Actividad 01
Estaciones rotativas: Ajuste de funciones
Prepara cuatro estaciones con datos reales: movimiento (lineal), población (exponencial), ventas (cuadrática), epidemias (logística). Los grupos usan calculadoras gráficas para ajustar funciones, calcular R² y graficar. Rotan cada 10 minutos y comparan resultados al final.
¿Cómo se elige el tipo de función más adecuado para modelar un conjunto de datos?
Consejo de facilitaciónEn las estaciones rotativas, asigna a cada grupo un tipo de función distinta y pide que documenten por escrito el proceso de ajuste: ¿el modelo lineal es suficiente o necesitan cambiar a cuadrático, exponencial o logístico?
Qué observarPresenta a los alumnos una gráfica de dispersión de datos (ej. altura de un proyectil vs. tiempo). Pide que identifiquen visualmente si una función lineal, cuadrática o exponencial parece ajustarse mejor y que justifiquen su elección basándose en la forma de los datos.
AplicarAnalizarEvaluarCrearAutogestiónHabilidades RelacionalesToma de Decisiones
Generar clase completa→· · ·
Actividad 02
Pares: Modelado de datos locales
Cada par recolecta datos locales, como temperatura diaria o tráfico vehicular, durante una semana. Ajustan funciones posibles en software como GeoGebra, evalúan el ajuste con residuos y presentan el mejor modelo a la clase.
¿Por qué la modelización matemática es una herramienta esencial para la predicción y la toma de decisiones?
Consejo de facilitaciónAl emparejar a los estudiantes para modelar datos locales, proporciona una tabla con errores deliberados en las mediciones para que practiquen cómo afectan los residuos al ajuste.
Qué observarEntrega a cada estudiante un pequeño conjunto de datos (ej. temperatura diaria durante una semana). Pide que calculen el R² para un modelo lineal y uno cuadrático propuesto, y que escriban una frase explicando cuál modelo es más adecuado según este valor.
AplicarAnalizarEvaluarCrearAutogestiónHabilidades RelacionalesToma de Decisiones
Generar clase completa→· · ·
Actividad 03
Clase completa: Debate de modelos
Proyecta datos ambiguos de economía real. La clase propone funciones candidatas colectivamente, vota por la mejor tras cálculos compartidos y discute predicciones futuras basadas en el modelo elegido.
¿Cómo podemos evaluar la validez de un modelo funcional en función de su ajuste a los datos reales?
Consejo de facilitaciónEn el debate de modelos, asigna roles específicos: un grupo defiende el modelo lineal, otro el cuadrático, y uno más el exponencial, obligándoles a buscar evidencias en los datos reales.
Qué observarPlantea la siguiente pregunta para debate en pequeños grupos: 'Imagina que un modelo funcional predice que la población de una ciudad crecerá indefinidamente de forma exponencial. ¿Qué limitaciones tiene este modelo y cómo podríamos mejorarlo para que sea más realista a largo plazo?'
AplicarAnalizarEvaluarCrearAutogestiónHabilidades RelacionalesToma de Decisiones
Generar clase completa→· · ·
Actividad 04
Individual: Validación de modelo
Asigna un conjunto de datos nuevo. Cada alumno ajusta dos funciones, calcula métricas de ajuste y escribe un informe breve justificando la elección, para revisión posterior en parejas.
¿Cómo se elige el tipo de función más adecuado para modelar un conjunto de datos?
Consejo de facilitaciónPara la validación individual, pide que presenten su modelo en una diapositiva con tres columnas: datos originales, predicciones del modelo y residuos, destacando visualmente las discrepancias.
Qué observarPresenta a los alumnos una gráfica de dispersión de datos (ej. altura de un proyectil vs. tiempo). Pide que identifiquen visualmente si una función lineal, cuadrática o exponencial parece ajustarse mejor y que justifiquen su elección basándose en la forma de los datos.
AplicarAnalizarEvaluarCrearAutogestiónHabilidades RelacionalesToma de Decisiones
Generar clase completa→Algunas notas para enseñar esta unidad
Este tema se enseña mejor cuando los estudiantes trabajan con datos que les importan, como precios de productos locales o datos climáticos de su región. Evita empezar con fórmulas abstractas: usa primero gráficos de dispersión para que descubran patrones. La tecnología, como GeoGebra o Excel, es clave para calcular R² y ajustar curvas, pero los cálculos manuales en ejercicios cortos ayudan a entender el concepto. También es útil mostrar ejemplos donde el modelo 'perfecto' falla, como cuando una tendencia lineal se rompe en datos recientes, para normalizar el error como parte del proceso.
Al finalizar, los estudiantes no solo identifican qué función usar, sino que justifican su elección con argumentos basados en gráficos, cálculos de R² y análisis de residuos. También reconocen que los modelos son aproximaciones útiles, no verdades absolutas, y pueden criticar su propia selección cuando los datos no encajan.
Atención a estas ideas erróneas
Durante la actividad 'Estaciones rotativas: Ajuste de funciones', watch for estudiantes que forceen un modelo lineal a datos claramente no lineales solo porque es el más familiar.
Pide a esos grupos que calculen R² para el modelo lineal y compárenlo con el de un modelo cuadrático o exponencial utilizando los datos de su estación, destacando la diferencia en el ajuste visual y numérico.
Durante la actividad 'Pares: Modelado de datos locales', watch for estudiantes que asuman que un R² cercano a 1 confirma que el modelo es perfecto para predecir el futuro.
En la fase de validación, proporciona datos adicionales no usados en el ajuste y pide que comparen las predicciones del modelo con los valores reales, analizando los residuos en equipo para identificar patrones en los errores.
Durante la actividad 'Clase completa: Debate de modelos', watch for estudiantes que perciban los modelos matemáticos como representaciones exactas de la realidad.
Usa la simulación interactiva en esta actividad para alterar ligeramente los datos iniciales y observa cómo cambia el modelo propuesto, guiando una reflexión grupal sobre la incertidumbre y las suposiciones subyacentes en cada función elegida.
Metodologías usadas en este resumen