Vol. 13/ Núm. 1 2026 pág. 2344
https://doi.org/10.69639/arandu.v13i1.2047
Estrategias de enseñanzas aplicadas por los docentes de la
carrera de matemáticas y su impacto en el rendimiento
académico de la Facultad de Humanidades y Ciencias de la
Educación
Teaching Strategies Applied by Mathematics Program Instructors and Their Impact on
Academic Performance at the Faculty of Humanities and Educational Sciences
Felisa Rios Vázquez
https://orcid.org/0009-0006-9140-9435
felisariosvazquez@gmail.com
Universidad Nacional de Pilar
Paraguay – Pilar
Artículo recibido: (la fecha la coloca el Equipo editorial) - Aceptado para publicación:
Conflictos de intereses: Ninguno que declarar.
RESUMEN
El trabajo pretende abordar aspectos relacionados con las estrategias utilizadas por los docentes
de la carrera de matemáticas. Este abordaje es fundamental para la formación académica de
aquellos alumnos que en el futuro serán docentes de la materia, El objetivo es analizar las
estrategias de enseñanza utilizadas por los docentes de la carrera de matemáticas con el propósito
de conocer el impacto en que tiene en el rendimiento académico de los estudiantes y con la
finalidad de identificar área que pueda contribuir al fortalecimiento de las prácticas pedagógicas.
Es te estudio se desarrolla en el marco de un contexto educativo en el que se reconoce la
importancia de conocer las bases teóricas la enseñanza, teniendo en cuenta que se tienen nuevos
modelos matemáticos a ser utilizados para que el aprendizaje sea significativo y sea tenido en
cuenta con el entorno real en la que se vive. El enfoque será cuantitativo y cualitativos, ya que
se buscará medir la relación entre las estrategias de enseñanza y el rendimiento académico de los
estudiantes. La investigación será de tipo descriptiva-correlacional, se buscará establecer la
relación entre ambas variables. La población estará conformada por los estudiantes y docentes de
la Carrera de Matemáticas de la Facultad de Humanidades y Ciencias de la Educación. Se
seleccionará mediante un muestreo intencional o estratificado del primer año hasta el cuarto año
de la carrera correspondiente a los años académicos 2022 hasta 2025.
Palabra clave: estrategia de aprendizaje, docentes, estudiantes
ABSTRACT
This study aims to address aspects related to the strategies employed by teachers in the
Mathematics program. This approach is fundamental for the academic formation of students who,
Vol. 13/ Núm. 1 2026 pág. 2345
in the future, will become teachers of the subject. The objective is to analyze the teaching
strategies used by instructors in the Mathematics program to understand their impact on students’
academic performance and to identify areas that may contribute to strengthening pedagogical
practices. The study is conducted within an educational context that recognizes the importance of
understanding the theoretical foundations of teaching, taking into account that new mathematical
models are being applied to ensure meaningful learning connected to the real environment in
which students live. The approach will be both quantitative and qualitative, as it seeks to measure
the relationship between teaching strategies and students’ academic performance. The research is
descriptive-correlational in nature, aiming to establish the relationship between these variables.
The population consists of students and teachers of the Mathematics program at the Faculty of
Humanities and Education Sciences. Sampling will be intentional or stratified, including students
from the first to the fourth year of the program, corresponding to the academic years 2022 to 2025.
Keywords: learning strategies, teachers, students
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
in the future, will become teachers of the subject. The objective is to analyze the teaching
strategies used by instructors in the Mathematics program to understand their impact on students’
academic performance and to identify areas that may contribute to strengthening pedagogical
practices. The study is conducted within an educational context that recognizes the importance of
understanding the theoretical foundations of teaching, taking into account that new mathematical
models are being applied to ensure meaningful learning connected to the real environment in
which students live. The approach will be both quantitative and qualitative, as it seeks to measure
the relationship between teaching strategies and students’ academic performance. The research is
descriptive-correlational in nature, aiming to establish the relationship between these variables.
The population consists of students and teachers of the Mathematics program at the Faculty of
Humanities and Education Sciences. Sampling will be intentional or stratified, including students
from the first to the fourth year of the program, corresponding to the academic years 2022 to 2025.
Keywords: learning strategies, teachers, students
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 1 2026 pág. 2346
INTRODUCCIÓN
La enseñanza de las matemáticas ha sido objeto de estudio durante décadas debido a su
relevancia en el desarrollo de competencias lógicas, analíticas y de resolución de problemas, las
cuales son esenciales no solo para las ciencias exactas, sino también para el pensamiento crítico
en otras disciplinas (Bishop, 1988; Mora, 2002). En el contexto educativo actual, caracterizado
por la diversidad de estudiantes y la necesidad de formar profesionales capaces de adaptarse a
entornos cambiantes, el aprendizaje de las matemáticas se presenta como un desafío cada vez más
complejo. En los distintos niveles del sistema educativo, y particularmente en la transición de la
educación media a la universitaria, persisten dificultades que influyen de manera directa en el
rendimiento académico y en la motivación de los estudiantes.
Cuando los alumnos ingresan a la educación superior, como es el caso de la Carrera de
Licenciatura en Matemáticas de la Facultad de Humanidades y Ciencias de la Educación de la
Universidad Nacional de Pilar, se observa una marcada heterogeneidad en los niveles de
preparación. Esta situación exige que los docentes adopten estrategias pedagógicas que no solo
transmitan contenidos, sino que promuevan la comprensión profunda, la aplicación de conceptos
y el desarrollo del pensamiento crítico (Díaz Barriga & Hernández, 2010). Diversos estudios
demuestran que la elección de estrategias de enseñanza adecuadas puede impactar positivamente
en el rendimiento académico. Por ejemplo, Mora (2003) destaca que las metodologías activas y
participativas, como el aprendizaje basado en problemas y la enseñanza cooperativa, facilitan una
mayor comprensión y aplicación de los conceptos matemáticos. De manera similar, Kuhn (2008)
resalta que el uso de herramientas tecnológicas y estrategias personalizadas fortalece la capacidad
de los estudiantes para visualizar y entender nociones abstractas, lo que repercute en un mejor
desempeño académico.
A nivel internacional, las investigaciones de Hattie (2009) han demostrado que la calidad
de la enseñanza y el uso de estrategias didácticas innovadoras tienen un efecto significativo en
los logros de aprendizaje, reforzando la necesidad de que los docentes integren enfoques que
favorezcan el aprendizaje significativo (Moreira-Chóez, Zambrano-Chóez & Velásquez-Chóez,
2021). En este sentido, la teoría del aprendizaje significativo de Ausubel, que subraya la
importancia de conectar los nuevos conocimientos con las estructuras previas del estudiante,
respalda la aplicación de estrategias que permitan anclar los contenidos matemáticos a
experiencias y saberes previos (Moreira-Chóez et al., 2021).
MATERIALES Y MÉTODOS
El enfoque metodológico de este estudio es mixto, con una predominancia cualitativa
complementada por componentes cuantitativos que permiten una comprensión más profunda de
las estrategias de enseñanza y sus efectos en el rendimiento académico. La investigación
cualitativa resulta pertinente para explorar las experiencias y percepciones de los docentes y
INTRODUCCIÓN
La enseñanza de las matemáticas ha sido objeto de estudio durante décadas debido a su
relevancia en el desarrollo de competencias lógicas, analíticas y de resolución de problemas, las
cuales son esenciales no solo para las ciencias exactas, sino también para el pensamiento crítico
en otras disciplinas (Bishop, 1988; Mora, 2002). En el contexto educativo actual, caracterizado
por la diversidad de estudiantes y la necesidad de formar profesionales capaces de adaptarse a
entornos cambiantes, el aprendizaje de las matemáticas se presenta como un desafío cada vez más
complejo. En los distintos niveles del sistema educativo, y particularmente en la transición de la
educación media a la universitaria, persisten dificultades que influyen de manera directa en el
rendimiento académico y en la motivación de los estudiantes.
Cuando los alumnos ingresan a la educación superior, como es el caso de la Carrera de
Licenciatura en Matemáticas de la Facultad de Humanidades y Ciencias de la Educación de la
Universidad Nacional de Pilar, se observa una marcada heterogeneidad en los niveles de
preparación. Esta situación exige que los docentes adopten estrategias pedagógicas que no solo
transmitan contenidos, sino que promuevan la comprensión profunda, la aplicación de conceptos
y el desarrollo del pensamiento crítico (Díaz Barriga & Hernández, 2010). Diversos estudios
demuestran que la elección de estrategias de enseñanza adecuadas puede impactar positivamente
en el rendimiento académico. Por ejemplo, Mora (2003) destaca que las metodologías activas y
participativas, como el aprendizaje basado en problemas y la enseñanza cooperativa, facilitan una
mayor comprensión y aplicación de los conceptos matemáticos. De manera similar, Kuhn (2008)
resalta que el uso de herramientas tecnológicas y estrategias personalizadas fortalece la capacidad
de los estudiantes para visualizar y entender nociones abstractas, lo que repercute en un mejor
desempeño académico.
A nivel internacional, las investigaciones de Hattie (2009) han demostrado que la calidad
de la enseñanza y el uso de estrategias didácticas innovadoras tienen un efecto significativo en
los logros de aprendizaje, reforzando la necesidad de que los docentes integren enfoques que
favorezcan el aprendizaje significativo (Moreira-Chóez, Zambrano-Chóez & Velásquez-Chóez,
2021). En este sentido, la teoría del aprendizaje significativo de Ausubel, que subraya la
importancia de conectar los nuevos conocimientos con las estructuras previas del estudiante,
respalda la aplicación de estrategias que permitan anclar los contenidos matemáticos a
experiencias y saberes previos (Moreira-Chóez et al., 2021).
MATERIALES Y MÉTODOS
El enfoque metodológico de este estudio es mixto, con una predominancia cualitativa
complementada por componentes cuantitativos que permiten una comprensión más profunda de
las estrategias de enseñanza y sus efectos en el rendimiento académico. La investigación
cualitativa resulta pertinente para explorar las experiencias y percepciones de los docentes y
Vol. 13/ Núm. 1 2026 pág. 2347
estudiantes respecto a las estrategias utilizadas en la carrera de Licenciatura en Matemáticas. A
través de entrevistas semiestructuradas a los docentes se busca captar las prácticas pedagógicas,
identificar patrones recurrentes y analizar el impacto que estas estrategias generan en el proceso
de aprendizaje de sus estudiantes.
Esta investigación aborda conceptos clave sobre la relación entre las estrategias de
enseñanza y el rendimiento académico, explicando su interconexión y sentando las bases para el
análisis correlacional propuesto. Las estrategias de enseñanza se entienden como el conjunto de
procedimientos, métodos, técnicas y recursos que los docentes emplean para promover un
aprendizaje significativo en los estudiantes, constituyendo secuencias de acciones orientadas a la
construcción del conocimiento y el desarrollo de habilidades (Díaz Barriga & Hernández Rojas,
2010).
Por su parte, el rendimiento académico es un fenómeno multifactorial, influido por
variables internas —como la motivación, el interés y las capacidades previas del estudiante— y
externas, entre ellas las características del entorno, las metodologías docentes y los recursos
institucionales (Gómez-Mejía & Miranda, 2017). En el ámbito de la educación matemática, este
rendimiento no solo se expresa en la capacidad de resolver algoritmos, sino también en la
comprensión profunda de los principios que sustentan los procesos de razonamiento lógico. La
literatura pedagógica y psicológica sostiene de manera consistente que existe una relación directa
y significativa entre las estrategias de enseñanza empleadas por el docente y el desempeño
académico de los estudiantes (Hattie, 2009).
En este contexto, el diseño metodológico de este estudio permitirá integrar evidencia
cualitativa y cuantitativa, generando un diagnóstico sólido que explique cómo las estrategias
pedagógicas impactan en el aprendizaje de las matemáticas en la educación superior. Los
resultados obtenidos no solo contribuirán a la validación empírica de las teorías de enseñanza y
aprendizaje, sino que también proporcionarán insumos para la mejora de las prácticas docentes y
de los programas de formación de futuros profesores.
Diseño Descriptivo y Correlacional
La presente investigación adopta un diseño descriptivo–correlacional, dado que no solo se
pretende describir las estrategias de enseñanza empleadas por los docentes y el rendimiento
académico de los estudiantes de la Carrera de Licenciatura en Matemáticas, sino también
establecer la relación existente entre ambas variables. Este enfoque permite analizar, por un lado,
las características y frecuencia de las prácticas pedagógicas utilizadas, y por otro, identificar el
grado de asociación entre dichas prácticas y los resultados de aprendizaje de los estudiantes.
Según Hernández Sampieri, Fernández y Baptista (2014), los estudios descriptivo–
correlacionales son apropiados cuando se busca examinar relaciones entre variables dentro de un
contexto natural, sin manipulación directa de los factores en estudio.
estudiantes respecto a las estrategias utilizadas en la carrera de Licenciatura en Matemáticas. A
través de entrevistas semiestructuradas a los docentes se busca captar las prácticas pedagógicas,
identificar patrones recurrentes y analizar el impacto que estas estrategias generan en el proceso
de aprendizaje de sus estudiantes.
Esta investigación aborda conceptos clave sobre la relación entre las estrategias de
enseñanza y el rendimiento académico, explicando su interconexión y sentando las bases para el
análisis correlacional propuesto. Las estrategias de enseñanza se entienden como el conjunto de
procedimientos, métodos, técnicas y recursos que los docentes emplean para promover un
aprendizaje significativo en los estudiantes, constituyendo secuencias de acciones orientadas a la
construcción del conocimiento y el desarrollo de habilidades (Díaz Barriga & Hernández Rojas,
2010).
Por su parte, el rendimiento académico es un fenómeno multifactorial, influido por
variables internas —como la motivación, el interés y las capacidades previas del estudiante— y
externas, entre ellas las características del entorno, las metodologías docentes y los recursos
institucionales (Gómez-Mejía & Miranda, 2017). En el ámbito de la educación matemática, este
rendimiento no solo se expresa en la capacidad de resolver algoritmos, sino también en la
comprensión profunda de los principios que sustentan los procesos de razonamiento lógico. La
literatura pedagógica y psicológica sostiene de manera consistente que existe una relación directa
y significativa entre las estrategias de enseñanza empleadas por el docente y el desempeño
académico de los estudiantes (Hattie, 2009).
En este contexto, el diseño metodológico de este estudio permitirá integrar evidencia
cualitativa y cuantitativa, generando un diagnóstico sólido que explique cómo las estrategias
pedagógicas impactan en el aprendizaje de las matemáticas en la educación superior. Los
resultados obtenidos no solo contribuirán a la validación empírica de las teorías de enseñanza y
aprendizaje, sino que también proporcionarán insumos para la mejora de las prácticas docentes y
de los programas de formación de futuros profesores.
Diseño Descriptivo y Correlacional
La presente investigación adopta un diseño descriptivo–correlacional, dado que no solo se
pretende describir las estrategias de enseñanza empleadas por los docentes y el rendimiento
académico de los estudiantes de la Carrera de Licenciatura en Matemáticas, sino también
establecer la relación existente entre ambas variables. Este enfoque permite analizar, por un lado,
las características y frecuencia de las prácticas pedagógicas utilizadas, y por otro, identificar el
grado de asociación entre dichas prácticas y los resultados de aprendizaje de los estudiantes.
Según Hernández Sampieri, Fernández y Baptista (2014), los estudios descriptivo–
correlacionales son apropiados cuando se busca examinar relaciones entre variables dentro de un
contexto natural, sin manipulación directa de los factores en estudio.
Vol. 13/ Núm. 1 2026 pág. 2348
Métodos de Recolección de Datos
Para garantizar una comprensión integral del fenómeno investigado, se empleará una
estrategia de métodos mixtos, combinando técnicas cuantitativas y cualitativas que permitan
triangular la información y aumentar la validez de los hallazgos.
Encuestas y cuestionarios
Se aplicarán encuestas estructuradas a estudiantes y docentes con el fin de recopilar datos
cuantitativos sobre las estrategias de enseñanza implementadas, su frecuencia, y la percepción de
su efectividad. Este instrumento permitirá obtener información sistemática y cuantificable que,
mediante análisis estadísticos, facilitará la identificación de tendencias, patrones de uso y posibles
correlaciones con el rendimiento académico (Dillman, Smyth, & Christian, 2014).
Entrevistas semiestructuradas
Se realizarán entrevistas a una muestra representativa de docentes, seleccionados de manera
intencional, para profundizar en las experiencias pedagógicas, las motivaciones detrás de sus
prácticas y los desafíos que enfrentan en el aula. Esta técnica, basada en el paradigma cualitativo
y el enfoque interpretativo, posibilita una comprensión más rica y contextualizada de las
percepciones individuales, complementando la información estadística obtenida a través de las
encuestas (Flick, 2018).
RESULTADOS Y DISCUSIÓN
En este capítulo se exponen los resultados analíticos detallados de los datos recopilados en
relación a las entrevistas y encuestas realizadas a docentes y alumnos de la carrera de la
Licenciatura en Matemáticas, donde se obtiene valiosa información de los procesos de enseñanza
– aprendizaje, desafíos pedagógicos y factores que influyen en el desempeño estudiantil y por
otro lado, los datos cuantitativos suministrados por el Departamento de Evaluación de la Facultad,
que incluyen las calificaciones de los alumnos correspondientes a los años 2022, 2023, y 2024.
Resultados de la encuesta y entrevistas a docentes
Estrategias de enseñanza utilizada
Tabla 1
¿Qué estrategias de enseñanza ha utilizado en el desarrollo de sus clases? (marque todas las que
apliques)
Nº Categoría Frecuencia Porcentaje
1 Clases magistrales 10 71,4 %
3 Aprendizaje basado en problemas 9 64,3 %
4 Trabajo en grupo 11 78,6 %
5 Uso te tecnología (software, otras aplicaciones) 9 64,3 %
6 Actividades prácticas 7 50,0 %
7 Tutorías individuales 7 50,0 %
8 Modelización 2 14,3 %
9 Otros 5 35,7 %
Métodos de Recolección de Datos
Para garantizar una comprensión integral del fenómeno investigado, se empleará una
estrategia de métodos mixtos, combinando técnicas cuantitativas y cualitativas que permitan
triangular la información y aumentar la validez de los hallazgos.
Encuestas y cuestionarios
Se aplicarán encuestas estructuradas a estudiantes y docentes con el fin de recopilar datos
cuantitativos sobre las estrategias de enseñanza implementadas, su frecuencia, y la percepción de
su efectividad. Este instrumento permitirá obtener información sistemática y cuantificable que,
mediante análisis estadísticos, facilitará la identificación de tendencias, patrones de uso y posibles
correlaciones con el rendimiento académico (Dillman, Smyth, & Christian, 2014).
Entrevistas semiestructuradas
Se realizarán entrevistas a una muestra representativa de docentes, seleccionados de manera
intencional, para profundizar en las experiencias pedagógicas, las motivaciones detrás de sus
prácticas y los desafíos que enfrentan en el aula. Esta técnica, basada en el paradigma cualitativo
y el enfoque interpretativo, posibilita una comprensión más rica y contextualizada de las
percepciones individuales, complementando la información estadística obtenida a través de las
encuestas (Flick, 2018).
RESULTADOS Y DISCUSIÓN
En este capítulo se exponen los resultados analíticos detallados de los datos recopilados en
relación a las entrevistas y encuestas realizadas a docentes y alumnos de la carrera de la
Licenciatura en Matemáticas, donde se obtiene valiosa información de los procesos de enseñanza
– aprendizaje, desafíos pedagógicos y factores que influyen en el desempeño estudiantil y por
otro lado, los datos cuantitativos suministrados por el Departamento de Evaluación de la Facultad,
que incluyen las calificaciones de los alumnos correspondientes a los años 2022, 2023, y 2024.
Resultados de la encuesta y entrevistas a docentes
Estrategias de enseñanza utilizada
Tabla 1
¿Qué estrategias de enseñanza ha utilizado en el desarrollo de sus clases? (marque todas las que
apliques)
Nº Categoría Frecuencia Porcentaje
1 Clases magistrales 10 71,4 %
3 Aprendizaje basado en problemas 9 64,3 %
4 Trabajo en grupo 11 78,6 %
5 Uso te tecnología (software, otras aplicaciones) 9 64,3 %
6 Actividades prácticas 7 50,0 %
7 Tutorías individuales 7 50,0 %
8 Modelización 2 14,3 %
9 Otros 5 35,7 %
Vol. 13/ Núm. 1 2026 pág. 2349
Figura 1
Estrategias de enseñanza utilizada
Los resultados evidencian una diversidad de estrategias didácticas empleadas por los
docentes de la carrera de Matemáticas, lo que sugiere una intención de responder a las distintas
necesidades de aprendizaje de los estudiantes. La estrategia más utilizada es el trabajo en grupo,
con una frecuencia del 78,6 %, lo cual refleja una marcada inclinación hacia metodologías
colaborativas que promueven la interacción, el intercambio de ideas y la construcción colectiva
del conocimiento.
En segundo lugar, se destacan las clases magistrales, utilizadas por el 71,4 % de los
docentes. Este resultado indica que, si bien se incorporan metodologías activas, el modelo
tradicional de enseñanza continúa ocupando un lugar relevante en el proceso educativo,
especialmente en una disciplina como la Matemática, donde la explicación teórica sigue siendo
considerada fundamental.
El aprendizaje basado en problemas y el uso de tecnología educativa (software y
aplicaciones) presentan un porcentaje idéntico del 64,3 %, lo que evidencia un esfuerzo por
contextualizar los contenidos y aprovechar recursos digitales para facilitar la comprensión de
conceptos abstractos. Estas estrategias son especialmente pertinentes en la enseñanza de la
Matemática, ya que favorecen el razonamiento lógico, la resolución de situaciones reales y el
aprendizaje significativo.
Las actividades prácticas y las tutorías individuales son utilizadas por el 50 % de los
docentes, lo que sugiere una atención moderada a la aplicación de los contenidos y al
acompañamiento personalizado del estudiante. Sin embargo, la modelización matemática
presenta una baja frecuencia (14,3 %), lo que podría indicar una oportunidad de mejora,
considerando su potencial para vincular la teoría con fenómenos reales y fortalecer competencias
analíticas avanzadas. un 35,7 % de los docentes menciona el uso de otras estrategias, lo que refleja
la existencia de prácticas pedagógicas alternativas o combinadas que no se encuentran
explícitamente categorizadas, aportando flexibilidad al proceso de enseñanza-aprendizaje.
10 9 11 9 7 7 2 5
71,4 64,3 78,6 64,3 50,0 50,0 14,3 35,7
Estrategias utilizadas por los
docentes
Frecuencia Porcentaje
Figura 1
Estrategias de enseñanza utilizada
Los resultados evidencian una diversidad de estrategias didácticas empleadas por los
docentes de la carrera de Matemáticas, lo que sugiere una intención de responder a las distintas
necesidades de aprendizaje de los estudiantes. La estrategia más utilizada es el trabajo en grupo,
con una frecuencia del 78,6 %, lo cual refleja una marcada inclinación hacia metodologías
colaborativas que promueven la interacción, el intercambio de ideas y la construcción colectiva
del conocimiento.
En segundo lugar, se destacan las clases magistrales, utilizadas por el 71,4 % de los
docentes. Este resultado indica que, si bien se incorporan metodologías activas, el modelo
tradicional de enseñanza continúa ocupando un lugar relevante en el proceso educativo,
especialmente en una disciplina como la Matemática, donde la explicación teórica sigue siendo
considerada fundamental.
El aprendizaje basado en problemas y el uso de tecnología educativa (software y
aplicaciones) presentan un porcentaje idéntico del 64,3 %, lo que evidencia un esfuerzo por
contextualizar los contenidos y aprovechar recursos digitales para facilitar la comprensión de
conceptos abstractos. Estas estrategias son especialmente pertinentes en la enseñanza de la
Matemática, ya que favorecen el razonamiento lógico, la resolución de situaciones reales y el
aprendizaje significativo.
Las actividades prácticas y las tutorías individuales son utilizadas por el 50 % de los
docentes, lo que sugiere una atención moderada a la aplicación de los contenidos y al
acompañamiento personalizado del estudiante. Sin embargo, la modelización matemática
presenta una baja frecuencia (14,3 %), lo que podría indicar una oportunidad de mejora,
considerando su potencial para vincular la teoría con fenómenos reales y fortalecer competencias
analíticas avanzadas. un 35,7 % de los docentes menciona el uso de otras estrategias, lo que refleja
la existencia de prácticas pedagógicas alternativas o combinadas que no se encuentran
explícitamente categorizadas, aportando flexibilidad al proceso de enseñanza-aprendizaje.
10 9 11 9 7 7 2 5
71,4 64,3 78,6 64,3 50,0 50,0 14,3 35,7
Estrategias utilizadas por los
docentes
Frecuencia Porcentaje
Vol. 13/ Núm. 1 2026 pág. 2350
Tabla 2
¿Con qué frecuencias utilizas estas estrategias?
Nº Categoría Frecuencia Porcentaje
1 Siempre 3 21,4 %
2 Frecuentemente 6 42,9 %
3 A veces 5 35,7 %
4 Rara veces 0 0 %
5 Nunca 0 0 %
Figura 2
Frecuencias utilizas
En relación con la frecuencia de uso de las estrategias, los datos muestran que la mayoría
de los docentes las emplea de manera regular. El 42,9 % manifiesta utilizarlas frecuentemente,
mientras que el 35,7 % señala que las aplica a veces. Solo el 21,4 % afirma utilizarlas siempre,
y no se registran respuestas en las categorías “rara vez” o “nunca”. Estos resultados permiten
inferir que, si bien existe una intención clara de diversificar las estrategias didácticas, su
aplicación no siempre es sistemática. Esto podría estar relacionado con factores como la carga
horaria, la cantidad de estudiantes, la planificación curricular o la disponibilidad de recursos
tecnológicos y pedagógicos.
Impacto en el rendimiento académico
Tabla 3
¿Cuál sería el promedio actual de tus estudiantes en la carrera?
Nº Categoría Frecuencia Porcentaje
1 0_ 5 0 0
2 6 _ 7 4 28,6
3 8 _ 9 9 64,3
4 10 1 7,1
0
10
20
30
40
50
Frecuencia con que utiliza las entrategias
Frecuencia Porcentaje
42,9 %
Tabla 2
¿Con qué frecuencias utilizas estas estrategias?
Nº Categoría Frecuencia Porcentaje
1 Siempre 3 21,4 %
2 Frecuentemente 6 42,9 %
3 A veces 5 35,7 %
4 Rara veces 0 0 %
5 Nunca 0 0 %
Figura 2
Frecuencias utilizas
En relación con la frecuencia de uso de las estrategias, los datos muestran que la mayoría
de los docentes las emplea de manera regular. El 42,9 % manifiesta utilizarlas frecuentemente,
mientras que el 35,7 % señala que las aplica a veces. Solo el 21,4 % afirma utilizarlas siempre,
y no se registran respuestas en las categorías “rara vez” o “nunca”. Estos resultados permiten
inferir que, si bien existe una intención clara de diversificar las estrategias didácticas, su
aplicación no siempre es sistemática. Esto podría estar relacionado con factores como la carga
horaria, la cantidad de estudiantes, la planificación curricular o la disponibilidad de recursos
tecnológicos y pedagógicos.
Impacto en el rendimiento académico
Tabla 3
¿Cuál sería el promedio actual de tus estudiantes en la carrera?
Nº Categoría Frecuencia Porcentaje
1 0_ 5 0 0
2 6 _ 7 4 28,6
3 8 _ 9 9 64,3
4 10 1 7,1
0
10
20
30
40
50
Frecuencia con que utiliza las entrategias
Frecuencia Porcentaje
42,9 %
Vol. 13/ Núm. 1 2026 pág. 2351
Figura 3
Promedio actual
En cuanto al rendimiento académico, los datos revelan que la mayoría de los estudiantes se
concentra en un nivel satisfactorio a alto. El 64,3 % de los docentes indica que el promedio actual
de sus estudiantes se sitúa entre 8 y 9, mientras que el 28,6 % señala un promedio entre 6 y 7.
Solo un 7,1 % reporta promedios de 10, y no se registran promedios inferiores a 5. Este panorama
sugiere un buen desempeño académico general en la carrera de Matemáticas, lo cual puede estar
vinculado a la implementación de estrategias de enseñanza que favorecen la comprensión de los
contenidos y el desarrollo de habilidades cognitivas superiores.
Tabla 4
¿Cómo crees que las estrategias de enseñanzas elegidas a ser utilizadas han influido en su
rendimiento?
Nº Categoría Frecuencia Porcentaje
1 Muy positivamente 3 21,4 %
2 Positivamente 10 71,4 %
3 Neutro 0 0 %
4 Negativamente 1 7,1 %
5 Muy negativamente 0 0 %
Figura 4
Influencia de las estrategias
0 4 9 10 28,6
64,3
7,1
1 2 3 4
Promedio actual de los estudiantes
Categoría Frecuencia Porcentaje
10
6 - 7
0 - 5
3 10 0 1 021,4
71,4
0 7,1 0
MUY
POSITIVAMENTE
POSITIVAMENTE NEUTRO NEGATIVAMENTE MUY
NEGATIVAMENTE
1 2 3 4 5
Influencia de las estrategias
Frecuencia Porcentaje
Figura 3
Promedio actual
En cuanto al rendimiento académico, los datos revelan que la mayoría de los estudiantes se
concentra en un nivel satisfactorio a alto. El 64,3 % de los docentes indica que el promedio actual
de sus estudiantes se sitúa entre 8 y 9, mientras que el 28,6 % señala un promedio entre 6 y 7.
Solo un 7,1 % reporta promedios de 10, y no se registran promedios inferiores a 5. Este panorama
sugiere un buen desempeño académico general en la carrera de Matemáticas, lo cual puede estar
vinculado a la implementación de estrategias de enseñanza que favorecen la comprensión de los
contenidos y el desarrollo de habilidades cognitivas superiores.
Tabla 4
¿Cómo crees que las estrategias de enseñanzas elegidas a ser utilizadas han influido en su
rendimiento?
Nº Categoría Frecuencia Porcentaje
1 Muy positivamente 3 21,4 %
2 Positivamente 10 71,4 %
3 Neutro 0 0 %
4 Negativamente 1 7,1 %
5 Muy negativamente 0 0 %
Figura 4
Influencia de las estrategias
0 4 9 10 28,6
64,3
7,1
1 2 3 4
Promedio actual de los estudiantes
Categoría Frecuencia Porcentaje
10
6 - 7
0 - 5
3 10 0 1 021,4
71,4
0 7,1 0
MUY
POSITIVAMENTE
POSITIVAMENTE NEUTRO NEGATIVAMENTE MUY
NEGATIVAMENTE
1 2 3 4 5
Influencia de las estrategias
Frecuencia Porcentaje
Vol. 13/ Núm. 1 2026 pág. 2352
Respecto a la percepción del impacto de las estrategias de enseñanza en el rendimiento
académico, los resultados son mayoritariamente positivos. El 71,4 % de los docentes considera
que las estrategias utilizadas han influido positivamente en el rendimiento de los estudiantes,
mientras que un 21,4 % percibe una influencia muy positiva. Solo un 7,1 % considera que la
influencia ha sido negativa, y no se registran percepciones neutras ni muy negativas. Estos datos
refuerzan la idea de que la diversificación metodológica y la incorporación de estrategias activas
y tecnológicas contribuyen de manera significativa al rendimiento académico, especialmente
cuando se combinan con enfoques tradicionales bien estructurados.
En las entrevistas, con los docentes de la carrera de Licenciatura en Matemáticas declararon
estar de acuerdo en la necesidad de utilizar tecnologías, softwares como GeoGebra, Derive,
Mathematica, etc, para que las clases se vuelvan más dinámicas y atractivas, pero al no contar con
las herramientas para poder aplicarlas en clases por la falta de computadoras y conexión a internet
lo hace difícil.
Por otro lado, declaran que los alumnos no adquieren el hábito de estudiar por su cuenta, a
manejar un lenguaje generativo, profundo conocimiento e interpretación de conceptos, teorías,
demostraciones, que ayudarían al razonamiento lógico y análisis de los ejercicios a ser resueltos
presentados por el docente, es un problema a la hora de desarrollar las clases ya que conlleva a
que el docente vuelva a repetir una y otra vez la aplicación de la teoría, conceptos a un ejercicio
práctico Se debe dar énfasis a la interrelación entre las ramas de las matemáticas y a la aplicación
en problemas reales.
Resultados de la encuesta y entrevistas a alumnos
Tabla 5
¿Con qué frecuencia sus docentes emplean las siguientes estrategias de enseñanza en las clases
de matemáticas? (Marque lo que considere más adecuada)
Nº Categoría Nunca Rara vez A veces Frecuentemente Siempre
1 Clases magistrales 7,10% 10;7% 28,60% 25% 28,60%
2 Aprendizaje basado en problemas 0% 3,60% 35,70% 46,40% 14,30%
3 Trabajo en grupo 0% 10,70% 21,40% 50% 17,90%
4
Uso te tecnología (software, otras
aplicaciones) 10,70% 14,30% 42,90% 28,60% 3,60%
5 Actividades prácticas 3,60% 0% 25% 39,30% 32,10%
6 Tutorías individuales 14,30% 53,60% 14,30% 14,30% 3,60%
7 Modelización 17,90% 35,70% 32,10% 14,30% 0%
Respecto a la percepción del impacto de las estrategias de enseñanza en el rendimiento
académico, los resultados son mayoritariamente positivos. El 71,4 % de los docentes considera
que las estrategias utilizadas han influido positivamente en el rendimiento de los estudiantes,
mientras que un 21,4 % percibe una influencia muy positiva. Solo un 7,1 % considera que la
influencia ha sido negativa, y no se registran percepciones neutras ni muy negativas. Estos datos
refuerzan la idea de que la diversificación metodológica y la incorporación de estrategias activas
y tecnológicas contribuyen de manera significativa al rendimiento académico, especialmente
cuando se combinan con enfoques tradicionales bien estructurados.
En las entrevistas, con los docentes de la carrera de Licenciatura en Matemáticas declararon
estar de acuerdo en la necesidad de utilizar tecnologías, softwares como GeoGebra, Derive,
Mathematica, etc, para que las clases se vuelvan más dinámicas y atractivas, pero al no contar con
las herramientas para poder aplicarlas en clases por la falta de computadoras y conexión a internet
lo hace difícil.
Por otro lado, declaran que los alumnos no adquieren el hábito de estudiar por su cuenta, a
manejar un lenguaje generativo, profundo conocimiento e interpretación de conceptos, teorías,
demostraciones, que ayudarían al razonamiento lógico y análisis de los ejercicios a ser resueltos
presentados por el docente, es un problema a la hora de desarrollar las clases ya que conlleva a
que el docente vuelva a repetir una y otra vez la aplicación de la teoría, conceptos a un ejercicio
práctico Se debe dar énfasis a la interrelación entre las ramas de las matemáticas y a la aplicación
en problemas reales.
Resultados de la encuesta y entrevistas a alumnos
Tabla 5
¿Con qué frecuencia sus docentes emplean las siguientes estrategias de enseñanza en las clases
de matemáticas? (Marque lo que considere más adecuada)
Nº Categoría Nunca Rara vez A veces Frecuentemente Siempre
1 Clases magistrales 7,10% 10;7% 28,60% 25% 28,60%
2 Aprendizaje basado en problemas 0% 3,60% 35,70% 46,40% 14,30%
3 Trabajo en grupo 0% 10,70% 21,40% 50% 17,90%
4
Uso te tecnología (software, otras
aplicaciones) 10,70% 14,30% 42,90% 28,60% 3,60%
5 Actividades prácticas 3,60% 0% 25% 39,30% 32,10%
6 Tutorías individuales 14,30% 53,60% 14,30% 14,30% 3,60%
7 Modelización 17,90% 35,70% 32,10% 14,30% 0%
Vol. 13/ Núm. 1 2026 pág. 2353
Figura 5
Frecuencia con que el docente emplea las siguientes estrategias
Desde la perspectiva de los estudiantes, los docentes de la carrera de Matemáticas emplean
una variedad de estrategias didácticas con diferente grado de frecuencia. En primer lugar, las
clases magistrales continúan siendo una práctica habitual, ya que el 28,6 % de los estudiantes
señala que se utilizan siempre, y un 25 % indica que se aplican frecuentemente. No obstante, un
porcentaje similar manifiesta que estas se emplean solo a veces (28,6 %), lo que sugiere una
alternancia entre enfoques tradicionales y otras modalidades pedagógicas.
En relación con el aprendizaje basado en problemas, se observa una valoración más positiva
en cuanto a su frecuencia de uso, ya que el 46,4 % de los estudiantes afirma que se utiliza
frecuentemente, y un 14,3 % indica que se aplica siempre. Estos datos reflejan una presencia
significativa de estrategias orientadas a la resolución de situaciones problemáticas, aspecto
fundamental en la formación matemática.
El trabajo en grupo destaca como una de las estrategias más utilizadas, con un 50 % de los
estudiantes indicando que se emplea frecuentemente y un 17,9 % que señala su uso siempre. Esto
evidencia un énfasis en el aprendizaje colaborativo, el intercambio de ideas y el desarrollo de
habilidades sociales y cognitivas dentro del aula.
El uso de tecnología educativa presenta una aplicación moderada. Aunque un 42,9 % de
los estudiantes considera que se utiliza a veces, solo un 3,6 % percibe que se emplea siempre, lo
que sugiere que la integración de herramientas tecnológicas aún no es plenamente sistemática en
las clases de Matemáticas.
Las actividades prácticas muestran una presencia relevante, ya que el 39,3 % de los
estudiantes indica que se realizan frecuentemente y el 32,1 % que se aplican siempre, lo que
evidencia su aporte al aprendizaje activo y a la consolidación de los contenidos abordados.
Las tutorías individuales y la modelización matemática presentan una baja frecuencia de
uso. Más de la mitad de los estudiantes (53,6 %) señala que las tutorías se realizan raras veces,
mientras que la modelización es percibida como una estrategia poco utilizada, con un 35,7 %
indicando que se aplica raras veces y un 17,9 % que manifiesta que nunca se emplea. Esta
0,00%
20,00%
40,00%
60,00%
Clases magistralesAprendizaje basado en problemasTrabajo en grupoUso te tecnología (software, otras aplicaciones)Actividades prácticasTutorías individualesModelización
FRECUENCIA CON QUE EL DOCENTE EMPLEA
LAS SIGUIENTES ESTRATEGIAS
Nunca Rara vez A veces Frecuentemente Siempre
Figura 5
Frecuencia con que el docente emplea las siguientes estrategias
Desde la perspectiva de los estudiantes, los docentes de la carrera de Matemáticas emplean
una variedad de estrategias didácticas con diferente grado de frecuencia. En primer lugar, las
clases magistrales continúan siendo una práctica habitual, ya que el 28,6 % de los estudiantes
señala que se utilizan siempre, y un 25 % indica que se aplican frecuentemente. No obstante, un
porcentaje similar manifiesta que estas se emplean solo a veces (28,6 %), lo que sugiere una
alternancia entre enfoques tradicionales y otras modalidades pedagógicas.
En relación con el aprendizaje basado en problemas, se observa una valoración más positiva
en cuanto a su frecuencia de uso, ya que el 46,4 % de los estudiantes afirma que se utiliza
frecuentemente, y un 14,3 % indica que se aplica siempre. Estos datos reflejan una presencia
significativa de estrategias orientadas a la resolución de situaciones problemáticas, aspecto
fundamental en la formación matemática.
El trabajo en grupo destaca como una de las estrategias más utilizadas, con un 50 % de los
estudiantes indicando que se emplea frecuentemente y un 17,9 % que señala su uso siempre. Esto
evidencia un énfasis en el aprendizaje colaborativo, el intercambio de ideas y el desarrollo de
habilidades sociales y cognitivas dentro del aula.
El uso de tecnología educativa presenta una aplicación moderada. Aunque un 42,9 % de
los estudiantes considera que se utiliza a veces, solo un 3,6 % percibe que se emplea siempre, lo
que sugiere que la integración de herramientas tecnológicas aún no es plenamente sistemática en
las clases de Matemáticas.
Las actividades prácticas muestran una presencia relevante, ya que el 39,3 % de los
estudiantes indica que se realizan frecuentemente y el 32,1 % que se aplican siempre, lo que
evidencia su aporte al aprendizaje activo y a la consolidación de los contenidos abordados.
Las tutorías individuales y la modelización matemática presentan una baja frecuencia de
uso. Más de la mitad de los estudiantes (53,6 %) señala que las tutorías se realizan raras veces,
mientras que la modelización es percibida como una estrategia poco utilizada, con un 35,7 %
indicando que se aplica raras veces y un 17,9 % que manifiesta que nunca se emplea. Esta
0,00%
20,00%
40,00%
60,00%
Clases magistralesAprendizaje basado en problemasTrabajo en grupoUso te tecnología (software, otras aplicaciones)Actividades prácticasTutorías individualesModelización
FRECUENCIA CON QUE EL DOCENTE EMPLEA
LAS SIGUIENTES ESTRATEGIAS
Nunca Rara vez A veces Frecuentemente Siempre
Vol. 13/ Núm. 1 2026 pág. 2354
situación revela un área susceptible de fortalecimiento, considerando la importancia de estas
estrategias para atender las diferencias individuales y favorecer la aplicación de la Matemática a
contextos reales.
Tabla 6
¿Qué tan efectivo es el uso de estas estrategias por parte de tu docente en tu aprendizaje?
Nº Categoría Frecuencia Porcentaje
1 Muy inefectivo 4 8,70%
2 Inefectivo 3 6,52%
3 Regular 23 50,00%
4 Efectivo 16 34,78%
Figura Nº 6
Efectividad de las estrategias
La efectividad de las estrategias empleadas por los docentes, la percepción estudiantil se
concentra mayoritariamente en una valoración intermedia. El 50 % de los encuestados considera
que las estrategias son regulares, mientras que un 34,78 % las califica como efectivas. En menor
proporción, un 8,7 % las percibe como muy inefectivas y un 6,52 % como inefectivas.
Tabla 7
¿De qué manera consideras que las estrategias utilizadas por tu docente han mejorado tu
rendimiento académico?
Nº Categoría Frecuencia Porcentaje
1 Mejor comprensión de los temas desarrollados 20 43%
2 Mayor motivación e interés para estudiar 8 17,39%
3 Ascenso en las calificaciones 0 0
4
Aumento de capacidades y habilidades en el
desarrollo del conocimiento sobre temas
matemáticos 18 39,13%
4 3 23 168,70% 6,52% 50,00% 34,78%
0
20
40
Muy inefectivo Inefectivo Regular Efectivo
EFECTIVIDAD DE LAS ESTRATEGIAS
Frecuencia Porcentaje
situación revela un área susceptible de fortalecimiento, considerando la importancia de estas
estrategias para atender las diferencias individuales y favorecer la aplicación de la Matemática a
contextos reales.
Tabla 6
¿Qué tan efectivo es el uso de estas estrategias por parte de tu docente en tu aprendizaje?
Nº Categoría Frecuencia Porcentaje
1 Muy inefectivo 4 8,70%
2 Inefectivo 3 6,52%
3 Regular 23 50,00%
4 Efectivo 16 34,78%
Figura Nº 6
Efectividad de las estrategias
La efectividad de las estrategias empleadas por los docentes, la percepción estudiantil se
concentra mayoritariamente en una valoración intermedia. El 50 % de los encuestados considera
que las estrategias son regulares, mientras que un 34,78 % las califica como efectivas. En menor
proporción, un 8,7 % las percibe como muy inefectivas y un 6,52 % como inefectivas.
Tabla 7
¿De qué manera consideras que las estrategias utilizadas por tu docente han mejorado tu
rendimiento académico?
Nº Categoría Frecuencia Porcentaje
1 Mejor comprensión de los temas desarrollados 20 43%
2 Mayor motivación e interés para estudiar 8 17,39%
3 Ascenso en las calificaciones 0 0
4
Aumento de capacidades y habilidades en el
desarrollo del conocimiento sobre temas
matemáticos 18 39,13%
4 3 23 168,70% 6,52% 50,00% 34,78%
0
20
40
Muy inefectivo Inefectivo Regular Efectivo
EFECTIVIDAD DE LAS ESTRATEGIAS
Frecuencia Porcentaje
Vol. 13/ Núm. 1 2026 pág. 2355
Figura 7
Mejora del rendimiento académico
En cuanto al rendimiento académico, los estudiantes destacan principalmente la mejor
comprensión de los temas desarrollados, con un 43 % de las respuestas. Asimismo, un 39,13 %
señala que las estrategias han favorecido el aumento de capacidades y habilidades en el desarrollo
del conocimiento matemático, lo que evidencia un impacto positivo en los procesos cognitivos de
mayor complejidad.
Un 17,39 % de los estudiantes menciona una mayor motivación e interés para estudiar, lo
que pone de manifiesto la influencia de las estrategias en aspectos actitudinales. Sin embargo,
resulta significativo que ningún estudiante haya señalado un ascenso directo en las calificaciones,
lo cual sugiere que el impacto de las estrategias se percibe más en términos de comprensión y
desarrollo de habilidades que en mejoras inmediatas en los resultados cuantitativos.
Tabla 8
¿Qué tan satisfecho estás con las estrategias de enseñanzas utilizadas por tus docentes en sus
clases? ¿Tienes algunas observaciones al respecto?
Nº Categoría Frecuencia Porcentaje
1 Muy satisfecho 5 10,87%
2 Insatisfecho 5 10,87%
3 Neutro 12 26,09%
4 Satisfecho 24 52%
5 Muy satisfecho 0 0%
20
8 0
18
43% 17,39% 0 39,13%
0
5
10
15
20
25
Mejor comprensión de
los temas desarrollados
Mayor motivación e
interés para estudiar
Ascenso en las
calificaciones
Aumento de capacidades
y habilidades en el
desarrollo de los
conocimiento sobre
temas matemáticos
MEJORA DEL RENDIMIENTO
ACADÉMICO
Frecuencia Porcentaje
Figura 7
Mejora del rendimiento académico
En cuanto al rendimiento académico, los estudiantes destacan principalmente la mejor
comprensión de los temas desarrollados, con un 43 % de las respuestas. Asimismo, un 39,13 %
señala que las estrategias han favorecido el aumento de capacidades y habilidades en el desarrollo
del conocimiento matemático, lo que evidencia un impacto positivo en los procesos cognitivos de
mayor complejidad.
Un 17,39 % de los estudiantes menciona una mayor motivación e interés para estudiar, lo
que pone de manifiesto la influencia de las estrategias en aspectos actitudinales. Sin embargo,
resulta significativo que ningún estudiante haya señalado un ascenso directo en las calificaciones,
lo cual sugiere que el impacto de las estrategias se percibe más en términos de comprensión y
desarrollo de habilidades que en mejoras inmediatas en los resultados cuantitativos.
Tabla 8
¿Qué tan satisfecho estás con las estrategias de enseñanzas utilizadas por tus docentes en sus
clases? ¿Tienes algunas observaciones al respecto?
Nº Categoría Frecuencia Porcentaje
1 Muy satisfecho 5 10,87%
2 Insatisfecho 5 10,87%
3 Neutro 12 26,09%
4 Satisfecho 24 52%
5 Muy satisfecho 0 0%
20
8 0
18
43% 17,39% 0 39,13%
0
5
10
15
20
25
Mejor comprensión de
los temas desarrollados
Mayor motivación e
interés para estudiar
Ascenso en las
calificaciones
Aumento de capacidades
y habilidades en el
desarrollo de los
conocimiento sobre
temas matemáticos
MEJORA DEL RENDIMIENTO
ACADÉMICO
Frecuencia Porcentaje
Vol. 13/ Núm. 1 2026 pág. 2356
Figura 8
Medida de satisfacción con las estrategias utilizadas por el docente
En relación con el nivel de satisfacción, más de la mitad de los estudiantes (52 %) se declara
satisfecho con las estrategias de enseñanza empleadas por sus docentes. No obstante, un 26,09 %
mantiene una postura neutral, mientras que un 10,87 % se manifiesta insatisfecho y otro 10,87 %
se declara muy satisfecho
En la entrevista con los alumnos de la carrera de Licenciatura en Matemáticas, declararon
la falta de innovación en cuanto a las estrategias utilizadas por los docentes, como por ejemplo,
los trabajos de ejercicios a ser resueltos por los alumnos deben responder a una situación real que
está sucediendo dentro de un contexto que sea significativo, dinámico e innovador y participativo,
para motivar al alumno, la utilización de tecnologías en software, como GeoGebra, Maple,
Desmos, etc herramientas digitales donde se trabaje con ejercicios matemáticos ayudaría a la
comprensión y fijación de contenidos. También hacen énfasis en la Inteligencia Artificial para el
uso adecuado en la resolución de los diferentes tipos de ejercicios matemáticos.
Declaran que los docentes deben dar explicaciones más claras a la hora de presentar el
contenido, proporcionar más variedad de materiales de información. También hacen énfasis en
utilizar la estrategia de modelización para fortalecer la investigación, curiosidad por lo que lleva
a la práctica con un efecto de mejor fijación de contenidos. Afirman que todavía se cuenta con
docentes que utilizan la estrategia tradicional en donde expone y el alumno escucha, produce el
efecto de rechazo hacia esa materia.
Resultados del rendimiento académico por plan de estudios _ exámenes finales
El análisis de los resultados de aprobación y reprobación en los exámenes finales de la
carrera de Licenciatura en Matemáticas, correspondientes a los años 2022, 2023 y 2024,
proporcionado por el departamento de evaluación de la Facultad, permite identificar patrones de
desempeño académico diferenciados según el curso y el tipo de asignatura. En términos generales,
se observa un buen nivel de aprobación en las asignaturas de carácter pedagógico y formativo,
0,00%
20,00%
40,00%
60,00%
0
10
20
30
Muy satisfecho Insatisfecho Neutro Satisfecho Muy satisfecho
MEDIDA DE SATISFACCIÓN CON LAS
ESTRATEGIAS UTILIZADAS POR EL
DOCENTE
Frecuencia Porcentaje
Figura 8
Medida de satisfacción con las estrategias utilizadas por el docente
En relación con el nivel de satisfacción, más de la mitad de los estudiantes (52 %) se declara
satisfecho con las estrategias de enseñanza empleadas por sus docentes. No obstante, un 26,09 %
mantiene una postura neutral, mientras que un 10,87 % se manifiesta insatisfecho y otro 10,87 %
se declara muy satisfecho
En la entrevista con los alumnos de la carrera de Licenciatura en Matemáticas, declararon
la falta de innovación en cuanto a las estrategias utilizadas por los docentes, como por ejemplo,
los trabajos de ejercicios a ser resueltos por los alumnos deben responder a una situación real que
está sucediendo dentro de un contexto que sea significativo, dinámico e innovador y participativo,
para motivar al alumno, la utilización de tecnologías en software, como GeoGebra, Maple,
Desmos, etc herramientas digitales donde se trabaje con ejercicios matemáticos ayudaría a la
comprensión y fijación de contenidos. También hacen énfasis en la Inteligencia Artificial para el
uso adecuado en la resolución de los diferentes tipos de ejercicios matemáticos.
Declaran que los docentes deben dar explicaciones más claras a la hora de presentar el
contenido, proporcionar más variedad de materiales de información. También hacen énfasis en
utilizar la estrategia de modelización para fortalecer la investigación, curiosidad por lo que lleva
a la práctica con un efecto de mejor fijación de contenidos. Afirman que todavía se cuenta con
docentes que utilizan la estrategia tradicional en donde expone y el alumno escucha, produce el
efecto de rechazo hacia esa materia.
Resultados del rendimiento académico por plan de estudios _ exámenes finales
El análisis de los resultados de aprobación y reprobación en los exámenes finales de la
carrera de Licenciatura en Matemáticas, correspondientes a los años 2022, 2023 y 2024,
proporcionado por el departamento de evaluación de la Facultad, permite identificar patrones de
desempeño académico diferenciados según el curso y el tipo de asignatura. En términos generales,
se observa un buen nivel de aprobación en las asignaturas de carácter pedagógico y formativo,
0,00%
20,00%
40,00%
60,00%
0
10
20
30
Muy satisfecho Insatisfecho Neutro Satisfecho Muy satisfecho
MEDIDA DE SATISFACCIÓN CON LAS
ESTRATEGIAS UTILIZADAS POR EL
DOCENTE
Frecuencia Porcentaje
Vol. 13/ Núm. 1 2026 pág. 2357
mientras que las mayores tasas de reprobación se concentran en materias de alta complejidad
matemática, particularmente en los cursos superiores.
Año:2022
Tabla 9
Primer curso
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra y trigonometría 8 8 0
2 Cálculo diferencial e integral 12 9 3
3 Comunicación 12 9 3
4
Geometría analítica y
vectores 6 6 0
5 Geometría euclidiana 5 5 0
6 Informática 9 9 0
7
Lógica matemática y Teoría
de conjuntos 6 6 0
8 Pedagogía 9 8 1
Figura 9
Primer curso
Durante el año 2022 se evidencia un alto porcentaje de aprobación en el primer curso,
especialmente en asignaturas como Álgebra y Trigonometría, Geometría Analítica, Informática,
Lógica Matemática y Pedagogía, donde se registran niveles de aprobación del 100 %. Estos
resultados podrían asociarse a la utilización de estrategias de enseñanza más estructuradas, con
contenidos progresivos y mayor acompañamiento docente en los primeros años de la carrera. Con
respecto a las otras materias, Cálculo Diferencial e Integral y Comunicación tienen un 23,07% de
reprobados, Pedagogía se presenta con un 11% de reprobado.
8
12
12
6
5
9
6
9
8
9
9
6
5
9
6
8
0
3
3
0
0
0
0
1
0 2 4 6 8 10 12 14
Álgebra y trigonometría
Comunicación
Geometría euclidiana
Lógica matemática y Teoría de conjuntos
PRIMER CURSO
Reprobados Aprobados Cantidad de alumnos
mientras que las mayores tasas de reprobación se concentran en materias de alta complejidad
matemática, particularmente en los cursos superiores.
Año:2022
Tabla 9
Primer curso
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra y trigonometría 8 8 0
2 Cálculo diferencial e integral 12 9 3
3 Comunicación 12 9 3
4
Geometría analítica y
vectores 6 6 0
5 Geometría euclidiana 5 5 0
6 Informática 9 9 0
7
Lógica matemática y Teoría
de conjuntos 6 6 0
8 Pedagogía 9 8 1
Figura 9
Primer curso
Durante el año 2022 se evidencia un alto porcentaje de aprobación en el primer curso,
especialmente en asignaturas como Álgebra y Trigonometría, Geometría Analítica, Informática,
Lógica Matemática y Pedagogía, donde se registran niveles de aprobación del 100 %. Estos
resultados podrían asociarse a la utilización de estrategias de enseñanza más estructuradas, con
contenidos progresivos y mayor acompañamiento docente en los primeros años de la carrera. Con
respecto a las otras materias, Cálculo Diferencial e Integral y Comunicación tienen un 23,07% de
reprobados, Pedagogía se presenta con un 11% de reprobado.
8
12
12
6
5
9
6
9
8
9
9
6
5
9
6
8
0
3
3
0
0
0
0
1
0 2 4 6 8 10 12 14
Álgebra y trigonometría
Comunicación
Geometría euclidiana
Lógica matemática y Teoría de conjuntos
PRIMER CURSO
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2358
Tabla 10
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 10 10 0
2 Análisis de matemático I 12 12 0
3 Didáctica general y especial 12 11 1
4 Filosofía de la educación 11 11 0
5 Física I 11 11 0
6 Probabilidad y estadísticas 22 12 10
7 Programación lineal y redes 11 11 0
8 Psicología del Aprendizaje 11 11 0
Figura 10
Segundo Curso
El segundo curso, la asignatura Probabilidad y Estadísticas presenta una tasa
significativa de reprobación, con 10 estudiantes reprobados de un total de 22 que representa
al 45,50%, lo que representa una dificultad recurrente en contenidos relacionados con el
razonamiento probabilístico y el análisis estadístico, y la materia de Didáctica General y Especial
con un 8,3% de reprobado.
10
12
12
11
11
22
11
11
10
12
11
11
11
12
11
11
0
0
1
0
0
10
0
0
0 5 10 15 20 25
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE
Segundo Curso
Reprobados Aprobados Cantidad de alumnos
Tabla 10
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 10 10 0
2 Análisis de matemático I 12 12 0
3 Didáctica general y especial 12 11 1
4 Filosofía de la educación 11 11 0
5 Física I 11 11 0
6 Probabilidad y estadísticas 22 12 10
7 Programación lineal y redes 11 11 0
8 Psicología del Aprendizaje 11 11 0
Figura 10
Segundo Curso
El segundo curso, la asignatura Probabilidad y Estadísticas presenta una tasa
significativa de reprobación, con 10 estudiantes reprobados de un total de 22 que representa
al 45,50%, lo que representa una dificultad recurrente en contenidos relacionados con el
razonamiento probabilístico y el análisis estadístico, y la materia de Didáctica General y Especial
con un 8,3% de reprobado.
10
12
12
11
11
22
11
11
10
12
11
11
11
12
11
11
0
0
1
0
0
10
0
0
0 5 10 15 20 25
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE
Segundo Curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2359
Tabla 11
Curso: Tercero
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra I 7 3 4
2 Análisis matemático II 7 7 0
3 Análisis numérico 13 9 4
4 Evaluación educacional 10 10 0
5 Física II 11 11 0
6
Metodología de la
investigación 10 10 0
7 Proyecto educativo I 8 8 0
8 Teoría de números 8 8 0
Figura 11
Tercer curso
En el tercer curso, se observa un aumento en los niveles de reprobación en asignaturas
como Álgebra I con el 57,14% y Análisis Numérico con el 30,76%, lo que sugiere un incremento
en la complejidad de los contenidos y una posible necesidad de fortalecer estrategias didácticas
orientadas a la resolución de problemas y la modelización matemática.
Tabla 12
Curso: Cuarto
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra II 9 8 1
2 Análisis matemático III 4 4 0
3 Ecuaciones diferenciales 3 3 0
4 Proyecto educativo II 3 3 0
5 Topología 5 3 2
7
7
13
10
11
10
8
8
3
7
9
10
11
10
8
8
4
0
4
0
0
0
0
0
0 5 10 15
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Tabla 11
Curso: Tercero
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra I 7 3 4
2 Análisis matemático II 7 7 0
3 Análisis numérico 13 9 4
4 Evaluación educacional 10 10 0
5 Física II 11 11 0
6
Metodología de la
investigación 10 10 0
7 Proyecto educativo I 8 8 0
8 Teoría de números 8 8 0
Figura 11
Tercer curso
En el tercer curso, se observa un aumento en los niveles de reprobación en asignaturas
como Álgebra I con el 57,14% y Análisis Numérico con el 30,76%, lo que sugiere un incremento
en la complejidad de los contenidos y una posible necesidad de fortalecer estrategias didácticas
orientadas a la resolución de problemas y la modelización matemática.
Tabla 12
Curso: Cuarto
Nº Materia Cantidad de alumnos Aprobados Reprobados
1 Álgebra II 9 8 1
2 Análisis matemático III 4 4 0
3 Ecuaciones diferenciales 3 3 0
4 Proyecto educativo II 3 3 0
5 Topología 5 3 2
7
7
13
10
11
10
8
8
3
7
9
10
11
10
8
8
4
0
4
0
0
0
0
0
0 5 10 15
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2360
Figura 12
Cuarto curso
En el cuarto curso, aunque la mayoría de las asignaturas mantiene buenos niveles de
aprobación, Álgebra II con el 11% y Topología con el 40% presenta reprobaciones relevantes,
lo que confirma que las materias altamente abstractas continúan representando un desafío para
los estudiantes.
Año:2023
Tabla 13
Curso: Primero
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra y trigonometría 12 12 0
2 Cálculo diferencial e integral 13 12 1
3 Comunicación 12 12 0
4 Geometría analítica y vectores 16 11 5
5 Geometría euclidiana 0 12 0
6 Informática 12 12 0
7 Lógica matemática y Teoría de conjuntos 12 12 0
8 Pedagogía 11 11 0
9
4
3
3
5
8
4
3
3
3
1
0
0
0
2
0 1 2 3 4 5 6 7 8 9 10
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Figura 12
Cuarto curso
En el cuarto curso, aunque la mayoría de las asignaturas mantiene buenos niveles de
aprobación, Álgebra II con el 11% y Topología con el 40% presenta reprobaciones relevantes,
lo que confirma que las materias altamente abstractas continúan representando un desafío para
los estudiantes.
Año:2023
Tabla 13
Curso: Primero
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra y trigonometría 12 12 0
2 Cálculo diferencial e integral 13 12 1
3 Comunicación 12 12 0
4 Geometría analítica y vectores 16 11 5
5 Geometría euclidiana 0 12 0
6 Informática 12 12 0
7 Lógica matemática y Teoría de conjuntos 12 12 0
8 Pedagogía 11 11 0
9
4
3
3
5
8
4
3
3
3
1
0
0
0
2
0 1 2 3 4 5 6 7 8 9 10
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2361
Figura 13
Primer curso
El primer curso mantiene una tendencia positiva con altos niveles de aprobación,
exceptuando en la materia de Geometría Analítica y Vectores donde hay un 31,25% de reprobados
y Cálculo Diferencial e Integral del 7,7% de reprobados. En cambio, en las otras materias se tiene
el 100% de aprobados.
Los resultados podrían asociarse a la utilización de estrategias de enseñanza más
estructuradas, con contenidos progresivos y mayor acompañamiento docente en los primeros años
de la carrera.
Tabla 14
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 6 6 0
2 Análisis de matemático I 7 7 0
3 Didáctica general y especial 6 6 0
4 Filosofía de la educación 7 7 0
5 Física I 8 8 0
6 Probabilidad y estadísticas 13 7 6
7 Programación lineal y redes 7 6 1
8 Psicología del Aprendizaje 5 5 0
12
13
12
16
0
12
12
11
12
12
12
11
12
12
12
11
0
1
0
5
0
0
0
0
0 5 10 15 20
ÁLGEBRA Y TRIGONOMETRÍA
CÁLCULO DIFERENCIAL E INTEGRAL
COMUNICACIÓN
GEOMETRÍA ANALÍTICA Y VECTORES
GEOMETRÍA EUCLIDIANA
INFORMÁTICA
LÓGICA MATEMÁTICA Y TEORÍA DE…
PEDAGOGÍA
Primer curso
Reprobados Aprobados Cantidad de alumnos
Figura 13
Primer curso
El primer curso mantiene una tendencia positiva con altos niveles de aprobación,
exceptuando en la materia de Geometría Analítica y Vectores donde hay un 31,25% de reprobados
y Cálculo Diferencial e Integral del 7,7% de reprobados. En cambio, en las otras materias se tiene
el 100% de aprobados.
Los resultados podrían asociarse a la utilización de estrategias de enseñanza más
estructuradas, con contenidos progresivos y mayor acompañamiento docente en los primeros años
de la carrera.
Tabla 14
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 6 6 0
2 Análisis de matemático I 7 7 0
3 Didáctica general y especial 6 6 0
4 Filosofía de la educación 7 7 0
5 Física I 8 8 0
6 Probabilidad y estadísticas 13 7 6
7 Programación lineal y redes 7 6 1
8 Psicología del Aprendizaje 5 5 0
12
13
12
16
0
12
12
11
12
12
12
11
12
12
12
11
0
1
0
5
0
0
0
0
0 5 10 15 20
ÁLGEBRA Y TRIGONOMETRÍA
CÁLCULO DIFERENCIAL E INTEGRAL
COMUNICACIÓN
GEOMETRÍA ANALÍTICA Y VECTORES
GEOMETRÍA EUCLIDIANA
INFORMÁTICA
LÓGICA MATEMÁTICA Y TEORÍA DE…
PEDAGOGÍA
Primer curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2362
Figura 14
Segundo curso
El segundo curso mantiene una tendencia positiva con altos niveles de aprobación,
exceptuando en la materia de Probabilidad y Estadísticas donde hay un 46,15% de reprobados y
Programación Lineal y Redes del 14,28 % de reprobados. En cambio, en las otras materias se
tiene el 100% de aprobados. Lo que representa una dificultad recurrente en contenidos
relacionados con el razonamiento probabilístico y análisis estadísticos.
Tabla 15
Curso: Tercero
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra I 13 9 4
2 Análisis matemático II 10 10 0
3 Análisis numérico 9 9 0
4 Evaluación educacional 10 9 1
5 Física II 9 9 0
6 Metodología de la investigación 10 10 0
7 Proyecto educativo I 10 10 0
8 Teoría de números 10 10 0
6
7
6
7
8
13
7
5
6
7
6
7
8
7
6
5
0
0
0
0
0
6
1
0
0 2 4 6 8 10 12 14
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE Segundo curso
Reprobados Aprobados Cantidad de alumnos
Figura 14
Segundo curso
El segundo curso mantiene una tendencia positiva con altos niveles de aprobación,
exceptuando en la materia de Probabilidad y Estadísticas donde hay un 46,15% de reprobados y
Programación Lineal y Redes del 14,28 % de reprobados. En cambio, en las otras materias se
tiene el 100% de aprobados. Lo que representa una dificultad recurrente en contenidos
relacionados con el razonamiento probabilístico y análisis estadísticos.
Tabla 15
Curso: Tercero
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra I 13 9 4
2 Análisis matemático II 10 10 0
3 Análisis numérico 9 9 0
4 Evaluación educacional 10 9 1
5 Física II 9 9 0
6 Metodología de la investigación 10 10 0
7 Proyecto educativo I 10 10 0
8 Teoría de números 10 10 0
6
7
6
7
8
13
7
5
6
7
6
7
8
7
6
5
0
0
0
0
0
6
1
0
0 2 4 6 8 10 12 14
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE Segundo curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2363
Figura 15
Tercer curso
En el tercer curso, se observa un aumento en los niveles de reprobación en asignaturas
como Álgebra I con un 30,76% y Evaluación Educacional con el 10%, lo que sugiere un
incremento en la complejidad de los contenidos y una posible necesidad de fortalecer estrategias
didácticas orientadas a la resolución de problemas y la modelización matemática.
Tabla 16
Curso: Cuarto
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra II 7 1 1
2 Análisis matemático III 3 3 0
3 Ecuaciones diferenciales 9 0 9
4 Proyecto educativo II 6 6 0
5 Topología 7 0 7
6 Didáctica de la educación superior 8 8 0
13
10
9
10
9
10
10
10
9
10
9
9
9
10
10
10
4
0
0
1
0
0
0
0
0 5 10 15
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Figura 15
Tercer curso
En el tercer curso, se observa un aumento en los niveles de reprobación en asignaturas
como Álgebra I con un 30,76% y Evaluación Educacional con el 10%, lo que sugiere un
incremento en la complejidad de los contenidos y una posible necesidad de fortalecer estrategias
didácticas orientadas a la resolución de problemas y la modelización matemática.
Tabla 16
Curso: Cuarto
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra II 7 1 1
2 Análisis matemático III 3 3 0
3 Ecuaciones diferenciales 9 0 9
4 Proyecto educativo II 6 6 0
5 Topología 7 0 7
6 Didáctica de la educación superior 8 8 0
13
10
9
10
9
10
10
10
9
10
9
9
9
10
10
10
4
0
0
1
0
0
0
0
0 5 10 15
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2364
Figura 16
Cuarto curso
En el cuarto curso observamos un descenso marcado en la aprobación en determinadas
materias clave como Ecuaciones Diferenciales y Topología que registran un 100% y Álgebra II
con el 14,30% de reprobados, lo que constituye un indicador significativo de posibles debilidades
en las estrategias de enseñanza, la secuenciación de contenidos o el acompañamiento pedagógico
en esas materias.
Año: 2024
Tabla 17
Curso: Primer
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra y trigonometría 13 13 0
2 Cálculo diferencial e integral 17 11 6
3 Comunicación 13 13 0
4 Geometría analítica y vectores 15 13 2
5 Geometría euclidiana 16 12 4
6 Informática 14 13 1
7 Lógica matemática y Teoría de conjuntos 12 12 0
8 Pedagogía 11 11 0
9 Materia optativa 12 12 0
7
3
9
6
7
8
1
3
0
6
0
8
1
0
9
0
7
0
0 1 2 3 4 5 6 7 8 9 10
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
DIDÁCTICA DE LA EDUCACIÓN SUPERIOR
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Figura 16
Cuarto curso
En el cuarto curso observamos un descenso marcado en la aprobación en determinadas
materias clave como Ecuaciones Diferenciales y Topología que registran un 100% y Álgebra II
con el 14,30% de reprobados, lo que constituye un indicador significativo de posibles debilidades
en las estrategias de enseñanza, la secuenciación de contenidos o el acompañamiento pedagógico
en esas materias.
Año: 2024
Tabla 17
Curso: Primer
Nº Materia
Cantidad
de
alumnos Aprobados Reprobados
1 Álgebra y trigonometría 13 13 0
2 Cálculo diferencial e integral 17 11 6
3 Comunicación 13 13 0
4 Geometría analítica y vectores 15 13 2
5 Geometría euclidiana 16 12 4
6 Informática 14 13 1
7 Lógica matemática y Teoría de conjuntos 12 12 0
8 Pedagogía 11 11 0
9 Materia optativa 12 12 0
7
3
9
6
7
8
1
3
0
6
0
8
1
0
9
0
7
0
0 1 2 3 4 5 6 7 8 9 10
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
DIDÁCTICA DE LA EDUCACIÓN SUPERIOR
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2365
Figura 17
Primer curso
En el primer curso el 55,5% % del total de las materias están aprobadas y un 44,4%
reprobadas, Cálculo Diferencial e Integral con un 35,3% de reprobados, Geometría Analítica y
Vectores con un 13,3%, Geometría Euclidiana con un 25% y por último la materia de Informática
con un 7,1% de reprobados. Muestran un incremento en la cantidad de estudiantes reprobados lo
que podría estar relacionado con el ritmo de desarrollo de los contenidos o la metodología
empleada.
Tabla 18
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 8 8 0
2 Análisis de matemático I 11 7 4
3 Didáctica general y especial 8 8 0
4 Filosofía de la educación 10 10 0
5 Física I 5 5 0
6 Probabilidad y estadísticas 15 5 10
7 Programación lineal y redes 10 10 0
8 Psicología del Aprendizaje 11 11 0
13
17
13
15
16
14
12
11
12
13
11
13
13
12
13
12
11
12
0
6
0
2
4
1
0
0
0
0 2 4 6 8 10 12 14 16 18
ÁLGEBRA Y TRIGONOMETRÍA
CÁLCULO DIFERENCIAL E INTEGRAL
COMUNICACIÓN
GEOMETRÍA ANALÍTICA Y VECTORES
GEOMETRÍA EUCLIDIANA
INFORMÁTICA
LÓGICA MATEMÁTICA Y TEORÍA DE…
PEDAGOGÍA
MATERIA OPTATIVA
Primer curso
Reprobados Aprobados Cantidad de alumnos
Figura 17
Primer curso
En el primer curso el 55,5% % del total de las materias están aprobadas y un 44,4%
reprobadas, Cálculo Diferencial e Integral con un 35,3% de reprobados, Geometría Analítica y
Vectores con un 13,3%, Geometría Euclidiana con un 25% y por último la materia de Informática
con un 7,1% de reprobados. Muestran un incremento en la cantidad de estudiantes reprobados lo
que podría estar relacionado con el ritmo de desarrollo de los contenidos o la metodología
empleada.
Tabla 18
Curso: Segundo
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Algebra lineal 8 8 0
2 Análisis de matemático I 11 7 4
3 Didáctica general y especial 8 8 0
4 Filosofía de la educación 10 10 0
5 Física I 5 5 0
6 Probabilidad y estadísticas 15 5 10
7 Programación lineal y redes 10 10 0
8 Psicología del Aprendizaje 11 11 0
13
17
13
15
16
14
12
11
12
13
11
13
13
12
13
12
11
12
0
6
0
2
4
1
0
0
0
0 2 4 6 8 10 12 14 16 18
ÁLGEBRA Y TRIGONOMETRÍA
CÁLCULO DIFERENCIAL E INTEGRAL
COMUNICACIÓN
GEOMETRÍA ANALÍTICA Y VECTORES
GEOMETRÍA EUCLIDIANA
INFORMÁTICA
LÓGICA MATEMÁTICA Y TEORÍA DE…
PEDAGOGÍA
MATERIA OPTATIVA
Primer curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2366
Figura 18
Segundo curso
En el segundo curso lo tenemos a Análisis Matemático I, con un 36,4% de reprobados, y
nuevamente Probabilidad y Estadísticas registra un alto grado de reprobados con el 66,7%
confirmando su condición de asignatura con mayor índice de dificultad a lo largo de los tres
años analizados.
Tabla 19
Curso: Tercero
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra I 7 5 2
2 Análisis matemático II 6 6 0
3 Análisis numérico 10 6 4
4 Evaluación educacional 6 6 0
5 Física II 6 6 6
6
Metodología de la
investigación 6 6 6
7 Proyecto educativo I 6 6 0
8 Teoría de números 5 5 0
8
11
8
10
5
15
10
11
8
7
8
10
5
5
10
11
0
4
0
0
0
10
0
0
0 5 10 15 20
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE
Segundo curso
Reprobados Aprobados Cantidad de alumnos
Figura 18
Segundo curso
En el segundo curso lo tenemos a Análisis Matemático I, con un 36,4% de reprobados, y
nuevamente Probabilidad y Estadísticas registra un alto grado de reprobados con el 66,7%
confirmando su condición de asignatura con mayor índice de dificultad a lo largo de los tres
años analizados.
Tabla 19
Curso: Tercero
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra I 7 5 2
2 Análisis matemático II 6 6 0
3 Análisis numérico 10 6 4
4 Evaluación educacional 6 6 0
5 Física II 6 6 6
6
Metodología de la
investigación 6 6 6
7 Proyecto educativo I 6 6 0
8 Teoría de números 5 5 0
8
11
8
10
5
15
10
11
8
7
8
10
5
5
10
11
0
4
0
0
0
10
0
0
0 5 10 15 20
ALGEBRA LINEAL
ANÁLISIS DE MATEMÁTICO I
DIDÁCTICA GENERAL Y ESPECIAL
FILOSOFÍA DE LA EDUCACIÓN
FÍSICA I
PROBALILIDAD Y ESTADÍSTICAS
PROGRAMACIÓN LINEAL Y REDES
PSICOLOGÍA DEL APRENDIZAJE
Segundo curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2367
Figura 19
Tercer curso
En el tercer curso observamos un 50% del total de las materias donde los estudiantes han
reprobado alguna de ellas, Álgebra I con un 28,8%, Análisis Numérico con un 40%, Física II con
un 100%, y Metodología de la Investigación con un 100% de reprobados, reafirma la complejidad
inherente de estas asignaturas y la necesidad de estrategias didácticas más innovadoras y
contextualizadas.
Tabla 20
Curso: Cuarto
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra II 9 6 3
2 Análisis matemático III 7 6 1
3 Ecuaciones diferenciales 12 11 1
4 Proyecto educativo II 9 9 0
5 Topología 13 4 9
6
Didáctica de la educación
superior 9 9 0
7 Taller de tesina 9 8 1
7
6
10
6
6
6
6
5
5
6
6
6
6
6
6
5
2
0
4
0
6
6
0
0
0 2 4 6 8 10 12
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Figura 19
Tercer curso
En el tercer curso observamos un 50% del total de las materias donde los estudiantes han
reprobado alguna de ellas, Álgebra I con un 28,8%, Análisis Numérico con un 40%, Física II con
un 100%, y Metodología de la Investigación con un 100% de reprobados, reafirma la complejidad
inherente de estas asignaturas y la necesidad de estrategias didácticas más innovadoras y
contextualizadas.
Tabla 20
Curso: Cuarto
Nº Materia
Cantidad de
alumnos Aprobados Reprobados
1 Álgebra II 9 6 3
2 Análisis matemático III 7 6 1
3 Ecuaciones diferenciales 12 11 1
4 Proyecto educativo II 9 9 0
5 Topología 13 4 9
6
Didáctica de la educación
superior 9 9 0
7 Taller de tesina 9 8 1
7
6
10
6
6
6
6
5
5
6
6
6
6
6
6
5
2
0
4
0
6
6
0
0
0 2 4 6 8 10 12
ÁLGEBRA I
ANÁLISIS MATEMÁTICO II
ANÁLISIS NUMÉRCIO
EVALUACIÓN EDUCACIONAL
FÍSICA II
METODOLOGÍA DE LA INVESTIGACIÓN
PROYECTO EDUCATIVO I
TEORÍA DE NÚMEROS
Tercer curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2368
Figura 20
Cuarto curso
En el cuarto curso observamos que el 71,4% del total de material tiene estudiantes
reprobados, Álgebra II con un 33,3% de reprobados, Análisis Matemático III con un 14,3%,
Ecuaciones Diferenciales con un 8,3%, Topología con un 69,2%, y Taller de tesina con un 11,1%
de reprobados, los resultados muestran un desafío persistente en las asignaturas avanzadas que
refuerzan la importancia de revisar y fortalecer las estrategias de enseñanza.
CONCLUSIONES
A partir del análisis de los datos obtenidos mediante las encuestas aplicadas a docentes y
estudiantes, así como del estudio de los registros de calificaciones correspondientes a los años
2022, 2023 y 2024, se concluye que las estrategias de enseñanza utilizadas por los docentes de la
Carrera de Matemáticas tienen una incidencia directa en el rendimiento académico de los
estudiantes.
En primer lugar, se evidenció que los docentes emplean una diversidad de estrategias de
enseñanza, destacándose el trabajo en grupo, las clases magistrales, el aprendizaje basado en
problemas y el uso de recursos tecnológicos. Esta combinación de estrategias tradicionales y
activas demuestra una intención pedagógica orientada a facilitar el aprendizaje, aunque su
aplicación no siempre es sistemática ni equilibrada entre las distintas asignaturas.
Desde la perspectiva de los estudiantes, las estrategias más frecuentes son el trabajo
colaborativo y las actividades prácticas, las cuales contribuyen principalmente a una mejor
comprensión de los contenidos matemáticos y al desarrollo de habilidades cognitivas. Sin
embargo, una parte significativa del estudiantado percibe la efectividad de estas estrategias como
regular, lo que sugiere la necesidad de fortalecer su planificación, coherencia y adaptación a las
características de cada asignatura.
9
7
12
9
13
9
9
6
6
11
9
4
9
8
3
1
1
0
9
0
1
0 2 4 6 8 10 12 14
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
DIDÁCTICA DE LA EDUCACIÓN SUPERIOR
TALLER DE TESINA
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Figura 20
Cuarto curso
En el cuarto curso observamos que el 71,4% del total de material tiene estudiantes
reprobados, Álgebra II con un 33,3% de reprobados, Análisis Matemático III con un 14,3%,
Ecuaciones Diferenciales con un 8,3%, Topología con un 69,2%, y Taller de tesina con un 11,1%
de reprobados, los resultados muestran un desafío persistente en las asignaturas avanzadas que
refuerzan la importancia de revisar y fortalecer las estrategias de enseñanza.
CONCLUSIONES
A partir del análisis de los datos obtenidos mediante las encuestas aplicadas a docentes y
estudiantes, así como del estudio de los registros de calificaciones correspondientes a los años
2022, 2023 y 2024, se concluye que las estrategias de enseñanza utilizadas por los docentes de la
Carrera de Matemáticas tienen una incidencia directa en el rendimiento académico de los
estudiantes.
En primer lugar, se evidenció que los docentes emplean una diversidad de estrategias de
enseñanza, destacándose el trabajo en grupo, las clases magistrales, el aprendizaje basado en
problemas y el uso de recursos tecnológicos. Esta combinación de estrategias tradicionales y
activas demuestra una intención pedagógica orientada a facilitar el aprendizaje, aunque su
aplicación no siempre es sistemática ni equilibrada entre las distintas asignaturas.
Desde la perspectiva de los estudiantes, las estrategias más frecuentes son el trabajo
colaborativo y las actividades prácticas, las cuales contribuyen principalmente a una mejor
comprensión de los contenidos matemáticos y al desarrollo de habilidades cognitivas. Sin
embargo, una parte significativa del estudiantado percibe la efectividad de estas estrategias como
regular, lo que sugiere la necesidad de fortalecer su planificación, coherencia y adaptación a las
características de cada asignatura.
9
7
12
9
13
9
9
6
6
11
9
4
9
8
3
1
1
0
9
0
1
0 2 4 6 8 10 12 14
ÁLGEBRA II
ANÁLISIS MATEMÁTICO III
ECUACIONES DIFERENCIALES
PROYECTO EDUCATIVO II
TOPOLOGÍA
DIDÁCTICA DE LA EDUCACIÓN SUPERIOR
TALLER DE TESINA
Cuarto curso
Reprobados Aprobados Cantidad de alumnos
Vol. 13/ Núm. 1 2026 pág. 2369
El análisis del rendimiento académico revela que los mayores niveles de aprobación se
concentran en asignaturas pedagógicas y formativas, mientras que las tasas más altas de
reprobación se presentan en materias de mayor complejidad y abstracción matemática, tales como
Probabilidad y Estadísticas, Topología, Álgebra avanzada y Ecuaciones Diferenciales. Este
patrón se mantiene de forma recurrente en los tres años analizados, lo que indica dificultades
estructurales en la enseñanza de estas asignaturas.
Asimismo, se observó que los estudiantes no asocian necesariamente las estrategias de
enseñanza con un aumento inmediato de las calificaciones, sino más bien con una mejora
progresiva en la comprensión, el razonamiento matemático y el desarrollo de capacidades
analíticas, aspectos fundamentales para un rendimiento académico sostenible a largo plazo.
En términos generales, los resultados confirman que la calidad, diversidad y pertinencia de
las estrategias de enseñanza influyen significativamente en el rendimiento académico,
especialmente en una carrera caracterizada por altos niveles de exigencia cognitiva como la
Matemática. No obstante, también se evidencia la necesidad de optimizar dichas estrategias,
particularmente en los cursos superiores y en las asignaturas con mayores índices de reprobación.
El análisis del rendimiento académico revela que los mayores niveles de aprobación se
concentran en asignaturas pedagógicas y formativas, mientras que las tasas más altas de
reprobación se presentan en materias de mayor complejidad y abstracción matemática, tales como
Probabilidad y Estadísticas, Topología, Álgebra avanzada y Ecuaciones Diferenciales. Este
patrón se mantiene de forma recurrente en los tres años analizados, lo que indica dificultades
estructurales en la enseñanza de estas asignaturas.
Asimismo, se observó que los estudiantes no asocian necesariamente las estrategias de
enseñanza con un aumento inmediato de las calificaciones, sino más bien con una mejora
progresiva en la comprensión, el razonamiento matemático y el desarrollo de capacidades
analíticas, aspectos fundamentales para un rendimiento académico sostenible a largo plazo.
En términos generales, los resultados confirman que la calidad, diversidad y pertinencia de
las estrategias de enseñanza influyen significativamente en el rendimiento académico,
especialmente en una carrera caracterizada por altos niveles de exigencia cognitiva como la
Matemática. No obstante, también se evidencia la necesidad de optimizar dichas estrategias,
particularmente en los cursos superiores y en las asignaturas con mayores índices de reprobación.
Vol. 13/ Núm. 1 2026 pág. 2370
REFERENCIAS
1. Alonso, I., Gorina, A., & Santiesteban, Y. (2018). Estrategia didáctica para reforzar el valor
perseverancia en la resolución de problemas matemáticos. Revista Opuntia Brava, 10(3),
347-362.
2. Bishop,A.J. (1988). Enculturación matemática: Una perspectiva cultural en la educación.
Matemática.
3. Castro, S., & Guzmán, B. (2005). Los estilos de aprendizaje en la enseñanza y el
aprendizaje: Una propuesta para su implementación. Revista de Investigación, 58, 83–100.
4. Contreras, G. (2014). La retroalimentación en educación superior: Conceptos, principios y
estrategias para la práctica. En J. Garrido, A. Arenas, & D. Contreras (Eds.), Mejorando las
prácticas de evaluación de los aprendizajes en la docencia universitaria: Análisis y
experiencias (pp. 161–175). Ediciones Universitarias de Valparaíso.
5. Creswell, J. W., & Creswell, J. D. (2018). Diseño de la investigación: Enfoques cualitativo,
cuantitativo y de métodos mixtos (5a ed.). SAGE Publicaciones.
6. Díaz Barriga Arceo, F., & Hernández Rojas, G. (2010). Estrategias docentes para un
aprendizaje significativo: Una interpretación constructivista. McGraw-Hill
Interamericana.
7. Deci, E. L., & Ryan, R. M. (1985). Motivación intrínseca y autodeterminación en la
conducta humana.
8. Flick, U. (2018). Una introducción a la investigación cualitativa (6a ed.). SAGE
Publicaciones.
9. Gómez-Mejía, R. & Miranda, S. (2017). El impacto de la colaboración en el rendimiento
académico. Revista de Psicología Educativa, 25(3), 45-60.
10. Hattie, J. (2009). Aprendizaje visible: Una síntesis de más de 800 metaanálisis
relacionados con el rendimiento.
11. Herrera Sánchez, S. del C., Novelo Sánchez, S. del C., Díaz Perera, J. J., & Hernández
Pérez, H. (s.f.). Taller: Estrategias de aprendizaje en matemática. Facultad de Ciencias
Exactas y Naturales – Universidad Autónoma del Carmen.
http://www.me.gov.ar/curriform/publica/estrategias_mat_cata2.pdf
12. Jiménez, A. (2007). Didáctica y educación matemática. En P. Rojas (Ed.), Memorias del 8º
Encuentro Colombiano de Matemática Educativa (pp. 15–22). Gaia.
13. Johnson, R. B., Onwuegbuzie, A. J., & Turner, L. A. (2007). Hacia una definición de la
investigación con métodos mixtos. Revista de Investigación con Métodos Mixtos, 1(2),
112–133. https://doi.org/10.1177/1558689806297938
14. Kuhn, C. (2008). Herramientas y estrategias didácticas para mejorar el desempeño en el
área de matemática de los alumnos del Programa Igualdad de Oportunidades de la
REFERENCIAS
1. Alonso, I., Gorina, A., & Santiesteban, Y. (2018). Estrategia didáctica para reforzar el valor
perseverancia en la resolución de problemas matemáticos. Revista Opuntia Brava, 10(3),
347-362.
2. Bishop,A.J. (1988). Enculturación matemática: Una perspectiva cultural en la educación.
Matemática.
3. Castro, S., & Guzmán, B. (2005). Los estilos de aprendizaje en la enseñanza y el
aprendizaje: Una propuesta para su implementación. Revista de Investigación, 58, 83–100.
4. Contreras, G. (2014). La retroalimentación en educación superior: Conceptos, principios y
estrategias para la práctica. En J. Garrido, A. Arenas, & D. Contreras (Eds.), Mejorando las
prácticas de evaluación de los aprendizajes en la docencia universitaria: Análisis y
experiencias (pp. 161–175). Ediciones Universitarias de Valparaíso.
5. Creswell, J. W., & Creswell, J. D. (2018). Diseño de la investigación: Enfoques cualitativo,
cuantitativo y de métodos mixtos (5a ed.). SAGE Publicaciones.
6. Díaz Barriga Arceo, F., & Hernández Rojas, G. (2010). Estrategias docentes para un
aprendizaje significativo: Una interpretación constructivista. McGraw-Hill
Interamericana.
7. Deci, E. L., & Ryan, R. M. (1985). Motivación intrínseca y autodeterminación en la
conducta humana.
8. Flick, U. (2018). Una introducción a la investigación cualitativa (6a ed.). SAGE
Publicaciones.
9. Gómez-Mejía, R. & Miranda, S. (2017). El impacto de la colaboración en el rendimiento
académico. Revista de Psicología Educativa, 25(3), 45-60.
10. Hattie, J. (2009). Aprendizaje visible: Una síntesis de más de 800 metaanálisis
relacionados con el rendimiento.
11. Herrera Sánchez, S. del C., Novelo Sánchez, S. del C., Díaz Perera, J. J., & Hernández
Pérez, H. (s.f.). Taller: Estrategias de aprendizaje en matemática. Facultad de Ciencias
Exactas y Naturales – Universidad Autónoma del Carmen.
http://www.me.gov.ar/curriform/publica/estrategias_mat_cata2.pdf
12. Jiménez, A. (2007). Didáctica y educación matemática. En P. Rojas (Ed.), Memorias del 8º
Encuentro Colombiano de Matemática Educativa (pp. 15–22). Gaia.
13. Johnson, R. B., Onwuegbuzie, A. J., & Turner, L. A. (2007). Hacia una definición de la
investigación con métodos mixtos. Revista de Investigación con Métodos Mixtos, 1(2),
112–133. https://doi.org/10.1177/1558689806297938
14. Kuhn, C. (2008). Herramientas y estrategias didácticas para mejorar el desempeño en el
área de matemática de los alumnos del Programa Igualdad de Oportunidades de la
Vol. 13/ Núm. 1 2026 pág. 2371
Universidad Simón Bolívar. Universidad Simón Bolívar.
http://www.ufrgs.br/niee/eventos/RIBIE/2008/pdf/orientate_net.pdf
15. Kuhn, T. S. (2008). La estructura de las revoluciones científicas (T. S. Kuhn, Trad.; 4a ed.).
Fondo de Cultura Económica.
16. Montes de Oca Recio, N., & Machado Ramírez, E. F. (2011). [Título del artículo en
cursiva]. Revista de Humanidades Médicas, 11(3). Ciudad de Camagüey, Cuba.
17. Mora, C. D. (2003). Estrategias para el aprendizaje y la enseñanza de las matemáticas.
Revista de Pedagogía, 24(70). Universidad Central de Venezuela.
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-97922003000200002
18. Mora, M. (2002). Didáctica de las matemáticas: Un enfoque práctico para el aula. Ediciones
Pirámide.
19. Moreira-Chóez, J.; Beltron-Cedeño, R. y Beltrón-Cedeño, V. ( 2021). Aprendizaje
significativo una alternativa para transformar la educación.
http://dx.doi.org/10.23857/dc.v7i2.1835
20. Moreira-Chóez, J., Zambrano-Chóez, N., & Velásquez-Chóez, K. (2021). Estrategias de
enseñanza para el aprendizaje significativo y su relación con el rendimiento académico.
Revista de Educación y Desarrollo, 15(2), 25-40.
Universidad Simón Bolívar. Universidad Simón Bolívar.
http://www.ufrgs.br/niee/eventos/RIBIE/2008/pdf/orientate_net.pdf
15. Kuhn, T. S. (2008). La estructura de las revoluciones científicas (T. S. Kuhn, Trad.; 4a ed.).
Fondo de Cultura Económica.
16. Montes de Oca Recio, N., & Machado Ramírez, E. F. (2011). [Título del artículo en
cursiva]. Revista de Humanidades Médicas, 11(3). Ciudad de Camagüey, Cuba.
17. Mora, C. D. (2003). Estrategias para el aprendizaje y la enseñanza de las matemáticas.
Revista de Pedagogía, 24(70). Universidad Central de Venezuela.
https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-97922003000200002
18. Mora, M. (2002). Didáctica de las matemáticas: Un enfoque práctico para el aula. Ediciones
Pirámide.
19. Moreira-Chóez, J.; Beltron-Cedeño, R. y Beltrón-Cedeño, V. ( 2021). Aprendizaje
significativo una alternativa para transformar la educación.
http://dx.doi.org/10.23857/dc.v7i2.1835
20. Moreira-Chóez, J., Zambrano-Chóez, N., & Velásquez-Chóez, K. (2021). Estrategias de
enseñanza para el aprendizaje significativo y su relación con el rendimiento académico.
Revista de Educación y Desarrollo, 15(2), 25-40.