra de alpaca y frejol; construyeron, con apoyo de hojas de cálculo y GeoGebra, las funciones de costo total, ingreso y utilidad, y determinaron el punto de equilibrio. Como conclusiones se plantea que la estrategia favorece la comprensión del significado de las funciones lineales en situaciones empresariales reales, integra los recursos tecnológicos al proceso de modelación y fortalece la capacidad de las estudiantes para interpretar resultados y argumentar decisiones vinculadas con la exportación; lo que constituye una alternativa viable para carreras de negocios.
Descargas
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Aravena, M. D., Díaz, D., Rodríguez, F., & Cárcamo, N. (2022). Estudio de caso y modelado matemático en la formación de ingenieros. Caracterización de habilidades STEM. Ingeniare. Revista Chilena de Ingeniería, 30(1), 37-56. https://doi.org/10.4067/S0718-33052022000100037
Biembengut, M., & Hein, N. (1997). Modelo, modelación y modelaje: métodos de enseñanza-aprendizaje de matemáticas. Epsilon: Revista de la Sociedad Andaluza de Educación Matemática "Thales", (38), 209-222. https://dialnet.unirioja.es/servlet/articulo?codigo=166725
Blum, W., & Leiß, D. (2007). How do students and teachers deal with modelling problems? En C. Haines, P. Galbraith, W. Blum, & S. Khan (Eds.), Mathematical modelling: Education, engineering and economics (pp. 222-231). Woodhead Publishing. https://doi.org/10.1533/9780857099419.5.221
Borromeo Ferri, R. (2006). Theoretical and empirical differentiations of phases in the modelling process. ZDM, 38(2), 86-95. https://doi.org/10.1007/BF02655883
Camarena, P. (2015). Teoría de las ciencias en contexto y su relación con las competencias. Ingenium, 16(31), 108-127. https://doi.org/10.21500/01247492.1370
Cevikbas, M., Kaiser, G., & Schukajlow, S. (2022). A systematic literature review of the current discussion on mathematical modelling competencies: State-of-the-art developments in conceptualizing, measuring, and fostering. Educational Studies in Mathematics, 109(2), 205-236. https://doi.org/10.1007/s10649-021-10104-6
Fontana, A., & Groenwald, C. L. O. (2023). Meaningful learning and mathematical modelling: Contributions to dealing with business problem situations in higher education. Acta Scientiae, 25(4), 62-94. https://doi.org/10.17648/acta.scientiae.7667
Gil-Doménech, M. D., & Berbegal-Mirabent, J. (2020). Making the learning of mathematics meaningful: An active learning experience for business students. Innovations in Education and Teaching International, 57(4), 403-412. https://doi.org/10.1080/14703297.2020.1711797
Huincahue, J., Borromeo-Ferri, R., & Mena-Lorca, J. (2018). El conocimiento de la modelación matemática desde la reflexión en la formación inicial de profesores de matemática. Enseñanza de las Ciencias, 36(1), 99-115. https://doi.org/10.5565/rev/ensciencias.2277
Jiménez-Murillo, W., Garcés-Pérez, E., & Jiménez-Murillo, C. (2022). Aplicación de modelo matemático para la variación de ingresos de productores de arroz. La Troncal-Cañar. Ciencia Latina Revista Científica Multidisciplinar, 6(1), 4824-4838. https://doi.org/10.37811/cl_rcm.v6i1.1834
Juandi, D., Kusumah, Y. S., Tamur, M., Perbowo, K. S., & Wijaya, T. T. (2021). A meta-analysis of GeoGebra software decade of assisted mathematics learning: What to learn and where to go? Heliyon, 7(5), e06953. https://doi.org/10.1016/j.heliyon.2021.e06953
Kaiser, G., & Sriraman, B. (2006). A global survey of international perspectives on modelling in mathematics education. ZDM, 38(3), 302-310. https://doi.org/10.1007/BF02652813
Maaß, K. (2006). What are modelling competencies? ZDM, 38(2), 113-142. https://doi.org/10.1007/BF02655885
Schukajlow, S., Kaiser, G., & Stillman, G. (2018). Empirical research on teaching and learning of mathematical modelling: A survey on the current state-of-the-art. ZDM, 50(1-2), 5-18. https://doi.org/10.1007/s11858-018-0933-5
Wardat, Y., Tashtoush, M. A., AlAli, R., & Jarrah, A. M. (2023). ChatGPT: A revolutionary tool for teaching and learning mathematics. Eurasia Journal of Mathematics, Science and Technology Education, 19(7), em2286. https://doi.org/10.29333/ejmste/13272
Zulnaidi, H., Oktavika, E., & Hidayat, R. (2020). Effect of use of GeoGebra on achievement of high school mathematics students. Education and Information Technologies, 25(1), 51-72. https://doi.org/10.1007/s10639-019-09899-y