Tesis Doctoral Mari Canto ABN Frente A CBC

䴀준吀伀䐀伀䄀倀刀䔀一䐀䤀
䐀䔀娀䄀䨀䔀䴀䄀吀䔀䴀섀吀䤀䌀伀
䄀䈀䤀䔀刀吀伀
䈀䄀匀䄀䐀伀䔀一一�䴀䔀刀伀匀 ⠀䄀䈀一⤀
䌀伀䴀伀䄀䰀
吀䔀刀一䄀吀䤀
嘀䄀䄀䰀
䴀준吀伀䐀伀
䌀䔀刀刀䄀䐀伀䈀䄀匀䄀䐀伀䔀一
䌀䤀䘀刀䄀匀
⠀䌀䈀䌀⤀
吀䔀匀䤀
匀䐀伀䌀吀伀刀䄀䰀䴀愀爀
愀
搀攀氀

䌀愀爀
洀攀渀
䌀愀渀琀
漀䰀
瀀攀稀
倀爀
漀昀⸀
䐀爀
⸀
䐀⸀
䴀愀渀甀攀氀
䄀⸀
䜀愀爀挀
愀
匀攀搀攀漀
倀爀
漀昀⸀
䐀爀
⸀
䐀⸀
䴀愀渀甀攀氀

䄀最甀椀氀愀爀
嘀椀
氀
氀愀最爀
渀䴀愀爀
稀漀
㈀⸀　㄀㜀
㌀
㜀⬀
㐀
⬀㘀
㔀⬀㔀
㠀⬀㈀
唀
㄀⬀㤀
䌀䐀
Lo que los seres humanos tienen que aprender no es matemáticas como sistema cerrado, sino como una actividad: el proceso de
matematizar la realidad y, de ser posible incluso, el de matematizar las matemáticas (Freudenthal, 1968, p.7).
Tesis Doctoral Método de Aprendizaje Matemático ABN como alternativa al Método CBC
AGRADECIMIENTOS
Para dar las gracias a todas las personas que me han acompañado y me han
ayudado en el desarrollo de esta Tesis Doctoral no tendría palabras ni espacio suficiente
que pueda expresar lo que me han aportado. Aunque esta experiencia en ocasiones ha
sido dura, he de decir que no me arrepiento de haber comenzado este maravilloso viaje.
En primer lugar debo de dar las gracias a mi familia, en especial debo hacer
mención a mi madre por ser esa persona que con su ejemplo de esfuerzo y trabajo me
impulsa y anima en cada idea que emprendo, ofreciéndome siempre su confianza para
hacerme sentir capaz de conseguir lo que me propongo; sin ella y la ayuda que me ha
ofrecido en este tiempo y me sigue ofreciendo cada día, nada de esto hubiera sido posible.
Por supuesto, debo dar las gracias a Migue, por compartir nuestros caminos y por ser ese
“ancla” para apoyarme cuando más lo necesito y me hace ser una mejor persona. No
puedo olvidar a mi hermano, Titi y a Sole, que confían en todo lo que emprendo y siempre
me animan a no desfallecer en el intento; gracias Sole por el diseño de esa maravillosa
portada que plasma la base de esta Tesis. Cada logro personal es un triunfo compartido
en familia, lo que le da aún más valor.
Ahora toca dar las gracias a mi mentor, a esa persona que me mostró otra forma
de enseñar las matemáticas, haciéndolas “sencillas, naturales y divertidas”, a ti Jaime,
por crear y promover esta nueva metodología, iniciar esta aventura ABN y por
transmitirme ese impulso que me permitió empezar a volar sola. Desde el día que te
escuché por primera vez explicando el método, supe que ya no vería las matemáticas de
la misma manera y me enseñaste todo lo necesario para poder investigar y profundizar en
esta, a veces, abandonada línea de trabajo, como es la enseñanza de las matemáticas.
Gracias a ti, estoy haciendo llegar otra forma de enseñar matemáticas a todas las partes
del país y más allá, siendo partícipe de esta renovación que no ha hecho más que empezar.
A continuación, debo dedicar un agradecimiento especial a los centros, directores

y docentes que me han abierto sus puertas para realizar todas las evaluaciones y registros
que he necesitado, en especial a Teresa y Lola que desde el primer momento me habéis
facilitado el acceso a la práctica de esta fantástica metodología para el aprendizaje de las
matemáticas, sin vosotras y vuestra profesionalidad mi experiencia con el método ABN
no hubiera sido igual.
3
A mi Tutor de Tesis, Manuel Aguilar, por esa paciencia para apoyarme y

orientarme en todo este largo proceso, por todos los artículos compartidos, por esas
recomendaciones para enriquecer la base teórica del trabajo, por ese tiempo dedicado y
por ser un ejemplo a seguir como persona, como docente y, por supuesto como
investigador; por transmitirme esa pasión por la investigación y por esas horas de
dedicación que me has brindado durante todo este tiempo. Gracias, gracias.
Un agradecimiento infinito a mi Director de Tesis, Manuel García Sedeño, por

todos los momentos que me has dedicado, por esas horas y horas que hemos compartido
en el despacho para darle forma a la estadística de esta Tesis, por todo lo que me has
aportado y me aportas sobre metodología y estadística, porque todo lo que he aprendido
es gracias a tu paciencia y ofrecimiento. En definitiva, gracias por ser de ese tipo de
personas que me hace sentir parte de la familia y por tu calidad como profesional y
persona. Mil gracias por tu ayuda.
A todos los mencionados en estas líneas y a otros cuyo nombre no incluyo, pero
que no olvido y que también va dirigido este esfuerzo, muchas gracias.
Esta Tesis va dedicada a mi hija Marina y mi sobrina Sole, por ser alegría y futuro
y por supuesto, a esa estrella que siempre me guiará y me protegerá, mi padre.
4
5
INDICE
INDICE DE TABLAS ......................................................................................................... 8
INDICE DE FIGURAS ..................................................................................................... 10
INTRODUCCIÓN ............................................................................................................ 16
PRIMERA PARTE: MARCO TEÓRICO ................................................................. 20
CAPÍTULO 1: LA ENSEÑANZA DE LAS MATEMÁTICAS ............................................. 21
CAPÍTULO 2: ALGORITMOS TRADICIONALES ........................................................... 28
2.1. Conceptualización de algoritmo .................................................................................... 28
2.2. Procesos algorítmicos y heurísticos .............................................................................. 30
2.3. Situación actual respecto a la enseñanza de algoritmos tradicionales...................... 31
2.4. Dificultades generadas por los algoritmos tradicionales ............................................ 35
CAPÍTULO 3: ESTRATEGIAS ALTERNATIVAS PARA EL APRENDIZAJE DE LAS
MATEMÁTICAS.............................................................................................................. 39
3.1. El método ALOHA Mental Arithmetic ........................................................................... 45
3.2. Algoritmos holandeses ................................................................................................... 49
3.2.1. Cálculo mental.......................................................................................................... 52
3.2.2. Cálculo algorítmico o en columna .......................................................................... 53
3.2.3. Estimación ................................................................................................................ 54
3.2.4. Uso de la calculadora ............................................................................................... 55
3.2.5. Algoritmos alternativos para las operaciones básicas.......................................... 55
3.3. Algoritmos estadounidenses. Algoritmos inventados por el alumnado..................... 57
3.4. Experiencias basadas en la aritmética mental de Barba y Calvo (2011).................... 64
3.4.1. Estrategias para el desarrollo de la aritmética mental ......................................... 65
3.5. Experiencias basadas en el uso didáctico de la calculadora y el fomento del cálculo
mental……………………………………………………………………………………………………………………..71
3.6. Metodología didáctica para el aprendizaje de las matemáticas propuesta por
Fernández Bravo (2007). ...................................................................................................... 76
3.7. Método Abierto basado en Números (ABN) ................................................................. 78
CAPÍTULO 4: MÉTODO ABIERTO BASADO EN NÚMEROS (ABN) ............................ 79
4.1. Antecedentes del Método ABN ...................................................................................... 79
4.2. Bases teóricas del método ABN ..................................................................................... 81
4.3. Características del Método ABN .................................................................................... 84
4.4. Evolución del Método ABN ............................................................................................ 87
4.5. Trayectoria del promotor del método ABN .................................................................. 88
6
4.6. Investigación en el método ABN.................................................................................... 90

4.7. Adquisición del sentido numérico a través del Método ABN ...................................... 94
4.8. Importancia de la formulación y resolución de problemas en el Método ABN ....... 103
4.9. Resolución de algoritmos a través del Método ABN .................................................. 109
CAPÍTULO 5: ANÁLISIS DE LAS MAGNITUDES NUMÉRICAS .................................. 121
5.1. Modelos de procesamiento numérico y cálculo. ........................................................ 121
5.1.1. Modelo Modular abstracto de McCloskey, Caramazza y Basili, 1985; McCloskey,
Macaruso y Whetstone, 1992.......................................................................................... 121
5.1.2 Modelo de triple código para el procesamiento de los números y el cálculo de
Dehaene, 1992; Dehaene y Cohen, 1995. ....................................................................... 124
5.2. Representación de magnitudes numéricas................................................................. 126
5.2.1. Procesamiento numérico no simbólico................................................................ 128
5.2.2. Procesamiento numérico simbólico ..................................................................... 132
5.2.3. Tareas utilizadas para evaluar la representación de magnitudes numéricas . 134
5.3. Estudios recientes sobre la relación entre la estimación en la línea numérica y la
ejecución en matemáticas ................................................................................................... 143
SEGUNDA PARTE: ESTUDIO EMPÍRICO .......................................................... 149
CAPÍTULO 6: CONTRASTE MÉTODO CBC Y MÉTODO ABN..................................... 150
6.1. Objetivos e Hipótesis .................................................................................................... 150
6.2. Método... ........................................................................................................................ 153
6.2.1. Participantes .......................................................................................................... 153
6.2.2. Materiales ............................................................................................................... 153
6.2.3. Procedimiento ........................................................................................................ 157
6.3. Resultados y discusión ................................................................................................. 159
6.3.1. Análisis de las tareas de ejecución matemática .................................................. 159
6.3.2. Análisis de Regresión Logística Binaria ............................................................... 163
6.3.3. Correlaciones.......................................................................................................... 165
6.3.4. Análisis de la tarea de estimación en línea numérica ......................................... 166
CAPÍTULO 7: CONCLUSIONES.................................................................................... 172
BIBLIOGRAFÍA .......................................................................................................... 175
ANEXOS………………………………………………………………………...……195
7
INDICE DE TABLAS
Tabla 1. Principios fundamentales de la EMR. Fuente: Alsina (2009)
Tabla 2. Índice de competencia matemática y curso equivalente del alumnado con NEAE.
Fuente: Bracho-López, Adamuz-Povedano (2014)
Tabla 3. Tipos de problemas en categoría de Cambio. Fuente: Elaboración propia
Tabla 4. Tipos de problemas en categoría de Combinación. Fuente: Elaboración propia
Tabla 5. Tipos de problemas en categoría de Comparación. Fuente: Elaboración propia
Tabla 6. Tipos de problemas en categoría de Igualación. Fuente: Elaboración propia
Tabla 7. Tipos de problemas en categoría de Isomorfismo de medidas. Fuente:

Elaboración propia
Tabla 8. Tipos de problemas en categoría de Escalares Grandes y Pequeños. Fuente:

Elaboración propia
Tabla 9. Tipos de problemas en categoría de Producto cartesiano. Fuente: Elaboración

propia
Tabla 10. Estadísticos descriptivos y prueba t por grupos (experimental y control)
Tabla 11. Análisis puntuaciones en prueba de fluidez de cálculo Woodcock-Muñoz

(2005)
Tabla 12. Análisis puntuaciones en prueba de fluidez de cálculo de Canals et al (1998)
Tabla 14. Análisis puntuaciones en BADyG (E2)
Tabla 15. Resumen del modelo elaborado por el análisis de regresión
Tabla 17. Análisis de regresión logística binaria. Tareas de ejecución matemática ad-hoc
Tabla 18. Análisis de correlaciones entre la ejecución matemática y la estimación en

línea numérica
8
Tabla 19. Análisis de descriptivos de la media de errores en la tarea de estimación en la

línea numérica
Tabla 20. Resumen del modelo elaborado por el análisis de regresión en la tarea de
estimación NP
Tabla 21. Modelo elaborado por el análisis de regresión en la tarea de estimación NP
Tabla 22. Coeficientes del modelo elaborado por el análisis de regresión en la tarea de
estimación NP
Tabla 23. Resumen del modelo elaborado por el análisis de regresión en la tarea de
estimación PN
Tabla 24. Modelo elaborado por el análisis de regresión en la tarea de estimación PN
Tabla 25. Coeficientes del modelo elaborado por el análisis de regresión en la tarea de
estimación PN
9
INDICE DE FIGURAS
Figura 1. Resultados en matemáticas PISA 2012. Fuente: MECD PISA 2012
Figura 2. Porcentaje de estudiantes excelentes. PISA 2012. Fuente: MECD PISA 2012
Figura 3. Algoritmo en rejilla 532 x 4. Fuente Elaboración propia
Figura 4. Algoritmo en rejilla 649 + 586. Fuente Elaboración propia
Figura 5. Algoritmo chino 21 x 13. Fuente Boletín de divulgación Matemática nº 2. IES

de Llerena (2010)
Figura 6. Algoritmo egipcio 85 x 18. Fuente: Elaboración propia
Figura 7. Algoritmo multiplicación rusa 27 x 82. Fuente: Elaboración propia
Figura 8. Algoritmo división rusa 1.860:25. Fuente: Elaboración propia
Figura 9. Tabla Pitagórica. Fuente: Elaboración propia
Figura 10. Estrategias de cálculo mental. Fuente: Van den Heuvel-Panhuizen y Wijers,
M. (2005)
Figura 11. Formas de cálculo en vertical. Fuente: Van den Heuvel-Panhuizen y Wijers,
M. (2005)
Figura 12. Problemas de estimación. Fuente: Van den Heuvel-Panhuizen y Wijers, M.

(2005)
Figura 13. Problemas para los que se debe usar la calculadora. Fuente: Van den Heuvel-
Panhuizen y Wijers, M. (2005)
Figura 14. Algoritmos alternativos de suma y resta basados en la descomposición

(Holanda). Fuente: Van den Heuvel-Panhuizen y Wijers, M. (2005)
Figura 15. Algoritmos alternativos de multiplicación basados en la descomposición

(Holanda). Fuente: Van den Heuvel-Panhuizen y Wijers, M. (2005)
Figura 16. Algoritmos alternativos de división (Holanda). Fuente: Van den Heuvel-
Panhuizen y Wijers (2005)
10
Figura 17. Formatos alternativos de suma (EEUU). Fuente: Fuson y Beckmann (2013)
Figura 18. Formatos alternativos de resta (EEUU). Fuente: Fuson y Beckmann (2013)
Figura 19. Formatos alternativos de multiplicar 2 dig. x 1 dig. (EEUU). Fuente: Fuson y
Beckmann (2013)
Figura 20. Formatos alternativos de multiplicar 2 dig. x 2 dig. (EEUU). Fuente: Fuson y
Beckmann (2013)
Figura 21. Formatos alternativos de división 3 dig. x 1 dig. (EEUU). Fuente: Fuson y
Beckmann (2013)
Figura 22. Formatos alternativos de división 4 dig. x 2 dig. (EEUU). Fuente: Fuson y
Beckmann (2013)
Figura 23. Estrategias de descomposición I. Fuente: Barba y Calvo (2011)
Figura 24. Estrategias de descomposición II. Fuente: Barba y Calvo (2015)
Figura 25. Algoritmo de la suma basado en la descomposición, para números grandes.

Fuente: Barba y Calvo (2011)
Figura 26. Algoritmo de la suma en columna. Fuente: Barba y Calvo (2011)
Figura 27. Representación gráfica de cantidades. Fuente: Barba y Calvo (2011)
Figura 28. Estrategias de sumar sobre la línea numérica. Fuente: Barba y Calvo (2011)
Figura 29. Estrategias para diferentes capacidades. Fuente: Barba y Calvo (2011)
Figura 30. Estrategias del “paso del 10”. Fuente: Barba y Calvo (2011)
Figura 31. Uso de estrategias como indicador de habilidades. Fuente: Barba y Calvo
(2011)
Figura 32. Multiplicación como suma reiterada. Fuente: Barba y Calvo (2011)
Figura 33. Multiplicación a partir del modelo rectangular. Fuente: Barba y Calvo (2011)
Figura 34. Formato de algoritmo escrito para la multiplicación. Fuente: Barba y Calvo
(2011)
11
Figura 35. Formato de algoritmo en columnas para la multiplicación. Fuente: Barba y

Calvo (2011)
Figura 36. Formato de división basado en la descomposición. Fuente: Barba y Calvo

(2011)
Figura 37. Formatos de algoritmos de dividir tradicionales. Fuente: Martín-Adrián (2003)
Figura 38. Formatos de algoritmos alternativos para la división. Fuente: Martín-Adrián

(2003)
Figura 39. Formatos de algoritmos alternativos para la división por dos o más cifras.
Fuente: Martín-Adrián (2003)
Figura 40. Tarea de cálculo mental. Fuente: Martínez Montero (2011)
Figura 41. Tarea de resolución de operaciones. Fuente: Martínez Montero (2011)
Figura 42. Tarea de resolución de explicada de problemas. Fuente: Martínez Montero

(2011)
Figura 43. Material para la acción de contar en el método ABN. Fuente: Blog algoritmos
ABN
Figura 44. Modelo de equivalencia, conservación de la cantidad y reversibilidad. Fuente:

Blog algoritmos ABN
Figura 45. Modelo de no equivalencia, con conservación de la cantidad y sin

reversibilidad. Fuente: Blog algoritmos ABN
Figura 46. Modelo con contenido posicional remarcado. Fuente: Elaboración propia
Figura 47. Descomposición formato abierto (ABN). Fuente: Blog algoritmos ABN
Figura 48. Descomposición en formato posicional y aditivo (ABN). Fuente: Blog

algoritmos ABN
Figura 49. Sol de los números para descomponer de múltiples formas (ABN). Fuente:
Blog algoritmos ABN
Figura 50. Operaciones formato posicional (ABN). Fuente: Blog algoritmos ABN
12
Figura 51. Fases del proceso de resolución de problemas (ABN). Fuente: Elaboración
propia
Figura 52. Representación simbólica de la resolución de problemas (ABN). Fuente:

Elaboración propia
Figura 53. Ayudas textuales para la resolución de problemas (ABN). Fuente: Elaboración
propia
Figura 54. Algoritmo de la suma planteado por el Método ABN. Fuente: Elaboración
propia
Figura 55. Variantes en la resolución del algoritmo de la suma (ABN). Fuente: Blog
Algoritmos ABN
Figura 56. Fase 6 de la iniciación al algoritmo de la suma (ABN). Fuente: Blog

Algoritmos ABN
Figura 57. Fase 8 de la iniciación al algoritmo de la suma (ABN). Fuente: Web Actiludis
y Elaboración propia
Figura 58. Formato de detracción para el algoritmo de la resta (ABN). Fuente:

Elaboración propia
Figura 59. Formato de escalera ascendente para el algoritmo de la resta (ABN). Fuente:
Elaboración propia
Figura 60. Formato de escalera descendente para el algoritmo de la resta (ABN). Fuente:
Elaboración propia
Figura 61. Formato de comparación para el algoritmo de la resta (ABN). Fuente:

Elaboración propia
Figura 62. Formato de comparación para el algoritmo de la resta (ABN). Fuente:

Elaboración propia
Figura 63. Aprendizaje de las tablas extendidas en 2º de E.P. (ABN). Fuente: Blog CEIP
Serafina Andrades (Chiclana de la Frontera)
13
Figura 64. Algoritmos para la multiplicación de 1 cifra (ABN). Fuente: Elaboración

propia
Figura 65. Algoritmo para la multiplicación de 2 cifras (ABN). Fuente: Elaboración

propia
Figura 66. Algoritmo para la división de 1 cifra (ABN). Fuente: Elaboración propia
Figura 67. Algoritmo para la división de 2 cifras (ABN). Fuente: Elaboración propia
Figura 68. Modelo Modular Abstracto. McCloskey et al.(1985); McCloskey et al., 1992).
Fuente: Elaboración propia
Figura 69. Esquema del Modelo de triple código (Dehaene y Cohen 1995). Fuente:
Elaboración propia
Figura 70. Reconstrucción del cerebro humano, que muestra el surco intraparietal (IPS)
que se muestra en verde. Fuente: Lyon y Ansari (2015)
Figura 71. Ejemplo del efecto de la distancia numérica (NDE). Fuente: Lyon y Ansari
(2015)
Figura 72. Ejemplo del efecto de la ratio (NRD). Fuente: Lyon y Ansari (2015)
Figura 73. Ejemplo comparación de magnitudes en bebes. Fuente: Xu y Spelke (2000)
Figura 74. Modelos para la representación de magnitudes en la línea numérica mental.

Fuente: Lyon y Ansari (2015)
Figura 75. Ejemplos de tareas de comparación de magnitudes no simbólicas (con

cantidades pequeñas y grandes). Fuente: Holloway y Ansari (2009) y Gilmore, Attridge
y Inglis (2011)
Figura 76. Presentaciones diferentes de la tarea de comparación de magnitudes no

simbólicas: separados, secuencial y entremezclados. Fuente: Price, Palmer, Battista y
Ansari (2012)
Figura 77. Páginas de ejemplo de la prueba de procesamiento magnitud numérica de papel

y lápiz de 2 minutos. Fuente: Ansari (2013)
14
Figura 78. Ejemplo de tarea de sumas aproximadas para preescolares. Fuente: Barth, La
Mont, Lipton y Spelke (2005)
Figura 79. Ejemplo de tareas para diferenciar el cálculo exacto del aproximado. Fuente:
Dehaene, Spelke, Pinel, Stanescu y Tsivkin (1999)
Figura 80. Ejemplo de tarea de sumas aproximadas simbólicas. Fuente: Gilmore,

McCarthy y Spelke (2007)
Figura 81. Ejemplo de tarea de estimación de cantidades simbólicas y no simbólicas

utilizada. Fuente: Mundy y Gilmore (2009)
Figura 82. Tarea estimación NP utilizada para el presente trabajo. Fuente: Elaboración
propia
Figura 83. Tarea estimación PN utilizada para el presente trabajo. Fuente: Elaboración
propia
Figura 84. Progresión desde un patrón logarítmico en escolares de preescolar a un patrón

lineal en escolares de tercer grado. Fuente: Booth y Siegler (2006)
Figura 85. Patrones logarítmicos de jardín de infancia y patrones lineales de segundo de

primaria de la estimación en la línea numérica. Fuente: Siegler y Booth (2004)
Figura 86. Diferencias por edad en la estimación en línea numérica. Fuente: Opfer y
Siegler (2007)
Figura 87. Puntuaciones del grupo control y experimental en las tareas de la prueba ad-
hoc
Figura 88. Análisis función lineal y logarítmica en el grupo experimental. Tarea NP
Figura 89. Análisis función lineal y logarítmica en el grupo control. Tarea NP
Figura 90. Análisis función lineal y logarítmica en el grupo experimental. Tarea PN
Figura 91. Análisis función lineal y logarítmica en el grupo control. Tarea PN
15
INTRODUCCIÓN MÉTODO DE APRENDIZAJE MATEMÁTICO ABN COMO ALTERNATIVA AL MÉTODO CBC
INTRODUCCIÓN
Los inicios de la presente tesis, tuvieron lugar en el curso académico 2012/13

tras conocer la metodología alternativa ABN y empezar a investigar sobre los resultados
del método para el desarrollo de mi Trabajo Fin de Máster. En este primer estudio
incluido en el TFM se realizó una comparación de alumnado de 2º curso de educación
primaria que seguían la metodología CBC y ABN, en una muestra de España y
Finlandia. La muestra estaba formada por 63 estudiantes de tres centros educativos
diferentes; dos de ellos pertenecientes a una localidad de la provincia de Cádiz (ABN y
CBC) y un grupo de Finlandia (CBC). Se les aplicó una tarea Ad-hoc de ejecución
matemática (cálculo mental, cálculo escrito, numeración y resolución de problemas) y
se analizaron los resultados en las diferentes tareas. Los hallazgos mostraron diferencias
significativas a favor de la metodología ABN, la cual obtuvo mejores puntuaciones en
todas las tareas en comparación con la metodología CBC (España y Finlandia). A raíz
de estos resultados, surgió el planteamiento del desarrollo de esta tesis, con la idea de
comprobar si la utilización de metodologías diferentes en el aula puede influir en la
ejecución en matemáticas y la relación de ésta con la estimación en la recta numérica.
Se eligió la metodología de matemáticas abierta basada en números (ABN), porque se
considera que fomenta la elección de distintas opciones presentando de forma coherente
los procedimientos y las distintas alternativas posibles para que puedan llevarse a cabo
de forma organizada y sistémica, al mismo tiempo que trabaja desde edades tempranas
las tareas de estimación en recta numérica.
La presente Tesis Doctoral versa sobre un asunto que debería interesar a la

comunidad educativa, siendo éste la innovación en la metodología del aprendizaje de las
matemáticas que ha sido la eterna abandonada en las escuelas. De sobra es sabido que la
innovación educativa es un tema complejo, por este motivo, centramos el estudio en la
implantación de una metodología alternativa que está revolucionando las aulas de
matemáticas y por supuesto, incidiendo directamente en el aprendizaje matemático del
alumnado. La nueva metodología en la que se centra el estudio, el método abierto
basado en números (ABN) se contrapone y compara con la metodología que ha
presidido en las aulas en las últimas décadas, el método de aprendizaje matemático
cerrado basado en cifras (CBC). Además de realizar la descripción de ambos métodos y
sus peculiaridades, se evalúa la relación del método utilizado en el aula con la ejecución
16
matemática desempeñada por el alumnado. Esta cuestión no es la única que nos

interesa, puesto que en los años de implantación del método ABN existen datos que
corroboran los buenos resultados obtenidos por los estudiantes, por lo que se ha
pretendió ir más allá, y aportar algo más a la representación y el procesamiento de
magnitudes numéricas, siendo éste un objeto de estudio que actualmente está en
continua construcción. Más concretamente, considerando que el procesamiento de
magnitudes numéricas es un proceso complejo, el presente trabajo pretende acercarnos a
este proceso estudiando su relación con la ejecución matemática y con el método de
aprendizaje utilizado en el aula. A pesar de ser un campo de estudio muy reciente y del
que aún no existe acuerdo sobre qué es lo que exactamente predice la ejecución
matemática, analizaremos dicha relación para intentar explicar qué factores se
relacionan más con el rendimiento matemático posterior. La idea que subyace no es
compleja, puesto que si se sabe explícitamente los componentes que intervienen o
explican dicha relación, educativamente nos va a permitir realizar una intervención y un
aprendizaje más efectivo y, consecuentemente prevenir dificultades.
Por todo lo anterior, la Tesis Doctoral se fundamenta en tres ideas

fundamentales: descripción y análisis de los métodos tradicionales y alternativos para la
enseñanza de las matemáticas, cómo representamos y procesamos magnitudes
numéricas, cómo podemos evaluarlo y sobre todo analizar la relación existente entre el
procesamiento de magnitudes numéricas, la ejecución en matemáticas y el método de
aprendizaje que se ha utilizado en el aula. La posibilidad que se plantea marca cierta
diferencia respecto a los trabajos previos que se han llevado a cabo sobre el tema,
puesto que en ninguno de ellos se analizan diferentes métodos de aprendizaje y en
nuestro entorno existen pocas evidencias con las tareas utilizadas. Para alcanzar los
objetivos que se plantean anteriormente el presente trabajo se estructura en dos partes
bien diferenciadas; la primera de ellas se centra en el desarrollo del marco teórico sobre
el que hemos planteado nuestra hipótesis y consta de cuatro capítulos (Capítulos 1, 2, 3
y 4), y la segunda parte se centra en el estudio empírico realizado con los dos grupos de
estudio y está formado por un último capítulo (Capítulo 5) donde se recoge el estudio
empírico, resultados, discusiones y las conclusiones finales a este trabajo. El Capítulo I
está dedicado a una de las principales dimensiones que centran el trabajo que se
presenta en estas páginas: el aprendizaje de las matemáticas, donde se expone la
situación actual de las matemáticas en nuestro entorno, resaltando los bajos resultados
17
que se obtienen en las pruebas de evaluación internacionales, terminando justificando la

necesidad de una renovación pedagógica en esta área. En el segundo Capítulo se
presenta la descripción y análisis de los métodos tradicionales que se siguen utilizando
actualmente para el aprendizaje de las matemáticas. Se comienza el capítulo con la
conceptualización de algoritmo, la diferenciación entre los procesos algorítmicos y
heurísticos, a continuación, se presente una revisión de los algoritmos históricos que se
han utilizado en diferentes sociedades y civilizaciones y la situación actual del método
CBC que se utiliza en la mayoría de las aulas y finalmente, las dificultades que genera
la utilización de estos métodos tradicionales. En el Capítulo 3 se presenta una revisión
de los métodos alternativos que han proliferado en los últimos años, a raíz de las
dificultades que genera la utilización de métodos tradicionales. En esta revisión se
presentan métodos que se están utilizando en Holanda, Estados Unidos y finalmente,
aquellas estrategias o métodos que han surgido en nuestro país. Entre ellos, se resalta y
se profundiza en el método ABN, puesto que es objetivo en el presente trabajo y se
considera que es el método mejor secuenciado y con más evidencias prácticas en sus
años de implantación. Por último, en el quinto capítulo, el último del marco teórico, se
presenta la base teórica que sustenta la representación y el procesamiento de
magnitudes. Se parte de la idea de la existencia de un mecanismo subyacente a las
representaciones de la magnitud y que es conocido como el sistema numérico
aproximado (SNA), un sistema primitivo de representación no verbal que permite a los
individuos procesar magnitudes y cuyo desarrollo no depende de una enseñanza
explícita. Tal y como se presenta a lo largo de este cuarto capítulo, es un sistema innato
y está presente en otras especies animales no humanas, e incluso en bebés, que son
capaces de entender y manipular magnitudes numéricas por medio de representaciones
no simbólicas. En este capítulo se exponen algunas aproximaciones teóricas que con
mayor detalle han explorado esas representaciones, y los modelos de procesamiento de
magnitudes y cálculo más representativos. Estos modelos teóricos han pretendido
desentrañar los secretos de un proceso que es la base de la competencia matemática; no
obstante, aún no hay acuerdo entre los investigadores en cuándo y cómo se lleva a cabo
esta conexión entre la matemática simbólica y las representaciones no simbólicas de la
numerosidad. Por otra parte se repasan de manera sintética las diferentes tareas que se
proponen para analizar el procesamiento y representación de la magnitud numérica y los
estudios que han estudiado la relación del procesamiento y representación de
magnitudes numéricas y la ejecución en matemáticas explícitamente, resaltando las
18
tareas de estimación en la línea numérica que es uno de los objetivos del estudio
empírico que se incluye en la Tesis. En cuanto a la estructuración de la parte empírica,
que se expone en el Capítulo 5, incluye el diseño, los análisis, resultados, discusiones y
conclusiones del estudio experimental que tiene por objeto explorar los objetivos y las
hipótesis que ha guiado esta Tesis Doctoral. El estudio se llevó a cabo con una muestra
de estudiantes de 4º de Educación Primaria, a los cuáles se les administró una prueba
ad-hoc y os pruebas de fluidez de cálculo para evaluar la ejecución en matemáticas, dos
tareas de estimación en la línea numérica para la evaluación del procesamiento de
magnitudes numéricas y la prueba BADyG, como medida de la variable control. En
primer lugar, se presentan los resultados que se han extraído de las pruebas de ejecución
matemática administrada y la comparativa entre los dos grupos de estudio, aquellos que
han trabajado con el método CBC y el grupo experimental que ha aprendido mediante el
método ABN. A continuación, se presenta el análisis de la relación entre los resultados
en ejecución en matemáticas y la estimación en la línea numérica, en relación a los
grupos de estudio. Finalmente, se plantea el estudio de las funciones lineales y
logarítmicas que describen ambos grupos, el experimental y el control, en la tarea de
estimación en la línea numérica. Por último, se finaliza el capítulo con una serie de
conclusiones y limitaciones en el planteamiento del presente trabajo y de las posibles
aplicaciones y estudios posteriores que ayudarían a ampliar los objetivos que se han
marcado en la Tesis Doctoral.
19
PRIMERA PARTE:
MARCO TEÓRICO
CAPÍTULO 1 La enseñanza de las matemáticas
PRIMERA PARTE: MARCO TEÓRICO

CAPÍTULO 1: LA ENSEÑANZA DE LAS MATEMÁTICAS
Atendiendo a lo que el Real Decreto 126/2014, por el que se establece el

currículo básico de la Educación Primaria, el objetivo fundamental del área de las
matemáticas es “alcanzar una eficaz alfabetización numérica, entendida como la
capacidad para enfrentarse con éxito a situaciones en las que intervengan los números
y sus relaciones, permitiendo obtener información efectiva, directamente o a través de
la comparación, la estimación y el cálculo mental o escrito. Para lograr una verdadera
alfabetización numérica no basta con dominar los algoritmos de cálculo escrito, es
necesario actuar con seguridad ante los números y las cantidades, utilizarlos siempre
que sea necesario e identificar las relaciones básicas que se dan entre ellos”.(p. 19386)
Podemos observar que la legislación específica la necesidad de desarrollar el

cálculo mental, con ello la composición y descomposición de los números, para tratar de
explicar de una forma más razonable el algoritmo estándar, de manera que, no sólo se
base en el aprendizaje del cálculo escrito. La realidad de las aulas, sin embargo, hace
ver que una vez que el alumnado conoce nociones o conceptos básicos (como quitar a,
utilizar los dedos, descomponer de forma automática los números,…), de alguna forma
se obvia esta base de aprendizaje y se limitan a aplicar los pasos a seguir del algoritmo
tradicional, prácticamente sin entender la operación que están realizando y de una forma
totalmente descontextualizada.
El aprendizaje de las matemáticas en la escuela, y concretamente, el aprendizaje

de los algoritmos para la resolución de las diferentes operaciones, ha sufrido muchas
críticas derivadas de las dificultades y complicaciones que causan en el alumnado. Nos
referimos, sobre todo, al dominio del cálculo en los primeros años de escolaridad,
siendo muchos los estudios que piden un cambio metodológico.
Si analizamos las matemáticas escolares, nos encontramos con una materia que
ha sufrido poca o ninguna modificación en su forma de enseñar, en su metodología;
hace más de 40 años, Ablewhite (1971) advertía de los problemas y dificultades que se
21
derivaban del aprendizaje de las operaciones básicas. Años más tarde, tras la aparición
de las calculadoras y la extensión de su uso, se comenzó a cuestionar la enseñanza de
los algoritmos tradicionales y su función en la escuela (Barba y Calvo, 2011); y desde
entonces han sido muy numerosos los autores que han escrito sobre el poco sentido
pedagógico que los algoritmos tradicionales tienen en la actualidad (Martínez Montero,
2011). En las últimas décadas, han sido múltiples los autores que han señalado
disfunciones y complicaciones derivadas del empleo de unos algoritmos muy poco
adecuados para los sujetos a los que se destinaban.
Han tenido poco éxito, y las cuatro operaciones se siguen enseñando, muy
mayoritariamente, como hace decenas de años. El éxito de la permanencia de las
mismas se puede justificar con las diez razones que enuncia Gómez Alfonso (1988), y
que estarían detrás de esta enorme longevidad:
1. Son algoritmos escritos. Permanecen sobre el papel y pueden ser corregidos.

2. Son algoritmos regulares o estándar. Todo el mundo los hace igual.
3. Son algoritmos abreviados. Resumen varias líneas de ecuaciones, ocultando
pasos que tienen que ver con las propiedades asociativa, conmutativa y
distributiva.
4. Son algoritmos automáticos. No hace falta pensar ni reflexionar.
5. Son algoritmos simbólicos. Se trata de manipular símbolos, sin referencia al
mundo real.
6. Son algoritmos generales, en el sentido de que funcionan en cualquier
momento.
7. Son algoritmos analíticos. Los números se consideran rotos, descompuestos.
Las cifras se manipulan separadamente.
8. Son algoritmos tradicionales. Son los de toda la vida.
9. Son algoritmos de confianza. Porque funcionan siempre.
10. Son algoritmos familiares. Son los nuestros, los de nuestros padres y
abuelos.
Actualmente, la polémica del uso de los algoritmos tradicionales, está presente

en el ámbito educativo, donde se juzga si estos algoritmos de lápiz y papel siguen
siendo útiles en la actualidad. Ramírez y Usón (1996) destacan el la existencia de una
22
controversia en torno a la enseñanza de los algoritmos tradicionales escritos para las

cuatro operaciones aritméticas básicas, siendo ésta, similar a la disputa que se generó
siglos atrás entre los llamados abaquistas (o abacistas), partidarios del cálculo con fichas
sobre el ábaco y de numeraciones arcaicas como la griega o la romana, y algoristas,
defensores del cálculo escrito con números de origen hindú. Gallardo Romero (2014),
realiza un análisis de la situación actual sobre los algoritmos tradicionales y su uso en la
escuela, así como las tendencias en la enseñanza del cálculo aritmético elemental y las
formas propias que ingenian los estudiantes para facilitar la resolución de las
operaciones, sobre todo cuando presentan dificultades en el aprendizaje de los
algoritmos tradicionales de lápiz y papel.
Esta discusión, al igual que en otro temas educativos, tiene sus defensores,
aquellos que ven beneficios en el uso del algoritmo tradicional; y detractores, que
encuentran perjuicios en su uso. Algunos autores detractores del algoritmo tradicional
como Gómez Alfonso (1988) y Maza (1989, 1991), afirman que los algoritmos
tradicionales encuentran unos duros adversarios en la calculadora, para operaciones con
números grandes, y por el cálculo mental, para operaciones con números pequeños. En
nuestros días, nos cuestionamos la importancia y necesidad de instruir a los estudiantes
en unos procedimientos de cálculo rígidos, de difícil comprensión y de dudosa utilidad
práctica para la vida cotidiana. De esta controversia, surge el interés por investigar y
analizar nuevos métodos de aprendizaje de cálculo escrito y mental, que sea más
abierto, flexible, comprensible, y por supuesto aplicable a la vida cotidiana; de aquí se
deriva el tema principal de la Tesis, el Método de Aprendizaje Abierto basado en
Números (ABN), como una alternativa al método de aprendizaje de cálculo tradicional.
Si tenemos en cuenta los referentes universales sobre educación matemática y

los marcos normativos actuales en los países desarrollados, se incide en la relevancia de
promover en los escolares el desarrollo del “sentido numérico”, encaminado al
desarrollo de la competencia matemática (García, Bracho, Maz,… y Jiménez, 2011). A
pesar de que los referentes están de acuerdo en la necesidad de un cambio metodológico
en el aprendizaje del cálculo en Educación Primaria, en la realidad de las aulas, incluso
en las más innovadoras, se sigue enseñando a calcular por medio del algoritmo
tradicional, utilizando como base de la metodología el aprendizaje repetitivo y
memorístico. Bracho (2013), cita cuatro razones que podrían explicar la resistencia al
cambio que presentan los docentes:
23
1. La tendencia natural a reproducir los modelos metodológicos que hemos vivido como
estudiantes y más tarde como maestros y maestras.
2. La presión profesional, social y familiar que nos empuja a seguir enseñando a

calcular como se ha hecho toda la vida.
3. La falta de iniciativas sólidas de formación del profesorado desde las

administraciones públicas coherentes con la normativa curricular que se propone.
4. La escasez de modelos metodológicos y de materiales didácticos suficientemente

asequibles para el profesorado y también para el alumnado que faciliten la adaptación a
otras alternativas metodológicas más actuales.
Si tenemos en cuenta las citadas razones, podríamos trabajar para cambiar la

situación existente en las aulas de las matemáticas, aunque añadiría una razón más,
relacionada directamente con la formación universitaria de los maestros y maestras, ya
que considero que se debería trabajar la formación en metodologías de enseñanza de las
matemáticas, desde la propia universidad, para evitar algunos de los problemas que se
pueden encontrar después en el aula. La universidad debe, y puede, trabajar y formar a
los futuros docentes en enseñanzas alternativas de aprendizaje matemático, de manera
que cuando empiezan su labor en el aula puedan utilizar métodos alternativos para, poco
a poco, eliminar el cálculo tradicional de las aulas.
En los párrafos anteriores, se presenta, en líneas generales, la justificación del

presente trabajo de Tesis, sin embargo, es necesario tener en cuenta para explicar la
situación actual de la enseñanza de las matemáticas y dar una razón más al cambio
metodológico, las nefastas puntuaciones obtenidas por los estudiantes en los informes
PISA. Si analizamos las bajas puntuaciones obtenidas en el último informe (Pisa, 2012),
la puntuación que alcanza España en matemáticas es de 484 puntos, significativamente
inferior al promedio de la OCDE de 494 puntos (Figura 1). En el listado ordenado de los
34 países miembros de la OCDE, ordenados por su puntuación en matemáticas, España
ocupa el puesto 25. En Andalucía se consiguió 472 puntos, 12 puntos menos que la
puntuación obtenida por España y 22 puntos por debajo de la OCDE.
24
Figura 1. Resultados en matemáticas PISA 2012
Fuente: MECD PISA 2012
Por otra parte, apenas el 8% de estudiantes españoles alcanza los niveles altos (5
y 6) de rendimiento en matemáticas, lo que supone 5 puntos menos que el promedio de
la OCDE (Figura 2). Este resultado indica una proporción baja de escolares excelentes.
En el extremo opuesto, el 24% del alumnado se encuentra en el nivel bajo de
rendimiento en matemáticas (nivel 1) o no lo alcanza, lo que indica que uno de cada
cuatro estudiantes españoles no posee un dominio básico de la competencia matemática.
No obstante, este resultado en cuanto a la proporción de estudiantes que no alcanzan el
nivel básico en matemáticas es muy similar al del promedio de los países de la OCDE
(23%).
25
Figura 2. Porcentaje de estudiantes excelentes. PISA 2012
Fuente: MECD PISA 2012
No sólo el Informe PISA hace referencia a los malos resultados de nuestro país
en el área de matemáticas, también lo mencionan EUROSTAT (Oficina Estadística de
la Unión Europea) que en 2002 desveló que España es el segundo país con mayor índice
de fracaso escolar de la UE, y esta posición empeora si analizamos el área de
matemáticas. Las últimas valoraciones realizadas por el INCE (Instituto Nacional de
Calidad y Evaluación) muestran que en general el 50% de los escolares españoles no
llegan a alcanzar la puntuación media en matemáticas. Además de estos datos, el
TIMSS (3ª Evaluación Internacional de Matemáticas y Ciencias) revela que nuestros
estudiantes no alcanzan globalmente la puntuación media y quedan situados en los
últimos lugares del ranking establecido.
Estos bajos resultados obtenidos en las pruebas internacionales, unido a la

desmotivación existente en el alumnado hacia el aprendizaje de las matemáticas y en el
profesorado ante la innovación en esta área, hace necesario el planteamiento de una
renovación metodológica que tenga efectos directos en las aulas y en los docentes,
centrada en la necesidad de mejorar la competencia matemática. Si analizamos las
demás áreas curriculares y metodologías utilizadas en el aula, se observa que en las
últimas décadas se han ido renovando, modificando, mejorando… de manera que se
vayan adaptando a la nueva educación del siglo XXI; sin embargo, el área de las
matemáticas sigue siendo la eterna pesadilla y se sigue enseñando de la misma forma,
aburrida, incomprensible y abstracta, habiendo sufrido ninguna o pocas innovaciones al
respecto. Es en este punto donde se inicia este trabajo de Tesis y con el objetivo
fundamental del fomento de la renovación matemática tanto en las aulas de Infantil,
26
Primaria y de formación del profesorado, a través de la revisión y análisis de la

enseñanza de los algoritmos tradicionales, las alternativas existentes a este algoritmo
tradicional y la validez de una metodología abierta para la enseñanza de las
matemáticas, no centrada en las cifras sino en el tratamiento de números en su totalidad
y el cálculo mental.
27
CAPÍTULO 2 Algoritmos tradicionales
CAPÍTULO 2: ALGORITMOS TRADICIONALES

En este capítulo se presenta una descripción amplia y detallada, sobre la
enseñanza y el aprendizaje de las matemáticas basada principalmente en los algoritmos
escritos tradicionales. Con la revisión presentada en este capítulo, se pretende garantizar
un primer acercamiento a la naturaleza de los algoritmos y procedimientos algorítmicos
desde el punto de vista tradicional, es decir, de qué forma se trabajan la enseñanza de
estos algoritmos desde los métodos Cerrados basados en Cifras (CBC en adelante).
Se inicia el capítulo con un análisis de carácter general sobre la naturaleza de los

algoritmos y procedimientos algorítmicos. A continuación, se describe la
problemática vigente en Educación Matemática acerca de la enseñanza de los
algoritmos tradicionales escritos para las cuatro operaciones aritméticas elementales
así como del cálculo aritmético elemental en sus distintas manifestaciones y se
presentan las diferentes posiciones y principales estudios realizados hasta el momento.
2.1. Conceptualización de algoritmo
Teniendo en cuenta su origen, el término algoritmo, debería hacer referencia a

las distintas técnicas de cálculo surgidas en el campo de la Aritmética. Sin embargo,
hoy en día encontramos definiciones como las que siguen:
“Un algoritmo es una sucesión finita de reglas elementales, regidas por una
prescripción precisa y uniforme, que permite efectuar paso a paso, en un
encadenamiento estricto y riguroso, ciertas operaciones de tipo ejecutable, con
vistas a la resolución de los problemas pertenecientes a una misma clase” (Ifrah,
1998, p. 1616).
“Un algoritmo es una prescripción, una orden o sistema secuenciado de órdenes que
encadena una serie de operaciones elementales que llevan desde los datos
iniciales al resultado”(Gairín y Sancho, 2002, p. 83).
Como podemos observar, los conceptos relacionados con la noción de algoritmo

suelen abarcar más de lo que en principio se puede suponer. En estas definiciones no se
tiene en cuenta la naturaleza particular de los componentes que intervienen (números,
puntos y rectas,...) ni el tipo de reglas elementales implicadas (colocar las cifras en
28
columnas, trazar una perpendicular,...) ni la clase de operaciones a ejecutar (realizar una

suma, construir un triángulo,...). El hecho de que exista un número concreto de reglas
que se deben aplicar en un orden estipulado o que el algoritmo sirva para resolver
problemas, son características que consideramos más relacionadas con las acciones y al
procedimiento en sí que al contenido, por lo que dentro del término algoritmo se pueden
encontrar muchas más situaciones que las que inicialmente se incluían.
Por otra parte, en el ámbito de la Educación Matemática, Usiskin (1998) admite

la dificultad que supone proponer una caracterización para la noción de algoritmo
idónea para ser aceptada ampliamente por los docentes y educadores de matemáticas.
Este autor considera que, por un lado, existen procedimientos inmediatos tan simples
que no queda claro si debieran alcanzar la categoría de algoritmo de lápiz y
papel (por ejemplo: las operaciones de fracciones o los hechos numéricos básicos);
por otro lado, en ocasiones los estudiantes resuelven tareas empleando procesos tan
complejos que resulta difícil determinar si están aplicando un método ya aprendido
o en realidad están resolviendo un problema novedoso (por ejemplo:
demostraciones de sumas por inducción o de congruencias de triángulos). En
cualquier caso, el autor sostiene que la mayoría de los procedimientos algorítmicos
que se presentan en el aula de matemáticas pertenecen a alguna de las tres categorías
siguientes:
- Algoritmos aritméticos: como los de columnas para sumar, restar, multiplicar y dividir
números de varios dígitos o los métodos para calcular raíces cuadradas y cúbicas,
para operar con fracciones o para determinar la media aritmética, entre otros.
- Algoritmos de álgebra y cálculo: como los procedimientos para resolver

ecuaciones lineales e inecuaciones, manipular fracciones algebraicas, calcular integrales
definidas, simplificar radicales o evaluar fórmulas, entre otros.
- Algoritmos de dibujo: como los empleados para hacer gráficos de barras o de

sectores, representar funciones, realizar construcciones con regla y compás o encontrar
la transformada de imágenes de figuras, entre otros.
En el presente trabajo, utilizamos el término algoritmo para referirnos a los

métodos de cálculo correspondientes a las cuatro operaciones aritméticas
elementales: adición, sustracción, producto y división. Asimismo, cuando utilizamos el
29
concepto de algoritmo tradicional nos referimos a los métodos clásicos de lápiz y papel
y de columnas asociados a estas operaciones, en los cuales los estudiantes deben seguir
un procedimiento de resolución en vertical y las cantidades se tratan como cifras o
dígitos por separado.
2.2. Procesos algorítmicos y heurísticos
Tal y como expone Gallardo Romero (2014), debemos resaltar las diferencias
que existen entre los procesos algorítmicos y los procesos heurísticos. En la Enseñanza
de la Matemática tenemos que tener en cuenta ambos procesos, puesto que son
igualmente importantes y, aunque existan diferencias entre ellos, están relacionados
entre sí. Siguiendo al autor podemos analizar las diferencias en torno a los siguientes
cinco puntos:
1) Los procesos algorítmicos se relacionan con la obtención de una respuesta

correcta. En la práctica no siempre ocurre de esta manera, puesto que aunque se
considere al algoritmo como una sucesión finita de reglas, su ejecución práctica puede
ser inviable o muy costosa si aumenta excesivamente el número de pasos.
Los métodos heurísticos no aseguran la solución de un problema ya que no se

especifica el proceso que hay que llevar a cabo. Es útil manejar estrategias heurísticas
particulares para resolver problemas pero no quiere decir que vayamos a llegar a la
solución de forma certera.
2) Los procesos algorítmicos sirven para clasificar problemas, diferenciando entre los
que pueden y no pueden ser resueltos mediante un algoritmo particular.
En los procesos heurísticos, sin embargo, no se garantiza que la solución

aplicada a un problema podamos utilizarla para otro, no existe el componente de
generalización, aunque las pautas de actuación que propone pueden ser útiles para
resolver la mayoría de los problemas matemáticos que se planteen.
3) Dentro del procedimiento heurístico seguido para resolver un problema, es

posible que exista una parte de naturaleza algorítmica. En cambio, el determinismo
asociado a los procesos algorítmicos hace imposible o muy difícil lo contrario.
Ejemplo de ello es lo que sucede, por ejemplo, con el algoritmo semiautomático
30
de la división (Gómez, 1988), donde es normal utilizar la estimación para elegir las
cifras más adecuadas en el cociente.
4) Si analizamos el tipo de conocimiento involucrado en los procesos algorítmicos y

heurísticos se hace patente la diferencia entre los dos tipos de procesos. Si tomamos
como referencia los tipos de conocimiento existentes, de acuerdo con la clasificación
de Farnham-Diggory (1994) se identifica al conocimiento declarativo y al
procedimental como los únicos necesarios para dominar los procesos algorítmicos,
mientras que los métodos heurísticos requieren de todos los tipos de conocimiento
existentes: declarativo, procedimental, conceptual, analógico y lógico.
5) Teniendo en cuenta a autores como Brown (1994) podemos concluir el resumen de

las diferencias entre los procesos algorítmicos y heurísticos añadiendo que los primeros
deben ser entendidos como irracionales, mientras que los heurísticos se ajustan más a un
comportamiento racional del individuo.
En cuanto a la relación de los procesos algorítmicos y heurísticos con la

enseñanza de las matemáticas en la escuela, podemos decir que en las aulas de
educación primaria, a menudo encontramos un mayor uso de los procesos algorítmicos,
puesto que el docente se basa en la transmisión de unos determinados mecanismos para
la enseñanza de las operaciones básicas, y rara vez, se enfatiza y promueve el uso de
procesos heurísticos para la resolución de dichas operaciones. Como consecuencia de
este tipo de enseñanza, los estudiantes generan notables dificultades a la hora de
enfrentarse a la resolución de problemas, puesto que no manejan estrategias que puedan
aplicar en estas situaciones- problemas.
2.3. Situación actual respecto a la enseñanza de algoritmos

tradicionales
Analizando la situación actual de la enseñanza de los algoritmos en nuestro

entorno, podemos encontrar dos posturas diferentes, una a favor y otra en contra, acerca
de la enseñanza de estos métodos de cálculo.
La primera de ellas, es aquella en la que se considera que la matemática tiene

como principal objetivo resolver problemas, por lo que en este caso la necesidad de la
utilización de algoritmos está totalmente justificada. En este sentido, esta afirmación se
ve reforzada, si tomamos como referencia a Trajtenbort (1977), quien consideraba que,
31
“en la matemática se considera resuelta una serie de problemas de un determinado tipo

cuando se elabora el algoritmo para su resolución”. En la misma línea que este autor,
encontramos a Skemp (1993) quien defiende que el progreso en matemáticas exige la
automatización de los procesos elementales para concentrar la atención en las nuevas
ideas que están aprendiendo, las cuales, a su vez, necesitarán transformarse en
automáticas para poder abordar otras más complejas y así sucesivamente
Teniendo en cuenta estos argumentos, los defensores de los algoritmos

tradicionales consideran que se debe enseñar al alumnado unos algoritmos que
resuelvan las operaciones aritméticas elementales de forma sencilla y automática.
Usiskin (1998) enumera hasta nueve razones diferentes por las que es útil poseer o
enseñar algoritmos matemáticos: son eficaces, fiables, precisos, rápidos, proporcionan
un registro escrito, establecen una imagen mental, son instructivos, pueden ser
utilizados en otros algoritmos y pueden ser objetos de estudio (comparación de eficacia,
características matemáticas, análisis de velocidad,...).
Otros autores como Hedrén (1998) destacan las ventajas de los algoritmos
tradicionales escritos para las cuatro operaciones aritméticas básicas:
- son métodos de cálculo muy efectivos, fruto del proceso de refinamiento que han
experimentado durante siglos
- son procedimientos que pueden ser utilizados siempre del mismo modo por muy
complejos que sean los números involucrados en el cálculo
- constituyen un tesoro cultural que forma parte de la historia de la matemática y que,

por tanto, debemos cuidar.
Carroll y Porter (1998), realizan ciertas observaciones sobre la utilidad que

pueden tener los algoritmos escritos en el aula de matemáticas. Estos autores ofrecen
argumentos frente a aquellos que defienden la creación de algoritmos escritos por los
propios estudiantes (Kamii y Dominick (1998) y apoyan el uso de algoritmos ofrecidos
por los docentes:
a) Algunos cálculos no son fáciles de realizar mentalmente.
b) Frente a la calculadora o la estimación mental, los algoritmos escritos constituyen el

método más razonable para calcular con números de tamaño medio.
32
c) Hay estudiantes que tienen dificultades para inventar algoritmos por sí mismos. En
estos casos, el aprendizaje de ciertos métodos escritos presentados por el profesor puede
ser la alternativa adecuada.
d) Existen condicionantes institucionales y sociales que hacen que los estudiantes

necesiten conocer algunos métodos escritos para cada operación.
Sin embargo, aunque expongan estos argumentos favorables hacia los métodos
de cálculo escritos difieren sustancialmente de la idea que poseen respecto a la
enseñanza de los algoritmos escritos tradicionales (CBC). En concreto, afirman lo
siguiente: “Aunque sea ventajoso para todos los estudiantes conocer al menos un
procedimiento escrito para cada una de las operaciones, los algoritmos estándar
enseñados en la escuela no son a menudo los más apropiados o comprensibles. Aunque
son eficientes, el significado de estos algoritmos estándar... a menudo es confuso para
el alumnado que los aprenden sin comprensión” (p. 107).
A partir del argumento anterior y atendiendo a los detractores de la enseñanza de

los algoritmos tradicionales, algunos autores (Gómez, 1988; Maza, 1989; 1991) afirman
que éstos han encontrado en la calculadora, para operaciones con números grandes, y en
el cálculo mental, para operaciones con números pequeños, duros rivales que han
terminado por desplazarlos en el currículum. Esto se traduce, en que en las últimas
décadas se viene cuestionando la necesidad y la importancia del uso de estos algoritmos
tan rígidos y abstractos, no sólo en la enseñanza sino también en la vida cotidiana.
Durante mucho tiempo en la escuela el aprendizaje y práctica del cálculo se ha

realizado de forma sumamente mecánica y apoyado en los algoritmos tradicionales
basado en cifras (CBC), una práctica que sólo incide, a su vez, en el desarrollo de
habilidades cognitivas de orden inferior.
En la revisión de la literatura se encuentran múltiples argumentos contra la

enseñanza de los algoritmos tradicionales (CBC) de las operaciones básicas: adición,
substracción, multiplicación y división. En primer lugar se considera que la enseñanza
de los algoritmos CBC podría socavar el aprendizaje significativo del estudiante (por
ejemplo, Gravemeijer y Van Galen, 2003; Heirdsfield y Cooper, 2004; Kamii y
Dominick, 1997). Este argumento se basa en el rechazo del aprendizaje memorístico y
33
pasivo al que da lugar el aprendizaje de algoritmos CBC sin que el alumnado logre
entender los principios subyacentes a las operaciones.
Estos algoritmos tradicionales buscan la rapidez y la reducción del esfuerzo

mental, sin embargo, existen otras estrategias para conseguir estos objetivos, como son
las estrategias de descomposición para la suma y la resta, la rejilla para el producto,… y
por supuesto el uso de la calculadora. Si nuestro objetivo es el razonamiento y la
comprensión de las operaciones, existen estudios que muestran la deficiente
comprensión que poseen ciertos estudiantes de los algoritmos tradicionales así como la
elevada capacidad de estos mismos sujetos para inventar y desarrollar procedimientos
de cálculo significativos, tanto escritos como mentales.
Debido a estas limitaciones que se encuentran en el uso de algoritmos CBC,

existen autores y educadores que defienden que la presencia de estos algoritmos para las
cuatro operaciones básicas debería ir suprimiéndose del curriculum, dando más
importancia al desarrollo de estrategias de cálculo mental que pudieran utilizar otros
formato de algoritmo.
En relación a la diversidad de opiniones existentes en torno a la enseñanza del

cálculo aritmético en la escuela, se presenta a continuación algunas posturas de autores
relevantes, que abogan por el uso del cálculo mental en las aulas de Educación Primaria.
Según Meindert (1997), defiende el uso de la siguiente secuencia de aprendizaje en la
educación matemática: "… al principio es bueno que trabajen con estrategias
informales, las elaboren posteriormente y finalicen con los procedimientos
estándar más formales". Otro argumento que incide en la necesidad del cálculo mental
lo presentan Hidalgo, Maroto y Palacios (1999), en el que observan, como resultado
de un estudio, que el alumnado con bajas aptitudes para el cálculo elemental o con
pocas destrezas por falta de ejercicios en dichas operaciones tienen un menor
aprovechamiento en Matemáticas, puesto que pierden gran parte del tiempo en
efectuar cálculos sencillos. Autores como Fuson y Briars (1990) y Martínez Montero
(2000), argumentan que "los métodos de contar que emplean los niños usando los
dedos no son una ayuda innecesaria o que dificulta la adquisición posterior de
destrezas más elevadas. Al contrario, procuran exactitud en los cálculos y
proporcionan gran seguridad al alumnado. Con los dedos de las manos el estudiante
tiene a su alcance casi todos los hechos básicos de las operaciones elementales".
34
Entre estos autores cabe destacar a Ralston (1999), defiende la abolición y eliminación
de los algoritmos de lápiz y papel en las aulas, basándose en que ninguno de estos
procedimientos se hace fuera de los centros escolares, y no aportan ni desarrollan
ninguna habilidad cognitiva que mejore el razonamiento lógico-matemático, siendo esto
último el objetivo fundamental que debe predominar en todas las acciones que hacemos
los educadores matemáticos con nuestro alumnado. Este autor aboga por la enseñanza
de estrategias elementales de cálculo que doten a los estudiantes del mayor número de
habilidades cognitivas posibles para el cálculo mental, y dentro de este para el cálculo
aproximado (estimación). Para hallar el cálculo exacto podemos hacer uso de las
máquinas, que se equivocan menos que los seres humanos. Por lo tanto, todas las
acciones a desarrollar en las aulas deben tener como principal objetivo: “Fomentar el
desarrollo del cálculo mental”.
2.4. Dificultades generadas por los algoritmos tradicionales
Existe evidencia empírica de que la enseñanza de los algoritmos con la

metodología CBC puede ser perjudicial para el aprendizaje de las matemáticas. Por
ejemplo, Kamii y Dominick (1997) estudiaron los errores en la operación de sumar de
estudiantes de segundo, tercero y cuarto curso: “Se encontró que los niños a los que no
habían enseñados el algoritmo tradicional producían respuestas significativamente más
correctas”. Concluyeron que los algoritmos CBC dificultan que los estudiantes
desarrollen el sentido numérico (p. 51). También, Martínez Montero (2011) señala,
entre los efectos del CBC, el empobrecimiento de las estrategias y métodos espontáneos
del alumnado para enfrentarse a tareas de cálculo no rutinarias; el anidamiento de
errores conceptuales graves en los fundamentos del cálculo, que la estructura de los
algoritmos clásicos ocultan; por último, la carencia de significación de las cantidades
expresadas en cifras en un intervalo de edad más amplio de lo esperado.
Cuando se analizan las horas del curriculum de matemáticas que se dedican a la

enseñanza del cálculo escrito, podemos observar que, en la mayoría de las ocasiones, es
bastante extenso, y se trabaja desde 1º de Educación Primaria hasta el último curso de
Primaria. A medida que se avanza de curso, el tiempo dedicado a la enseñanza y
práctica del cálculo escrito es siempre el mismo. A pesar del tiempo dedicado a la
enseñanza de los algoritmos escritos, suelen existir en el aula estudiantes que, tanto en
niveles iniciales como en niveles superiores, incluso en Secundaria, presentan
35
dificultades y continúan cometiendo errores cada vez que utilizan los cálculos escritos
(Dickson, Brown y Gibson, 1991; Kamii, 1995). Este hecho ha generado un gran
número de estudios, en los que se han analizado desde los tipos de errores más
frecuentes, hasta la propuesta de clasificaciones y teorías que explican los procesos de
razonamiento que siguen los estudiantes cuando erran en sus cálculos. Gómez Alfonso
(1999) realizó una extensa recopilación de referencias bibliográficas que hacen mención
a estos trabajos. A continuación presentamos los estudios más relevantes, en cuanto a
las dificultades y errores producidos por el alumnado en las operaciones básicas.
Como se comenta en líneas anteriores, uno de los aspectos de crítica al

aprendizaje de algoritmos escritos tradicionales (CBC) proviene del hecho de que, muy
a menudo, los estudiantes cometen errores en la aplicación de algoritmos. Los errores en
el procesamiento y registro de las operaciones básicas (suma, resta, multiplicación y
división) están bien documentados (por ejemplo, Ashlock, 1976; Booker, Bond,
Sparrow, y Swan, 2010; Burrows, 1976; Buswell y Judd, 1925; Reisman, 1978). Las
dificultades de los escolares asociadas con el algoritmo estándar (CBC) tienden a estar
relacionadas con errores en la comprensión del valor de posición, el uso incorrecto de
datos numéricos de las operaciones, o una mala aplicación del algoritmo; o hacerlo sin
sentido, como los procedimientos de sumar todos los dígitos para la adición olvidando
las llevadas. Con la resta muchos estudiantes restan el número menor del más grande
(siempre) y cuando multiplican, olvidan multiplicar todos los números (Norton, 2012).
Henessy (1993) realizó un estudio sobre los tipos de errores cometidos por el
alumnado de 9-11 años, en el algoritmo de la resta. La muestra utilizada, estaba
compuesta por 30 estudiantes de 4º grado (10-11 años) y 37 de 3º (9-10 años). Se les
aplicó un pretest, en la que los participantes tenían que resolver con lápiz y papel 13
restas de diferente dificultad. A los dos meses se les volvió a pasar una prueba similar a
la anterior y al siguiente mes una tercera de características idénticas. Las conclusiones
más relevantes que obtuvo nos indican que, en general, el alumnado puede alternar
procedimientos correctos e incorrectos a la hora de resolver problemas con idéntica
estructura matemática y diferentes números; por último, aparecen “bugs” (errores
sistemáticos) a dos niveles. A nivel superficial, los cuáles se caracterizan por ser
sintácticos e inestables y otros a nivel profundo, que son semánticos y estables. Indica
que estos últimos, aunque sean más escasos, son los que deben preocupar y alertar a
docentes y educadores matemáticos.
36
Siguiendo esta misma línea de investigación, podemos citar el trabajo de Hatano,

Amaiwa e Inagaki (1996) con el que pretenden aclarar los motivos por los que
determinados estudiantes tienen necesidad de crear y utilizar algoritmos “buggy” en
problemas de restar con números de varias cifras. La muestra fue de 110 escolares de 3º
grado (9 años), a los que se administró un test con ítems en los que hay que restar
números de varias cifras, comparar números expresados en términos de unidades,
decenas y centenas, sumar números de una sola cifra y obtener complementarios de
números sobre un total de 10. La experiencia demostró que en la sesión y en un mismo
cuestionario los participantes no utilizaban de forma consistente un conjunto fijo de
reglas, sino que alternaban estrategias y procedimientos de cálculo incorrectos con los
métodos correctos (similar a la conclusión obtenida por Hennessy (1993).
Posteriormente, se realizó un segundo estudio con 79 participantes de 3er grado (9
años), 79 de 4º grado (10 años), 62 de 5º (11 años) y 81 de 6º (12 años) confirmando los
anteriores resultados. Además, se observó que cuanta mayor habilidad tienen los
estudiantes en el manejo de las destrezas simples implicadas en la resta con llevadas y
mayor es la comprensión conceptual, menor es la tentación de confiar en
procedimientos erróneos. En cambio, aquellos participantes que presentan esta
competencia, buscan un menor esfuerzo mental creando métodos alternativos más
sencillos, atractivos y potencialmente incorrectos.
Por último, para terminar la revisión de estudios que hacen referencia a las
dificultades y errores generados por el algoritmo tradicional, se presenta el estudio
realizado por Stefanich y Rokusek (1992). Estos autores intentan poner de manifiesto
las potencialidades de la enseñanza diagnóstica como método para dirigir de forma
efectiva la recuperación de aquellos estudiantes a los que se les ha identificado
previamente algún error sistemático. El estudio fue realizado con una muestra de 25
escolares de 4º de Primaria. En una primera fase, se administró un pretest para evaluar
los errores cometidos al utilizar el algoritmo escrito para dividir números naturales.
Posteriormente, desarrollaron un programa instructivo de dos días de duración tras
pasar el pretest. En estas dos sesiones, se utilizó con los participantes materiales
manipulativos (bloques multilink), trabajaron en pequeño grupo con el mismo material
didáctico, realizaron puesta en común de las estrategias utilizadas, análisis y corrección
de errores… En la primera sesión el objetivo es que los estudiantes fragmentaran el
algoritmo en sus partes más simples, trataran de dominarlas de forma automática y
37
reconstruyeran a partir de ellas todo el proceso de cálculo; y en la segunda sesión, se

pretendía que analizaran los errores cometidos por el alumnado y se corrigieran a partir
de una instrucción directa. Al finalizar las dos sesiones se les administró de nuevo la
prueba de inicio. Entre los resultados más destacables del estudio, Stefanich y
Rokusek (1992) señalan el hecho de que en la mayoría de los casos sólo fue necesario
mostrar uno o dos ejemplos de procedimientos incorrectos para hacer que los
estudiantes corrigieran sus errores. Apoyándose en los datos obtenidos, los autores
llegan a la conclusión de que la instrucción por diagnóstico desarrollada resultó
efectiva; sin una intervención como ésta los errores sistemáticos cometidos hubieran
continuado durante un periodo de tiempo considerable. Por esta razón, al igual
que opinan estos autores, sería conveniente que los docentes analicen los errores que
comente su alumnado en las tareas de cálculo, para poder corregirlos.
Por todo lo que concluyen los resultados de los anteriores estudios,

investigadores como Torbeyns, Verschaffel, y Ghesquiere (2005), plantean que el
aprendizaje de matemáticas debe ir “más allá de una rutina experta, esto es la
capacidad para resolver tareas matemáticas rápidamente y con precisión por medio de
estrategias estandarizadas” (p. 1). Estos autores afirman que los estudiantes deben
desarrollar pericia en el cálculo, de forma flexible creando y empleando estrategias
significativas, como por ejemplo, las estrategias de compensación, esenciales para los
hechos numéricos básicos, así como el desarrollo de la autoconfianza en las propias
estrategias.
38
CAPÍTULO 3 Estrategias alternativas para el aprendizaje de las matemáticas
CAPÍTULO 3: ESTRATEGIAS ALTERNATIVAS PARA EL

APRENDIZAJE DE LAS MATEMÁTICAS
Antes de pasar a explicar las nuevas alternativas que se están utilizando en las
aulas, se va a realizar una breve revisión a los algoritmos históricos. Los algoritmos
históricos son aquellos que se han ido utilizando a lo largo de la historia, por varias
civilizaciones y sociedades, que generaron en su momento la forma más sencilla de
realizar el cálculo de las cuatro operaciones básicas. Estos algoritmos demuestran que a
lo largo de la historia se han utilizado otros algoritmos diferentes a los planteados por
los algoritmos CBC. Los algoritmos históricos más conocidos son:
 Algoritmo de la rejilla
También se denomina multiplicación hindú o Fibonacci, requiere de la
preparación de una tabla que sirve de guía para realizar el cálculo. Este algoritmo data
del siglo X, y fue muy popular durante los siglos XIV y XV en Europa. Se trata de un
algoritmo de fácil aplicación y como característica, es que evita las llevadas hasta el
final del proceso, pero tiene el inconveniente de ignorar el valor de la posición del
número.
Para realizar la operación, se debe dibujar una rejilla con tantas filas y columnas
como cifras tengan el multiplicador y el multiplicando. Una vez creada la tabla, se
divide cada celda con una diagonal por la mitad. Se coloca el multiplicando en la parte
superior de la rejilla y el multiplicador a la izquierda de la misma (Figura 3). Después se
empieza a multiplicar cada cifra, colocando las decenas en la mitad superior de la celda
y las unidades en la mitad inferior. A continuación, se suman los contenidos de las
celdas en diagonal, empezando por la derecha y por último, el resultado final se lee de
arriba a abajo y de izquierda a derecha del borde de la tabla. Por ejemplo:
532 x 18 = 9.576
Figura 3. Algoritmo en rejilla 532 x 4

Fuente Elaboración propia
39
Este algoritmo también podría aplicarse a la sumas (Figura 4), de forma que se
simplifica el proceso de suma tradicional, evitando las llevadas hasta el final del
proceso. El tratamiento de los números es el mismo, ya que se basa en la fragmentación
de los mismos sin tener en cuenta la posición del número.
649 + 586 = 1.235
Figura 4. Algoritmo en rejilla 649 + 586

Fuente Elaboración propia
 La multiplicación china
Este método también es conocido como multiplicación Maya o Método Tzeltal,
ya que esta civilización lo utilizaba. Los chinos lo utilizaban en la antigüedad con
varillas de bambú y los mayas marcando las rayas sobre un soporte. Las varillas se
disponían de forma horizontal para representar el multiplicando y de forma vertical
representando el multiplicador. Una vez realizada la cuadrícula, se suman las
intersecciones de cada varilla diagonal, comenzando siempre desde la diagonal inferior.
Posteriormente, debemos sumar las unidades de cada número. En el ejemplo resolvemos
la siguiente multiplicación (Figura 5):
21 x 13 = 273
Figura 5. Algoritmo chino 21 x 13
Fuente Boletín de divulgación Matemática nº 2. IES de Llerena (2010)
40
 La multiplicación egipcia
El sistema de multiplicación egipcio según Moreno y Vegas (2006), consistía en
un proceso de duplicación del multiplicando hasta pararse en la potencia de dos más
próxima al multiplicador. Por ejemplo, para multiplicar 85 x 18 lo haríamos de la
siguiente manera (Figura 6):
Figura 6. Algoritmo egipcio 85 x 18

En la columna de la izquierda, se indica las veces que se repite el multiplicando.

En este caso, cuando se llega a la potencia de dos más cercana se detiene el proceso. Se
deben seleccionar de la columna de la izquierda los valores que sumen el multiplicando,
y seguidamente se suman el resultados de dichas potencias.
Una de los aspectos más peculiares de este algoritmo es que no hace falta
conocer las tablas de multiplicar, puesto que lo único que se hace es duplicar ambas
columnas de números, hasta llegar finalmente a sumar.
 La multiplicación y división rusa

La multiplicación rusa, es un método según Moreno y Vegas (2006) también
llamado multiplicación Turca, que consiste en realizar dos columnas, (similar al
algoritmo egipcio) con el multiplicando y el multiplicador. En el encabezado de la
primera de las columnas colocamos el primer número (a ser posible el más pequeño de
los dos, independientemente si es el multiplicando o el multiplicador) y en la segunda
columna el otro número.
41
Debajo de la primera columna, se van calculando las mitades del número del que
hemos partido (si nos encontramos con un número impar, mentalmente le restamos 1, y
seguimos dividiendo hasta llegar a 1).
En la segunda columna, el número se va duplicando, hasta llegar al 1 de la

primera columna. El proceso se finaliza seleccionando las filas cuyo primer número
(columna de la izquierda) será impar, y sumaremos los números correspondientes de la
columna de la derecha. A continuación se presenta el ejemplo de la multiplicación 27 x
82 (Figura 7):
A B SUMANDOS
27 82 82
13 164 164
6 328
3 656 656
1 1.312 1.312
Total: 2.214
Figura 7. Algoritmo multiplicación rusa 27 x 82
La división rusa se realizaría de forma similar. En la columna de la izquierda se

comenzaría duplicando los números, empezando desde el 1, duplicándolos; de la misma
forma, en la columna de la derecha se sitúa el divisor y se duplica tantas veces como sea
necesario hasta llegar a aproximarse, sin pasarse, al valor del dividendo. A
continuación, se toman los valores de la columna de la derecha que sume
aproximadamente (sin pasarse) el valor del dividendo. Finalmente se suman los valores
de la columna de la derecha correspondientes, obteniendo el resultado de la división con
el resto correspondiente (en el caso que tenga). En el siguiente ejemplo se demuestra la
forma de resolver 1.860:25:
1 25 Sumamos
2 50 2
4 100
8 200 8
16 400
32 800
64 1.600 64
Cociente: 74 Resto: 10
Figura 8. Algoritmo división rusa 1.860:25

42
En el ejemplo podemos observar que tomando las cifras de la columna de la

izquierda suman un total de 74, a estas les corresponden unos valores de la columna de
la derecha que suman 1.850. Por lo que el resultado de la división 1.860:25, tiene como
cociente 74 y como resto 10 (lo que va desde 1.850 a 1.860).
Al igual que en la multiplicación egipcia, este formato de algoritmo es muy

sencillo de realizar. En este caso el estudiante sólo tendría que saber duplicar y hallar la
mitad de los números. Otra de las ventajas es que el alumnado además de practicar el
cálculo de dobles y mitades, también ejercita el cálculo mental de la suma. Lo
complicado de este algoritmo estriba en conocer la mecánica del mismo pero, una vez
entendido el procedimiento, es sencillo. Otra de las dificultades es que no es muy
factible para aplicarlo con números grandes, por lo engorroso que puede resultar.
 La tabla pitagórica
La tabla pitagórica no la podríamos considerar como un algoritmo alternativo,
pero si otra forma diferente de representar las tablas de multiplicar. Es también conocida
como tabla total. Es una versión compacta de las tablas y es útil para visualizar de
manera sencilla algunas propiedades como la conmutatividad, y es útil para la iniciación
en los múltiplos y divisores.
Es una tabla de doble entrada, en la que se disponen los números del 0 al 10 (en
algunos casos también se presentan las tablas hasta el 12) en la primera fila y la primera
columna, las celdas interiores representan las multiplicaciones entre los números de la
primera fila y la primera columna que contienen la celda. A continuación se presenta la
tabla (figura 9):
Figura 9. Tabla Pitagórica

43
Algunas de las ventajas que ofrece el uso de esta tabla son las siguientes:
- El sujeto puede observar de un solo vistazo todas las tablas de multiplicar y

establecer relaciones entre ellas.
- Puede observar la relación entre las tablas del 2, del 4 y del 8. Conociendo la del
2, después se pueden hallar las demás duplicando la primera.
- Esta duplicación de la primera respecto a la segunda, se puede observar en las
tablas del 3, del 6; del 5 y del 10.
- Esta tabla también sirve para encontrar distintas divisiones, por ejemplo 35:7.
Para encontrar el resultado basta con localizar el número 35 en el interior de la
tabla y encontrar de qué fila y columna es el resultado. En este caso, el cruce es
de 5 x 7, por lo tanto la respuesta sería 5.
Podemos decir que es una buena manera de comenzar el aprendizaje de las
tablas de multiplicar en la etapa de educación primaria.
Una vez realizada esta breve revisión histórica sobre los diferentes algoritmos
utilizados en la antigüedad, a continuación, se explicarán los rasgos más características
de las metodologías abiertas de aprendizaje matemático, que actualmente se utilizan en
la práctica educativa.
En primer lugar, se presenta dos ejemplos significativos de metodologías
alternativas utilizadas en Holanda y en EEUU. Una vez que se expliquen las
experiencias que se están llevando a cabo en el entorno internacional, pasaremos a
explicar los ejemplos más significativos de metodologías alternativas para el
aprendizaje de las matemáticas que encontramos en nuestro país. A la hora de realizar la
revisión metodológica en las matemáticas, hemos encontrado métodos alternativos al
método tradicional, (CBC), que se utilizan actualmente en nuestro entorno más cercano,
como pueden ser las experiencias basadas en “aritmética mental” auspiciadas en
Cataluña (Barba y Calvo, 2011); el caso del CEIP Aguamansa de La Orotava (Tenerife),
basado en el uso didáctico de la calculadora y el fomento del cálculo mental, exportado
a otros centros canarios y peninsulares (Iglesias y Martín-Adrián, 2011), la propuesta
presentada por Fernández Bravo (2007) o la metodología basada en algoritmos abiertos
basados en números (en adelante ABN), ideada por Jaime Martínez Montero, y objetivo
principal del presente trabajo. Todas estas experiencias comparten características
comunes, ya que todas ellas se basan en un conocimiento profundo del sistema de
numeración decimal (en adelante SND), se trabaja con números en todo su sentido y no
44
con cifras aisladas, se utilizan constantemente las propiedades de las operaciones, los
cálculos se realizan de forma personalizada y toman su sentido a partir de situaciones
problemáticas contextualizadas.
3.1. El método ALOHA Mental Arithmetic
El método ALOHA, acrónimo de Abacus Learning of Higher Arithmetic, es un

programa de desarrollo mental que potencia las capacidades cognitivas de los
estudiantes mediante el uso y visualización del ábaco. A pesar de presentarse como un
método innovador, las bases de su trabajo está en el tratamiento mental del ábaco, por lo
que lo podríamos encuadrar dentro de los métodos CBC, ya que el tratamiento que se
hace de las cantidades no es real, sino que se sigue trabajando por cifras al igual que la
metodología tradicional.
Con el fin de demostrar la bondad del Método ALOHA Mental Arithmetic, se

llevó a cabo un estudio comparativo, realizado por Vasuki (2013) para la Universidad
de Madras (India) sobre el impacto del aprendizaje del cálculo mental con ábaco en las
habilidades cognitivas del alumnado, el cuál será desarrollado ampliamente en la última
parte del presente apartado.
El programa nació en 1993 en Malasia cuando el Sr. Loh Mun Sung decidió
crear un sistema de aprendizaje que, basándose en el uso del ábaco, fuera más allá y
potenciara la coordinación y desarrollo de ambos hemisferios cerebrales: izquierdo y
derecho. Actualmente cuenta con presencia en 19 países de los 5 continentes. El
programa se ofrece de manera idéntica en todo el mundo para garantizar los estándares
de calidad consolidados tras 18 años de experiencia. Se ofrece como un divertido
programa de desarrollo mental para estudiantes de 4 a 13 años, con beneficios para toda
la vida:
- Operaciones aritméticas con velocidad y precisión.
- Capacidad de concentración y atención.
- Creatividad y capacidad de visualización.
- Capacidad de escucha y habilidad para la observación.
- Memoria fotográfica y orientación espacial.
- Mayor autoconfianza.
- Habilidades analíticas.
45
ALOHA Mental Arithmetic se basa en el aprendizaje del ábaco. En un primer

momento, los estudiantes que siguen ese método descubren el funcionamiento básico
del ábaco. Después, empiezan a realizar operaciones aritméticas con este instrumento de
cálculo y, poco a poco, el alumnado aprende a visualizar el ábaco en su cabeza y a
utilizar esta imagen mental para calcular. Con la práctica, los niños son capaces de
prescindir totalmente del ábaco para realizar operaciones mentalmente a gran velocidad.
Al final del programa, los niños pueden realizar operaciones de hasta 17 dígitos, para lo
que deben visualizar 85 cuentas del ábaco.
Está diseñado como un programa de desarrollo mental dirigido a niños de edades

comprendidas entre los 4 y los 13 años de edad. Según indica su creador, ALOHA
Mental Arithmetic potencia la inteligencia de los niños gracias a un programa educativo
basado en tres herramientas clave: cálculo con ábaco, aritmética mental y juegos
didácticos. Uno de los aspectos más importantes de ALOHA Mental Arithmetic es su
carácter lúdico e interactivo. Los estudiantes aprenden mientras se divierten gracias a
una metodología didáctica en la que el juego desempeña un papel muy importante.
Los objetivos de la ALOHA Mental Arithmetic son los siguientes:

• Infundir al alumnado el hábito de la observación meticulosa.
• Enseñarles a recordar información con máxima eficiencia y mínimo esfuerzo.
• Infundir el hábito de usar múltiples habilidades de manera simultánea, con máxima
eficiencia y mínimo esfuerzo. Así como, infundir la importancia del razonamiento
sólido y del pensamiento original.
• Desarrollar las capacidades y facultades mentales del alumnado, mejorando así su
autoestima.
• Desarrollar la memoria fotográfica y la orientación espacial del estudiante.
El programa ALOHA Mental Arithmetic consta de dos partes:
1ª PARTE: Cálculo con Ábaco
La fase de aprendizaje, en el caso del cálculo con ábaco se subdivide en siete

etapas:
- Fase cognitiva
- Fase de aceptación
- Fase práctica
46
- Fase de ajuste
- Fase de fijación
- Fase autónoma
- Fase de expresión
2ª PARTE: Cálculo Mental con Ábaco
Cuando los estudiantes han superado la primera fase, se trabajan diferentes

tareas para que el alumnado llegue a ser capaz de calcular y practicar con un ábaco
imaginario. En esta fase, son capaces de manipular las cuentas del ábaco en su cabeza
para resolver las operaciones.
En esta fase existen tres tipos de tareas:

1. VISUALIZACIÓN: también llamado Escucha de Aritmética Mental; alguien lee
los números en voz alta y el estudiante realiza los cálculos de manera mental.
2. DICTADO: el sujeto lee los números y utiliza el ábaco imaginario para resolver
la operación. En este proceso, se le permite que pueda ver el ábaco a modo de
referencia.
3. DICTADO SILENCIOSO: El estudiante se dicta los cálculos en silencio y
resuelve las operaciones mentalmente, sin el apoyo visual del ábaco.
El estudio comparativo, realizado por Vasuki (2013) para la Universidad de

Madras (India) sobre el impacto del aprendizaje del cálculo mental con ábaco en las
habilidades cognitivas del alumnado, se realizó sobre una muestra significativa de
participantes del programa. La autora del estudio pretendía analizar el impacto de
ALOHA Mental Arithmetic en las habilidades cognitivas de los participantes que estaban
realizando los cuatro primeros niveles del programa. De manera más específica, los
objetivos del estudio se pueden sintetizar de la siguiente manera:
• Determinar la importancia del aprendizaje con ábaco.

• Determinar cuáles son las habilidades cognitivas desarrolladas mediante el aprendizaje
con ábaco.
• Determinar la efectividad del aprendizaje con ábaco en las habilidades cognitivas de
los niños.
• Comparar las habilidades cognitivas entre el grupo experimental y el grupo de control.
47
• Evaluar la tendencia a lo largo de los cuatro niveles de aprendizaje con ábaco en las
habilidades cognitivas entre los estudiantes de ALOHA Mental Arithmetic y los que no
siguen el método.
La hipótesis planteada fue que se observaría una mejora significativa a lo largo

de los cuatro niveles de aprendizaje entre los participantes del grupo experimental en:
• Concentración
• Resolución de problemas
• Memoria Operativa
• Orientación espacial
• Competencia matemática general
Asimismo, como segunda hipótesis, se planteaba que las habilidades cognitivas

indicadas discriminarán significativamente a los dos grupos de estudio, experimental y
control.
Para el estudio longitudinal se empleó un diseño cuasi experimental con

múltiples post-test a fin de recabar la información necesaria relativa al impacto del
aprendizaje con ábaco en las habilidades cognitivas seleccionadas. El estudio se realizó
en Chennai, distrito de Tamil Nadu (India). Para formar parte del grupo experimental, se
seleccionaron escolares de entre 8 y 12 años, que siguen el método de ALOHA Mental
Arithmetic. En cuanto al grupo de control, se escogieron estudiantes de entre 8 y 12
años, que no siguen dicho método.
El procedimiento de muestreo adoptado para seleccionar a los participantes en

ambos grupos incluía muestreo aleatorio simple y muestreo intencional. Como
resultado, 160 estudiantes (80 niños y 80 niñas) fueron seleccionados para formar parte
del equipo de control y otros tantos para el equipo experimental. Durante el experimento
la tasa de deserción fue del 12% para el grupo experimental y del 10% para el de
control, una tasa no determinante para los resultados. El análisis estadístico ha
demostrado la efectividad del entrenamiento con ábaco al mostrar la mejoría que se da
en las siguientes siete habilidades: concentración, resolución de problemas, memoria
asociativa, memoria operativa, formación de conceptos, creatividad y habilidad para
crear imágenes mentales y resolver cálculos (orientación espacial).
48
A medida que se desarrollan estas habilidades, los niños también mejoran en su

rendimiento académico, incrementan su velocidad y precisión de cálculo y desvelan
todo su potencial. Los resultados de esta investigación indican que el aprendizaje con
ábaco contribuye a la excelencia académica, al mejorar las habilidades necesarias para
la obtención de buenas calificaciones.
A pesar de los resultados del estudio, podríamos plantear algunas desventajas del
método, ya que aunque el cálculo con el ábaco es un cálculo estratégico, pensado, se
podría considerar que existe un adiestramiento excesivamente mecánico y conductista,
por lo que debemos plantearnos la validez del método en cuanto a la toma de decisiones
del alumnado y la utilización de estrategias heurísticas. Por otra parte, el programa que
debe seguir el estudiante en algunas ocasiones no es tan divertido, ya que son
actividades muy repetitivas. Otra de las cuestiones que podemos plantear, es que si este
método se presenta como actividad extraescolar, hasta qué punto interfiere con el
cálculo que se ofrece en la escuela y si se puede extrapolar al contexto educativo. Otra
de las desventajas, es hasta qué punto es necesario que los escolares se transformen en
calculadoras humanas. Por último, analizando el estudio, consideramos que se ha
asociado con excesiva facilidad buen nivel de cálculo con buen nivel de competencias
matemáticas; tal vez, serían necesarias más pruebas para corroborar este resultado.
3.2. Algoritmos holandeses
Van den Heuvel-Panhuizen (2008) afirma que la educación matemática en

Holanda se basa en la denominada Educación Matemática Realista (EMR). Considera
las matemáticas como actividad humana y en ningún caso una teoría acabada, sino algo
que está en continuo movimiento y transformación. La EMR surge en torno a 1970, con
los principios colocados por Freudenthal y sus colegas del IOWO, el predecesor del
Instituto Freudenthal. Freudenthal (1968) decía que las matemáticas deben mantener
conexión con la realidad, mantenerse apegadas a las experiencias de los niños y ser
pertinentes a la sociedad para que tengan valor humano. Según él, las clases de
matemáticas debían dar la oportunidad a los estudiantes de re-inventar las matemáticas
haciéndolas. El nombre de “realista” causó cierta confusión en su momento, puesto que
no se eligió este nombre solo por su conexión con el mundo real, sino por poder
ofrecerles al alumnado situaciones-problema que ellos pudieran imaginar, ya que la
traducción holandesa de imaginar es “zich realiseren”. La EMR se apoya, según
49
Santamaría (2006) en dos pilares fundamentales: el uso de modelos, mediadores entre

lo abstracto y lo concreto, y la interacción en el aula entre los estudiantes y entre el
docente y éstos últimos. Esta interacción permitirá a los docentes construir sus clases
teniendo en cuenta las producciones del alumnado.
Para la enseñanza de las matemáticas, Van den Heuvel-Panhuizen (2008)

propone los seis principios siguientes (p. 289-290):
- Principio de actividad: como se ha mencionado anteriormente, Freudenthal opina que

las matemáticas se aprenden haciendo. Esto significa que los estudiantes se enfrentan a
situaciones problema en las que por ejemplo deben realizar fracciones, después
desarrollar una forma algorítmica de multiplicar y dividir, basándose en un modo
informal de trabajar. Las producciones propias son muy importantes en la EMR.
- Principio de realidad: se busca que los estudiantes sean capaces de aplicar las
matemáticas, utilizando su comprensión y herramientas para resolver problemas de la
vida real. Es decir, aprender “las matemáticas las matemáticas de modo que sean útiles”
(Freudenthal, 1968).
- Principio de nivel: significa que los estudiantes pasan por diversos niveles de
comprensión: de la capacidad para inventar soluciones informales relacionadas con un
contexto, a la creación de diversos niveles de atajos y esquematizaciones. La condición
para llegar al siguiente nivel es la capacidad para reflexionar sobre las actividades
realizadas.
- Principio de entrelazamiento: significa que las matemáticas, como asignatura

escolar, no están separadas en ejes distintos de aprendizaje. Se dice que no es posible
separar los capítulos dentro de las matemáticas, es decir, resolver problemas de contexto
rico suele significar que uno tiene que aplicar una amplia variedad de herramientas y
discernimientos matemáticos; si por ejemplo se le pide a un estudiante que estime el
tamaño de una bandera, este debe aplicar no solo mediciones, sino también razones y
geometría.
Principio de interacción: dice que las matemáticas son una actividad social donde se
debe ofrecer a los estudiantes oportunidades para dar a conocer unos a otros sus
estrategias e inventos. Al escuchar lo que otros averiguan y comentar estos hallazgos,
los estudiantes toman ideas para mejorar sus estrategias. Esto no significa que la clase
50
entera avance colectivamente, puesto que la EMR considera a los niños individuos cada
uno de los cuáles sigue una senda individual de aprendizaje.
- Principio de orientación: según Freudenthal (1991), las matemáticas deben dar a los
estudiantes una oportunidad orientada a re-inventar las matemáticas. Esto supone que en
la EMR, tanto los profesores como los programas educativos tienen un papel
fundamental en la adquisición de conocimientos por parte de los estudiantes. Profesores
y programas deben conducir el proceso de aprendizaje, pero no de forma fija mostrando
a los estudiantes lo que deben aprender, sino que estos necesitan espacio para construir
herramientas y discernimientos matemáticos por su cuenta. El profesor actúa de guía en
el aprendizaje.
Basándose en estos principios, la educación matemática, debe tratar que el

alumnado busque métodos propios para la resolución de problemas y que desarrollen su
propia forma de pensar. En Holanda, no existe una regulación legal sobre el qué y cómo
los profesores deben enseñar, sino que cada docente elige y orienta la enseñanza de las
matemáticas en base a sus estudiantes, aunque sí que existen varios pilares que guiarán
a los profesores en la práctica educativa: libros de texto (actualizados y basados en el
enfoque EMR), libros Proeve (contienen descripciones acerca del contenido en varias de
las áreas que engloba las matemáticas), proyecto TAL (es una abreviatura en holandés
que significa Metas Intermedias Anexas a Trayectorias de Enseñanza-Aprendizaje)
engloba diversas guías, hasta ahora sólo existen 3, sobre la trayectoria a seguir en la
enseñanza de las matemáticas. A diferencia de otros países, en el nivel de escuela
primaria de los Países Bajos no se toman decisiones centralizadas respecto a programas
de estudios curriculares, libros de texto o exámenes (Mullis, Martin,… y Smith, 1997).
Respecto a los algoritmos escritos, una de las directrices que define el gobierno
es que el alumnado sea capaz de aplicar el algoritmo convencional (o una variante de
este) de las operaciones de suma, resta, multiplicación y división en situaciones
concretas. Además, se recomienda el uso razonable de la calculadora y se hace especial
hincapié en el cálculo mental.
A continuación se presentan algunos ejemplos según Van den Heuvel-Panhuizen

y Wijers, M. (2005) de cálculo mental, desarrollo de algoritmos, estimación y uso de la
calculadora.
51
3.2.1. Cálculo mental
Es la base de la educación primaria, se trata de un conocimiento matemático que

implica que los estudiantes pongan en funcionamiento tanto los hechos numéricos como
las operaciones que los componen. No se trata simplemente de realizar cálculos
mentales, sino de usar la mente para realizar estos cálculos. Realizar el cálculo mental
puede incluir plasmar por escrito los pasos intermedios que se van dando a la hora de
realizar una operación (algoritmo alternativo). Las estrategias de cálculo mental más
utilizadas son las siguientes: encadenar (stringing), separación (splitting) y variaciones
(varying). En la figura 10 aparecen algunos ejemplos de las operaciones de cálculo
mental que se realizan en Educación Primaria (p.295).
Estos son simples cálculos, pero a los estudiantes también se les pide que
resuelvan utilizando estas estrategias problemas que incluyan un contexto como
cálculos monetarios, de distancias u otros relacionados.
Figura 10. Estrategias de cálculo mental

Fuente: Van den Heuvel-Panhuizen y Wijers, M. (2005)
52
3.2.2. Cálculo algorítmico o en columna
Cuando los escolares finalizan la Educación Primaria deben ser capaces de

resolver problemas de suma, resta, multiplicación y división con cifras multinuméricas,
utilizando el formato de algoritmo más abreviado posible. En la educación holandesa, la
multiplicación incluye multiplicar una cifra multinumérica por un número de dígito
único y la división no pertenece a las metas de la Educación Primaria.
El cálculo en columna es mucho más transparente y una alternativa al cálculo
algorítmico. El cálculo en columna es un tipo de cálculo a medias entre el cálculo
mental y el algorítmico; en este tipo de algoritmo se permite aplicar diferentes
estrategias, como la de separación, y a pesar de que el cálculo se da de forma vertical, se
hace de izquierda a derecha en vez de al contrario (como ocurre en el cálculo
tradicional).
Utilizando el cálculo en columna el estudiante trabaja con números enteros en

vez de con dígitos. En la figura 11 se muestra el cálculo en columna frente al cálculo
algorítmico tradicional:
Figura 11. Formas de cálculo en vertical

53
3.2.3. Estimación
La estimación no es un aspecto de las matemáticas que se contemplara desde las

directrices emitidas por el Ministerio de Educación, pero actualmente el proyecto TAL
ofrece una primera propuesta de la trayectoria que los estudiantes deben seguir para
desarrollar estas habilidades. Se divide en cuatro subdominios: (1) exploración y
redondeo de números, (2) estimación en problemas de suma y resta, (3) estimación en
problemas de división y multiplicación y (4) cálculos con valores estimados en
problemas donde la información necesaria es incompleta o no está disponible. Además
de estos cuatro subdominios, se distinguen tres fases de aprendizaje: (1) informal, donde
los estudiantes pueden determinar respuestas sin necesidad de utilizar la regla estándar
para el redondeo; (2) regla-dirigida, en la que los estudiantes llegan a la regla de
redondeo estándar para operar con los números y aprender a aplicar esta regla; y (3) la
fase flexible y crítica, en la que los estudiantes son capaces de aplicar métodos de
estimación más equilibrados cuando se opera con números y se puede tratar de una
manera crítica el redondeado y la estimación.
En la figura 12 se ofrecen varios ejemplos de problemas de estimación

planteados a los estudiantes.
Figura 12. Problemas de estimación

54
3.2.4. Uso de la calculadora
El proyecto TAL recomienda la introducción de la calculadora como una ayuda

en el cálculo, no antes de quinto grado de primaria. Al utilizarlo como ayuda, el
alumnado debe saber hacer un uso de la misma, conociendo cuando tiene sentido
utilizarla y cuándo no, por ejemplo, para realizar 1495/5 no tendría sentido utilizarla.
Por el contrario, utilizar la calculadora en problemas como los de la figura 13, sería útil
puesto que el proceso de resolución requiere un análisis del problema y una visión clara
sobre cómo organizar los cálculos a realizar.
Figura 13. Problemas para los que se debe usar la calculadora

3.2.5. Algoritmos alternativos para las operaciones básicas
Este proyecto plantea el uso de algoritmos alternativos para el desarrollo de las

operaciones básicas. A continuación, se presenta los tipos de algoritmos que se
utilizarán para dichas operaciones:
- Suma y resta
Tanto en la suma como en la resta, en el sistema holandés se utiliza el sistema de

descomposición como algoritmo alternativo al tradicional, y una vez dominado el
alternativo se realiza la transición al tradicional. Se presentan algunos ejemplos de estos
tipos de algoritmos (figura 14):
55
Figura 14. Algoritmos alternativos de suma y resta basados en la descomposición (Holanda)

- Multiplicación
El algoritmo alternativo que utilizan en el sistema holandés para la resolución de

la multiplicación también se basa en la descomposición como se observa en la figura 15.
Se observa que la multiplicación se da comenzando por las centenas, después las
decenas y finalmente las unidades, para finalizar realizando la suma de los productos
parciales obtenidos. Al igual que en el caso de la suma y la resta, los algoritmos
alternativos sirven de base para el aprendizaje de los algoritmos tradicionales.
Figura 15. Algoritmos alternativos de multiplicación basados en la descomposición (Holanda)

56
- División
Para la división, al igual que con el resto de algoritmos, se permite que cada
estudiante lleve su ritmo de aprendizaje y realizará la operación en tantos pasos como le
sea necesario. Con el siguiente ejemplo, se presenta tres formas diferentes de realizar el
algoritmo alternativo de la división (figura 16), respetando los diferentes ritmos de
aprendizaje que se pueden presentar en el aula.
Figura 16. Algoritmos alternativos de división (Holanda)

Fuente: Van den Heuvel-Panhuizen y Wijers (2005)
3.3. Algoritmos estadounidenses. Algoritmos inventados por el

alumnado.
El caso del sistema estadounidense es muy diferente al holandés, puesto que

realmente no existe un algoritmo estadounidense propiamente dicho, sino que existen
numerosos estudios realizados por diversos investigadores que ponen en duda la
efectividad del uso del algoritmo tradicional, y optan por dejar al estudiante que invente
su propio algoritmo, de la manera que le parezca más sencillo y acorde a su
pensamiento. Una de las investigaciones más importantes en este campo es de Kamii y
Dominick (1998) en la que declaran que los algoritmos tradicionales no son adecuados
por dos razones: incitan al alumnado a dejar de lado su propio pensamiento (puesto que
se deben desarrollar siguiendo unos pasos predeterminados) y porque hace que el
estudiante olvide el valor posicional de los números, haciendo así que el niño pierda el
sentido numérico. En base a este argumento, se fomentan los algoritmos inventados por
los estudiantes, ya que según Madell (1985) mediante el uso de estos algoritmos se
ofrece una libertad de pensamiento a los estudiantes, estos proceden a operar
universalmente de izquierda a derecha (al contrario que opera el algoritmo CBC). Por lo
57
tanto el algoritmo tradicional hace que los escolares traten cada columna numérica
como si fuera una columna de unidades y no viendo el número completo.
Según Campbell y Johnson (1995) los estudiantes deben aprender a pensar

matemáticamente y a construir relaciones e idear modelos que permitan ordenar y
estructurar experiencias del mundo real y situaciones-problema. El trabajo de los
algoritmos alternativos en Estados Unidos se basa en que sea el propio alumnado frente
a un problema, el que apliquen las estrategias que más lógicas les parecen para resolver
el mismo y que compartan sus ideas con el resto de la clase, para que se genere un
feedback del que tanto estudiante como el resto de compañeros aprendan. Este proceso
debe darse con la ayuda del docente que guiará a sus estudiantes en el desarrollo de sus
propias estrategias de resolución.
En el sistema estadounidense el trabajo docente está guiado por los estándares

comunes estatales (Common Core State Standards, CCSS, por sus siglas en inglés), un
movimiento a nivel estatal para utilizar los mismos estándares académicos en todas las
escuelas públicas. Los CCSS son un grupo de estándares que establecen lo que los
estudiantes deben aprender en cada grado, desde el kínder hasta el bachillerato. Hasta
ahora, más de 40 estados siguiendo estos estándares, formándose para implantarlo en
sus centros y actualizando los currículos de enseñanza.
En el documento redactado por Fuson y Beckmann (2013), se presentan

diferentes tipos de algoritmos alternativos que pueden ser usados por los estudiantes en
todas las operaciones básicas: suma, resta, multiplicación y división. Se describe cada
uno de ellos en los siguientes apartados:
- Suma
A continuación, muestra un enfoque de conteo o suma que comienza con un

número sin descomponer. En la figura 17, se muestra tres de las diversas variaciones
para la resolución de una suma de dos sumandos de tres dígitos: 456 + 167. En los
formatos A y B, se utiliza un apoyo visual para la realización de la suma; mientras que
el modelo C no existe apoyo visual sino ya se trabaja directamente con los signos
numéricos.
58
Figura 17. Formatos alternativos de suma (EEUU)

Fuente: Fuson y Beckmann (2013)
Otras variaciones se muestran y discuten en Fuson, Wearne, Hiebert, Murray,

Human, Olivier, Carpenter y Fennema (1997) y en Verschaffel, Greer y De Corte
(2007) y en el National Council of Teachers of Mathematics (NTCM, por sus siglas en
inglés) (2010, 2011). Estos métodos escritos son métodos generales para todos los
números de 3 dígitos, pero no son prácticos para números más grandes.
Los métodos escritos que se pueden generalizar a números grandes y a

decimales, para el algoritmo tradicional, utilizan cálculos de dígitos simples de valor
posicional, con valor de unidades y se ejemplifican en la siguiente figura (figura 18).
Tal y como se puede observar, se parte de la descomposición de las cantidades y su
representación gráfica.
Figura 17. Formatos alternativos de suma de números grandes (EEUU)

59
- Resta
Fuson y Beckmann (2013) también presentan un formato alternativo para la resta

de tres dígitos. En este caso se presentan dos métodos diferentes. El primero de ellos
(Método A), en primero, desagrupar cuando se necesite y después restar. Este método,
permite realizar el procedimiento realizando de izquierda a derecha y de derecha a
izquierda. El método B, alterna desagrupar y restar en cada columna. En la figura 18, se
muestra el ejemplo del desarrollo de los dos métodos.
Figura 18. Formatos alternativos de resta (EEUU)

- Multiplicación
También se propone un formato alternativo para la multiplicación, en este caso

se plantean tres métodos diferentes (métodos A, B y C) para el formato de
multiplicación de 3 dígitos por 1 dígito. Se parte de la representación del producto a
partir de la descomposición y los valores posicionales-En el método A se efectúa de
izquierda a derecha, y los otros de derecha a izquierda. En el Método C, los dígitos que
representan nuevas unidades se escriben debajo de la línea en lugar de por encima del
multiplicando, manteniendo así los dígitos de los productos cerca unos de otros, por
ejemplo, en 8 × 9 = 72, el dígito 7 se escribe en diagonal a la izquierda del 2 en vez de
escribirlo encima de la cifra 4 en 549 (figura 19).
60
Figura 19. Formatos alternativos de multiplicar 2 dig. x 1 dig. (EEUU)

En la multiplicación por tres dígitos por dos dígitos (figura 20) se utiliza un
formato similar al que se plantea para el algoritmo de una cifra, ya que se parte de la
representación de las cantidades sobre la descomposición y el valor de posición. En este
caso, se descompone tanto el multiplicador como el multiplicando, para facilitar la
resolución del algoritmo.
Este formato alternativo presenta dos métodos escritos (D y E). Ambos pueden
operar de derecha a izquierda, y de izquierda a derecha. En el Método E, los dígitos que
representan decenas y centenas recién formadas en los productos parciales se escriben
debajo de la línea por encima de 94. De esta manera, el 1 de 30 x 4 = 120 está colocado
correctamente en el lugar de las centenas y el dígito 2 a partir de 30 × 90 = 2700 se
coloca correctamente en el lugar de los millares. Si estos dígitos hubieran sido
colocados por encima de 94, estarían en lugares incorrectos. Se debe tener en cuenta que
si observamos la segunda línea del método E, aparece un 0 porque toda la línea de
dígitos se produce multiplicando por 30 (no 3).
61
Figura 20. Formatos alternativos de multiplicar 2 dig. x 2 dig. (EEUU)

- División
El algoritmo alternativo que se propone en Fuson y Beckmann (2013) para la

división de 3 dígitos por 1 dígito. La figura 21 presenta dos métodos, en primer lugar
muestra el método A, que incluye tanto el recuerdo de los cálculos numéricos a partir de
la propiedad distributiva con respecto a la suma, como el modelo de área que
corresponde a los cálculos. El multiplicador total del divisor en cada paso en el método
A se escribe sobre el dividendo de manera que los estudiantes puedan ver el valor de
posición y hacer una clara conexión con los valores de lugar en el modelo de área. El
producto completo se escribe en cada paso, y la cantidad de dividendo no utilizado
también está escrito en su totalidad.
Después de la experiencia de conectarlo a una representación gráfica, el método

A también puede llevarse a cabo sin dicha representación, como un algoritmo
62
tradicional para el cálculo de los cocientes que son números enteros o decimales
(método B).
Figura 21. Formatos alternativos de división 3 dig. x 1 dig. (EEUU)

En el formato de la división de 4 dígitos por 2 dígitos (figura 22), se demuestra

dos formatos (A y B) planteados para dicha operación. El método A tiene una ventaja
adicional cuando se divide por números de 2 dígitos, ya que puede implicar el uso de
estimaciones razonables. En el ejemplo se muestra cómo una estimación del cociente se
puede utilizar y luego ajustar. Las subestimaciones pueden ser realizadas en cualquier
lugar restando otro producto parcial de este lugar. Con el Método B los estudiantes no
pueden continuar a partir de una estimación a la baja. Tienen que ser exactas, que a
menudo significa borrar su subestimación o sobrestimar.
63
Figura 22. Formatos alternativos de división 4 dig. x 2 dig. (EEUU)

3.4. Experiencias basadas en la aritmética mental de Barba y Calvo

(2011).
Estos autores encabezan el movimiento de innovación en la enseñanza del

cálculo matemático llevado a cabo en Cataluña en los últimos años; su principal
objetivo es fomentar el trabajo en el aula de la llamada aritmética mental, como eje
fundamental en la enseñanza del cálculo, de manera que desarrolle capacidades en los
escolares para que puedan resolver cualquier problema aritmético al margen de los
algoritmos de lápiz y papel; esto implica definir unos nuevos contenidos centrados en
estrategias, potenciando el aprendizaje funcional de las propiedades de las operaciones y
la estructura del sistema posicional. Consideran que en las aulas la práctica que se
realizaba del cálculo mental, estaba al servicio del cálculo escrito (Barba y Calvo,
2011), por lo que sólo era posible con números pequeños ya que el trabajo con números
más complejos era tarea de los algoritmos escritos (CBC). Defienden la posibilidad de
resolver los problemas de múltiples formas o a través de situaciones reales, de manera
que el alumnado pueda generar estrategias personales. Estos autores definen el término
64
de aritmética mental, tomando la definición del Instituto Freudenthal (forma parte del
glosario de Van den Heuvel-Panuizen, 2001).
“Aritmética mental es el cálculo interno con representaciones numéricas mentales en

lugar de escritas. Esto incluye el uso de datos memorizados y las propiedades de los
números y las operaciones y las maneras en que éstas se relacionan. Sin embargo, no
es lo mismo que hacer cálculos y escribir algunos pasos cuando sea necesario. No
debería ser visto como lo opuesto a la aritmética escrita”.
La aritmética mental se caracteriza por: 1) ser transparente, permite que el

alumnado aprenda los procesos de forma significativa, en lugar de memorizarlos; 2) es
una alternativa de línea de trabajo a seguir; 3) la base del trabajo de las matemáticas se
centra en la resolución de problemas.
Para estos autores (Barca y Calvo, 2009) existe una serie importante de razones
por la cual vale la pena llevar estos algoritmos al aula, que son los siguientes:
1. Motivo histórico: se enseña los algoritmos tradicionales porque son una

construcción social que se ha mantenido vigente durante siglos por su rapidez y
eficacia en los cálculos. Pero es importante que los estudiantes conozcan que no
siempre se calculó de esta forma y que existen otros formatos de cálculo
ancestrales: multiplicación en celosía, multiplicación egipcia,…
2. Multiculturalidad: no sólo ha cambiado la forma de calcular a través del tiempo,
sino que también existen en la actualidad otras formas de operar en otras partes
del mundo. Para ello basta con comparar la forma de realizar las operaciones de
un estudiante extranjero que llega a un aula.
3. Valorar la transparencia: se aboga por unas matemáticas transparentes, ya que
los estudiantes crean una imagen errónea al tener que aplicar un procedimiento
que ya viene impuesto y sin entender la razón de su funcionamiento.
3.4.1. Estrategias para el desarrollo de la aritmética mental
Estos autores (Barba y Calvo, 2011) defienden la utilización de estrategias

alternativas para la resolución de las operaciones escritas, sobre la base de las
estrategias de cálculo mental. Presentan la descripción de las estrategias aditivas y
multiplicativas:
65
Estrategias Aditivas
Diferencian entre tres tipos de estrategias:
a) las estrategias emergentes, no son generalizables a otros valores más que los
concretos que el problema involucra. Dentro de este tipo existen dos estrategias básicas:
1) estrategia de descomposición: utilizada en los algoritmos escritos de lápiz y papel.

Tras el planteamiento de un problema, se pueden presentar dos tipos de
resoluciones: a) Se suman por un lado las decenas y por otro lado las unidades y
luego se suman las dos cantidades resultantes; b) se descompone sólo el segundo
número y se le va sumando al primer número por partes (decenas y unidades)
(figura 23). En la figura 24 se presentan dos maneras de resolución basado en la
descomposición, en ambos ejemplos el estudiante suma primero las decenas y
posteriormente descompone la suma de las unidades sobrantes para facilitar el
cálculo. El alumnado es capaz de realizar este tipo de estrategias en primero de
educación primaria siempre que se trabaje de una forma avanzada la
descomposición de cantidades, la numeración, discutiendo la forma de sumar
cantidades y, por supuesto, siempre que no se enseñe el algoritmo tradicional
hasta segundo curso de educación primaria.
Figura 23. Estrategias de descomposición I

Figura 24. Estrategias de descomposición II

Las estrategias de descomposición aplicada a números más grandes, se

representa de la siguiente manera (figura 25), descomponiendo los números y se
colocan ordenadamente para sumar las cantidades parciales obtenidas:
66
400 + 120 + 8 = 528

Figura 25. Algoritmo de la suma basado en la descomposición, para números grandes
Una vez que el alumnado es capaz de usar las diferentes estrategias aditivas y
sabe resolver este último tipo de sumas, es el momento de pasar a la representación del
algoritmo tradicional en columna, con la diferencia que se cambia la representación
gráfica y se realiza de izquierda a derecha (figura 26).
Figura 26. Algoritmo de la suma en columna

2) estrategia de saltos: fomenta el uso de la línea numérica y favorece el descubrir

nuevas estrategias. Para desarrollar el uso de estas estrategias, previamente el
alumnado ha tenido que manipular y/o representar gráficamente las cantidades,
simbolizando con palos a las decenas y con puntos a las unidades (figura 27).
Figura 27. Representación gráfica de cantidades

Fuente: Barba y Calvo (2011, 2015)
Algunas de estas estrategias se ejemplifican de la siguiente manera:

a) sumar sobre la línea numérica (42 + 35) (figura 28):
67
Figura 28. Estrategias de sumar sobre la línea numérica

b) Estrategias diferentes para distintas capacidades (46 + 37) (figura 29):
:
Figura 29. Estrategias para diferentes capacidades
c) el “paso del 10” (figura 30): previamente se requiere el dominio de las

descomposiciones de los números menores de 10 y del 10 (46 + 37; 46 + 30 = 76;
76 + 10 = 86; 86 – 3 = 83):
Figura 30. Estrategias del “paso del 10”

d) un indicador de habilidades (175 – 37). En los dos ejemplos que se presentan,

podemos encontrar dos muestras de las habilidades previas de los estudiantes
que han desarrollado el procedimiento (figura 31). El primero muestra una
habilidad mayor para realizar la resta desde cualquier número, mientras que el
segundo nos indica una posible existencia de dificultades para contar desde
números que las unidades sean distintas a cero (deben ser decenas completas).
68
Figura 31. Uso de estrategias como indicador de habilidades

b) las estrategias institucionalizables, aparecen cuando las estrategias que emergen de

la primera discusión del problema tienen mayor potencialidad son institucionalizadas
ante el grupo, para promover su utilización. Este tipo puede aplicarse siempre (por
ejemplo: 34 + 25; 30 + 20 = 50; 4 + 5 = 9; 50 + 9 = 59).
c) las estrategias alternativas, se refieren a algunas de las estrategias emergentes que sin
ser generalizables a todo tipo de números son eficaces en algunos casos. En el caso de
estas estrategias, a diferencia de las institucionalizables, no pueden aplicarse siempre,
los números y las relaciones entre ellos son los que “invitan” a utilizarlas (por ejemplo:
85 - 39; 85 – 40 = 45; 45 + 1 = 44).
Estrategias Multiplicativas
Barba y Calvo (2011) presentan las distintas fases que hay que llevar a cabo con
el alumnado para trabajar el concepto de multiplicación:
FASE 1: Fase manipulativa
Les entregamos al alumnado una cantidad de objetos determinada y les pedimos

que los cuenten una vez que han sido distribuidos en grupos de igual número de
elementos Cuando los cuentan, aquellos estudiantes que lo hagan de uno en uno, no
intuyen el concepto de multiplicación; mientras que aquellos que realizan el conteo de
cinco en cinco, presentan una aproximación a la multiplicación como suma reiterada
(figura 32).
Figura 32. Multiplicación como suma reiterada

69
FASE 2: Modelo rectangular
Este modelo se trabaja cuando el concepto de multiplicación de suma reiterada

no es adecuado utilizarlo, como para la introducción de la propiedad conmutativa
(figura 33). Cuando le presentamos los mosaicos, algunos estudiantes volverán al
conteo de uno en uno, por ello es importante trabajar este otro concepto de
multiplicación:
3 x 5 = 15 5 x 3 = 15
Figura 33. Multiplicación a partir del modelo rectangular
FASE 3: Formato de algoritmos escritos
Una vez que se ha trabajado la manipulación y la representación gráfica de la

multiplicación, es el momento de pasar al algoritmo escrito. En el siguiente ejemplo, se
representa el formato de algoritmo escrito que se propone para resolver la
multiplicación 345 x 6 (figura 34), basado en la aritmética mental, en la que prima la
descomposición de las cantidades (300, 40 y 5), el uso de la propiedad distributiva para
realizar la suma de los productos parciales (6x300) + (6x40) + (6x5) y como ventaja,
permite la estimación (aproximadamente 1800):
Figura 34. Formato de algoritmo escrito para la multiplicación
70
Una vez que el alumnado domina este tipo de formato basado en la aritmética
mental, se puede pasar al formato tradicional en columnas (en este caso, se realizaría al
igual que el formato anterior pero modificando la direccionalidad de los resultados
parciales) (figura 35):
345
x6
1800
240
30
2.070
Figura 35. Formato de algoritmo en columnas para la multiplicación

División
La estrategia de descomposición también permite resolver divisiones, al margen

de los algoritmos tradicionales. En el siguiente ejemplo (figura 36), se representa la
forma de realizar la división basándonos en la descomposición del dividendo, para el
cuál tendremos que encontrar números que sean múltiplos del divisor, de manera que se
facilita el proceso, y se hace de una forma más razonada y lógica.
Figura 36. Formato de división basado en la descomposición

3.5. Experiencias basadas en el uso didáctico de la calculadora y el

fomento del cálculo mental
Hace más de una década, el grupo de investigación-acción en Educación

Matemática (CAPICÚA) y en concreto el docente, Martín-Adrián (2005) e Iglesias y
Martin-Adrián (2011), se posicionan en contra de los algoritmos tradicionales de las
operaciones básicas y la raíz cuadrada, basando sus ideas en Ralston (1999). Muestran
su trabajo en el aula a través de vídeos en los que se demuestra los cálculos pensados
con apoyo escrito que realizan los escolares del centro de Educación Infantil y Primaria
71
(CEIP) “Aguamansa” (La Orotava). Los cálculos que fomentan utilizan algoritmos
flexibles diversos, basados en números (y no en cifras como ocurre con los algoritmos
CBC) para realizar cada una de las operaciones básicas.
Martín-Adrián (2005), presenta las razones para defender el uso de la

calculadora en el aula. Una de las razones más potentes, es el hecho de ofrecer al
alumnado la posibilidad de utilizar esta herramienta para investigar y descubrir las
propiedades entre los números, a partir de los 4 años; asimismo, consideran que es una
herramienta muy útil para el estudio de las tablas de multiplicar. Los estudiantes serán
entrenados para que realicen una estimación, un cálculo aproximado, realizando en
primer lugar el proceso mental y después el digital (uso de la calculadora). Para ello, se
hace vital la enseñanza de habilidades de cálculo mental en el alumnado, que tiene
como ventaja más significativa el hecho de ser la habilidad que más se utiliza en la vida
diaria, cuando tenemos que enfrentar algún cálculo.
Siguiendo el análisis del trabajo defendido por Martín-Adrián (2003), este autor
propone tres fases a tener en cuenta en el proceso de aprendizaje de los conceptos
matemáticos basadas en la fundamentación de las bases del aprendizaje propuesta por
Bruner (1967): 1) fase manipulativa: se debe proporcionar al alumnado materiales
manipulativos para ofrecer un contexto de resolución significativo y perciban a través
del material concreto cuáles son las operaciones aritméticas que se deben utilizar,
apoyándose en la expresión oral. 2) Fase gráfica: se debe representar lo realizado, de
manera manipulativa, en forma de dibujos o esquemas gráficos; y 3) fase simbólica:
aplicación de los símbolos numéricos y del texto escrito. Uno de las principales razones
del fracaso escolar en el área de las matemáticas es que no se respetan estas fases del
aprendizaje, puesto que en la práctica de aula se dedica escaso tiempo a las dos primeras
fases, centrándose en el trabajo simbólico, existiendo un abuso de las tareas de lápiz y
papel.
Como trabajo previo a la introducción de los algoritmos de las operaciones

básicas, se propone como imprescindible el dominio del trabajo con unidades, decenas,
centenas, etc., y las relaciones que existen entre estos agrupamientos, siendo necesario
respetar la primera fase del aprendizaje, manipulativa, haciendo uso de materiales
físicos, que el alumnado pueda manipular: bloques multilink, regletas,...
72
En cuanto al tratamiento de las operaciones básicas, vamos a centrarnos en la

propuesta que presenta para la resolución del algoritmo de la división. Este docente
analiza la forma de enseñar la división en nuestras aulas, defendiendo la idea de que no
se enseña a dividir, sino simplemente se transmite los pasos que hay que realizar para
resolver el algoritmo tradicional para dividir, pero el alumnado no interioriza tal
concepto. Habitualmente en las escuelas podemos encontrarnos dos formas diferentes
para enseñar esta operación (figura 37), el primero de ellos es el formato de algoritmo
tradicional de la división (ATD), más comúnmente utilizado; y en segundo lugar,
encontramos el algoritmo de división con restas (ADR). Ambos procedimientos son
similares, únicamente en el ATD aparece el resultado de la resta directamente.
Figura 37. Formatos de algoritmos de dividir tradicionales
En el CEIP Aguamansa hace unos años, tras la práctica de ambos método de

algoritmos tradicionales, se optó por utilizar en la práctica de aula el formato de ADR.
Sin embargo, actualmente rechazan ambos métodos por considerar que no se utilizan en
la actualidad. Las 11 razones en la que sustentan este rechazo son las siguientes (Martín,
2003): 1) Los algoritmos ATD y ARD, no se realizan en la vida diaria, y en el caso de
tener que resolverla, emplearíamos la calculadora; 2) En el día a día, no es habitual
tener que hacer divisiones con números grandes por dos cifras; 3) La práctica de estos
algoritmos no mejora ni aporta conceptualmente nada a la capacidad matemática de los
estudiantes; 4) Gran parte del alumnado presentan errores cuando realizan estas
operaciones; 5) El hecho de no saber resolver divisiones con números grandes
habitualmente es motivo de fracaso en la escuela, no tanto porque el estudiante carezca
de las capacidades necesarias para ser competente en matemáticas, sino debido a la
importancia de los algoritmos en el curriculum escolar; 6) Los algoritmos ADT y ADR
73
se trabajan en los centros educativos porque así lo marcan los programas educativos,
pero no porque sean necesarios para el futuro de los estudiantes; 7) El ATD y el ADR
fuerzan al alumnado a renunciar a su propio pensamiento y; 8) llegan a dañar su propia
confianza (Kamii, 1989); 9) Actualmente no tienen sentido perder tiempo en la
enseñanza de estos algoritmos, ya que no tienen nada que ver con la formación
matemática; 10) En la mayoría de los niveles de enseñanza primaria se dedica a ganar
destrezas en los diversos algoritmos de las operaciones aritméticas, actividad con poca
repercusión en el desarrollo de capacidades en el alumnado; 11) En nuestro siglo, se
debe defender la enseñanza del cálculo mental y, por ende, la estimación, puesto que el
cálculo exacto lo dan las calculadoras.
Por las razones que se exponen anteriormente, Martín-Adrián (2003) considera

que los formatos de algoritmos tradicionales para la división (ATD y ADR) deben
desaparecer de la práctica escolar y propone la enseñanza de otros algoritmos,
destinados a desarrollar en cálculo mental en el alumnado. La propuesta expuesta por el
autor, presenta dos formatos de algoritmos para la división, pero puede haber muchos
más formatos.
Algoritmos de la división por una cifra: el árbol y la araña
Las operaciones deben desarrollarse dentro de situaciones contextualizadas El

proceso a seguir es el siguiente:
- Presentación de la situación-problema.
- Fase manipulativa: resolver el problema con las regletas de Cuisenaire, haciendo
una estimación del resultado.
- Fase gráfica: esta fase se considera incluida en la manipulación de las regletas
- Fase simbólica: se presentan los dos formatos en árbol y de araña (Figura 38).
Ambos formatos se basa en la descomposición del dividendo, y en el concepto

de división como reparto en partes iguales (370:3) :
74
ALGORITMO EN ÁRBOL ALGORITMO EN ÁRBOL
Figura 38. Formatos de algoritmos alternativos para la división

Algoritmos división con dos o más cifras
Cuando se tengan que resolver divisiones entre dos o más cifras, se defiende el
uso de la calculadora, pero basándonos en la estimación previa que debe realizar el
estudiante, tal y como comentamos anteriormente. Las estimaciones las haremos por 10,
100 ó 1000, o por sus mitades 5, 50 y 500, y en un principio se escribirán para que el
alumnado pueda desarrollar sus capacidades intelectuales y, posteriormente, no será
necesario el apoyo escrito. En el siguiente ejemplo se muestra cómo resolver 84.032 :
53 (figura 39):
Figura 39. Formatos de algoritmos alternativos para la división por dos o más cifras
En el ejemplo se observa cómo se realiza la estimación, que nos indica que el

resultado que buscamos estará entre repartir 1500 y 1600, más cerca de 1600. Una vez
realizada esta estimación se procede a efectuar la operación con la calculadora para
comprobar el resultado exacto. Para calcular el resto sin hacer el ADT ni el ADR,
debemos multiplicar la parte entera del cociente por el divisor y restar este producto al
dividendo, por lo que la diferencia obtenida es el resto.
Cuando se trata de divisiones en con más de 4/5 cifras en el dividendo y más de

2 cifras en el divisor, se procedería directamente al uso de la calculadora, teniendo en
cuenta la estimación previa.
75
La experiencia llevada a cabo en el CEIP Aguamansa, defiende que el

aprendizaje del formato tradicional para las operaciones básicas con números grandes
debe desaparecer de la práctica escolar, precisando de un reciclaje de los cálculos
aritméticos utilizados por los agentes que intervienen en el proceso educativo, como
padres, madres, docentes, comunidad educativa, apoyando el uso de la calculadora a
partir de la estimación.
3.6. Metodología didáctica para el aprendizaje de las matemáticas

propuesta por Fernández Bravo (2007).
Fernández Bravo (2007) propone una guía dirigida a docentes de Educación

Infantil y Primaria, basada en la fundamentación didáctica para el aprendizaje de las
matemáticas, presentada como una propuesta de diseño y desarrollo de procesos
significativos y de presentación de materiales y técnicas para la mejora del pensamiento
lógico y matemático de los escolares de 3 a 12 años. Este autor analiza la situación
actual referente cuatro aspectos: a) las operaciones, en cuanto la necesidad de enseñar
las operaciones básicas sin comprenderlas, ya que actualmente el alumnado realiza las
operaciones pero no comprende lo que está haciendo ni para qué se hace; b) el
pensamiento y la enseñanza de las matemáticas: en este sentido, se plantea si las
matemáticas que se trabajan en la escuela enseñan a pensar. Gran parte de los docentes
expresan que esto no sucede, ya que se trabajan de una forma automatizada y mecánica;
c) cálculo y matemática: el cálculo no debe ser la finalidad única de la matemática, ya
que éste debe ser una herramienta que se elige cuando se sabe qué hacer y conseguir con
él; d) recuerdos de las matemáticas: muchos docentes exponen su rechazo hacia las
matemáticas, en mayor parte, debido al mal recuerdo que tienen de su enseñanza, puesto
que no se dio oportunidad al análisis del error, de nuevas estrategias, de utilizar
materiales manipulativos,… en general, sigue siendo el tratamiento que continúa
dándose al aprendizaje de las matemáticas.
Para este autor (Fernández Bravo, 2007), existen cinco vías para el desarrollo del
pensamiento lógico-matemático: la observación libre por parte del alumnado, a través
de juegos dirigidos; otra de las variables facilitadores de este aprendizaje, es la
imaginación, presentando actividades que permitan una pluralidad de alternativas; la
intuición, como medio para llegar a la verdad sin necesidad de razonamiento. Se plantea
el razonamiento lógico como resultado de la influencia que ejerce en el sujeto la
76
actividad escolar y familiar. Finalmente, la emoción debe dirigir el aprendizaje

basándose en querer saber y sentirse bien sabiendo, siendo éste objetivo primordial
para aprender.
Se plantea que la enseñanza de la matemática se debe basar en tres pilares

básicos. En primer lugar, debe basarse en la experiencia, el descubrimiento y la
construcción de conceptos, procedimientos y estrategias. Seguidamente, se debe atender
a la manipulación de materiales a través de actividades que faciliten la comprensión, la
motivación, la seguridad,… Por último, debe promover que el alumnado explique,
fundamente mediante argumentos lógicos sus conclusiones.
Fernández Bravo (1995, 2007) considera que existen cuatro etapas

fundamentales en el acto didáctico, que deben ser incorporados en cualquier
programación: elaboración, enunciación, concretización y transferencia o
abstracción.
Para llegar a la última etapa de abstracción, se debe partir del uso de material
manipulativo, Fernández Bravo (2001) propone los siguientes materiales como los más
habituales para su uso y los más válidos: el material Montessori, los bloques lógicos,
las regletas de Cuisenaire y los lotos. Este autor ha elaborado multitud de libros y
recursos para la enseñanza de las matemáticas, para la etapa de educación infantil y
educación primaria. Entre ellos cabe destacar: Fernández Bravo (2006), desarrolla los
conceptos y relaciones matemáticas a trabajar en el aula de educación infantil;
Fernández Bravo (2008), es un libre de referencia para el desarrollo del pensamiento
matemático en la educación infantil y primeros cursos de la educación primaria;
Fernández Bravo (2010a), destinado para estudiantes a partir de 4 años, donde se trabaja
la numeración cardinal y ordinal, composición y descomposición numérica,
complementariedad, seriación y orientación espacial; Fernández Bravo (2010b), en el
cuál se presenta diferentes técnicas creativas para la resolución de problemas
matemáticos; Fernández Bravo (2014), estudia las dificultades presentadas por el
alumnado al utilizar la técnica de contar, investiga procedimientos que eviten esas
dificultades y presenta actividades claras para la intervención educativa en la etapa de
Educación Infantil; Fernández Bravo (2002a), donde se desarrollan las pautas del
trabajo didáctico para enseñar la numeración y las cuatro operaciones matemáticas y su
extensión a otros temas curriculares; y Fernández Bravo (2002b), presenta un juego
77
manipulativo dirigido al alumnado a partir de 2º de educación primaria, donde se ayuda

a descubrir la numeración y las operaciones matemáticas y numerosos temas de interés
relacionados con la aritmética.
3.7. Método Abierto basado en Números (ABN)
El método alternativo para el aprendizaje de las matemáticas denominado,

Método Abierto basado en Números, tal y como se expresa en la introducción, es uno de
los objetivos fundamentales de la presente Tesis Doctoral y está presente en la mayoría
de las hipótesis planteadas, por este motivo se va a dedicar un capítulo completo a la
descripción y explicación de dicho método. Se ha decidido tomar como referencia del
presente trabajo el método ABN porque es una metodología que está implantada en
multitud de centros educativos, su práctica en las aulas está lo suficientemente
contrastada y está perfectamente secuenciado y validado siguiendo los objetivos
marcados por el curriculum oficial.
78
CAPÍTULO 4 Método Abierto basado en Números (ABN)
CAPÍTULO 4: MÉTODO ABIERTO BASADO EN NÚMEROS

(ABN)
Tal y como se ha comentado en el punto anterior, se dedica un capítulo completo

a la descripción del Método ABN, puesto que es uno de los objetivos centrales de la
presente Tesis Doctoral. En el presente capítulo se detallan los antecedentes del método,
la base teórica sobre la que se sustenta, sus principales características que lo definen, la
evolución que ha tenido desde su implantación en 2008, la trayectoria profesional e
investigadora del creador del método, Jaime Martínez Montero, las líneas de
investigación activas actualmente, así como la explicación detallada de la adquisición
del sentido numérico, la resolución de problemas y las operaciones básicas siguiendo
esta nueva metodología. La puesta en marcha de esta nueva metodología ABN, se
realizó inicialmente en varios centros de la provincia de Cádiz y actualmente se
encuentra en una prometedora fase de expansión dentro y fuera de Andalucía e incluso
en Sudamérica y Europa (Martínez Montero, 2011).
4.1. Antecedentes del Método ABN
En la actualidad, lo que abunda es la recomendación de un mayor protagonismo

del cálculo mental, una adecuada ubicación de la calculadora en la tarea del cálculo, y
un mayor énfasis en las destrezas de estimación. También se observa una transición o
graduación que va desde los cálculos espontáneos de los estudiantes a la sistematización
de los algoritmos clásicos.
En cuanto al método ABN, si tenemos en cuenta las indicaciones que realiza el

propio autor son pocos los antecedentes en la aplicación de los modelos de algoritmos
que propone. Tan sólo podemos citar una recomendación, respecto a uno de los modelos
de sustracción, recogido en el artículo de Ramírez y Usón (1996) y una guía elaborada
por el Ministerio de Educación británico, denominada Guidance paper-calculation
(2007), en la cual se asientan los principios metodológicos de la importante renovación
de la matemática que se está llevando a cabo en ese país. Por ejemplo, para la
introducción de la suma emplea cuatro “etapas”: 1) sobre la recta numérica; 2) iniciando
79
las particiones de los números; 3) utilizando el algoritmo clásico, pero utilizando una
fila para cada combinación numérica; 4) es el algoritmo clásico vertical.
En otros países de nuestro entorno se están llevando a cabo experiencias de

renovación de la metodología matemática, como es el caso de Holanda, con el programa
“Proeve” o “Diseño de un programa nacional para la educación matemática en escuelas
primarias” y los “Bosquejos de trayectorias longitudinales de enseñanza-aprendizaje”
propuestos en 1997 y que actualmente siguen vigentes. El método ABN tendría como
precedentes más claros las actuaciones puestas en marcha en Holanda con el fin de
renovar la enseñanza-aprendizaje del cálculo. En concreto nos referimos a:
 El “Proeve” o “Diseño de un programa nacional para la educación matemática

en escuelas primarias” (Treffers, de Moor, y Feijs, 1989). Aunque se presenta
como un “programa nacional”, no existe como tal, sino como unas propuestas de
actuación dirigidas a todo el país. Recogen las diversas publicaciones que
componen el Proeve, descripciones de los diversos dominios dentro de las
matemáticas. Este trabajo no tiene como fin ni está pensado en su utilización
directa por parte de los docentes, sino un apoyo para los autores de libros de
texto, formadores de maestros, asesores e inspectores, pese a su estilo fácil y a la
abundancia de dibujos y ejemplos. Siguen apareciendo publicaciones dentro de
este marco, y están recogidos casi todos los contenidos propios de la materia:
destrezas numéricas básicas, algoritmos escritos, razones y porcentajes,
fracciones y números decimales, medición y geometría.
 Los “Bosquejos de trayectorias longitudinales de enseñanza-aprendizaje”,

puestos en marcha en 1997 y sobre los que se sigue trabajando. Los “Bosquejos”
recogen los pasos que se tienen que recorrer para que los estudiantes alcancen
los objetivos establecidos para su proceso de enseñanza y facilita a los
profesores un bosquejo narrativo de cómo puede realizarse el proceso de
aprendizaje, incluyendo materiales de trabajo, ejemplos, grabaciones, vídeos,
etc. En este ámbito, hasta ahora se han desarrollado tres trayectorias de
enseñanza-aprendizaje: una para el cálculo con números enteros en los primeros
grados de la escuela primaria (Treffers, Van den Heuvel-Panhuizen y Buys,
1999), una segunda para los grados superiores (Van den Heuvel-Panhuizen,
80
2001) y una tercera para la medición y la geometría en los primeros grados de la

escuela primaria (Van den Heuvel-Panhuizen y Buys, 2005).
4.2. Bases teóricas del método ABN
La fundamentación teórica del método ABN la encontramos en la órbita de los

modelos constructivistas, con origen en el psicólogo ginebrino Jean Piaget, que difunde
y representa en mayor medida su discípula Constance Kamii, específicamente, se han
tenido en cuenta los fracasos y las dificultades de cálculos algorítmicos tradicionales y
las contribuciones de Ashlock (2010). En cuanto a la metodología, este nuevo método
de enseñanza-aprendizaje de las matemáticas está basado en el enfoque de la
“Enseñanza Matemática Realista (EMR)”. El objeto de dicho enfoque es que la
matemática en las escuelas se considere como una actividad humana que tiene que
nutrirse de las propias experiencias del alumnado, que debe adaptarse a sus
características personales y debe estar relacionada con la vida diaria y las necesidades
reales de los sujetos (Van den Heuvel-Panhuizen, 1998). El objetivo es que las
matemáticas tengan un contacto directo con la realidad, estén asociadas a las
experiencias de los niños/as y tengan un valor social y humano.
Esta corriente de EMR, nace en Holanda como reacción frente al movimiento de

la Matemática Moderna de los años 70 y al enfoque mecanicista de la enseñanza de la
matemática, generalizado en ese momento en las escuelas holandesas; y, además, se
sustenta en la perspectiva sociocultural del aprendizaje humano de Vygostky y el
aprendizaje reflexivo. La EMR tiene sus bases en el Instituto para el Desarrollo de la
Educación Matemática, en la Universidad de Utrech, conocido hoy como Instituto
Freudenthal, que fundó este junto con otros colaboradores en el año 1970. Inicialmente,
la EMR más que ser una teoría clara y sencilla de educación matemática, consistió en
ideas básicas centradas en el cómo y en el qué de la enseñanza matemática (Alsina,
2009).
El enfoque de EMR, se crea bajo las ideas de Hans Freudenthal (1905-1990),

quien fue un matemático y educador de origen alemán y familia judía, propulsor de un
cambio en la enseñanza tradicional de la matemática, fundador y participante activo de
grupos tales como: Grupo Internacional de Psicología y Educación Matemática (PME) y
Comisión Internacional para el Estudio y Mejoramiento de la Enseñanza de las
81
Matemáticas (CIEAEM), en cuyas reuniones manifestaba su oposición a las corrientes

pedagógico-didácticas y a las innovaciones en la enseñanza vinculadas a la matemática
de mediados del siglo pasado.
Freudenthal concibe a la matemática como una actividad humana que consiste

en matematizar, o sea, organizar o estructurar la realidad, incluida la matemática misma
(Zolkower, Bressan y Gallego, 2006) y considera las siguientes características:
a) Los contextos y situaciones problemáticas realistas como generadores de la actividad

matematizadora de los estudiantes.
b) El uso de modelos, esquemas, diagramas y símbolos como herramientas para

representar y organizar estos contextos y situaciones.
c) La centralidad de las construcciones y producciones de los escolares en el proceso de

enseñanza/ aprendizaje.
d) El papel clave del docente como guía.
e) La importancia de la interacción grupal.
f) La fuerte interrelación e integración de los ejes curriculares de la matemática.
Esta teoría ha llegado a extenderse a algunos países de Europa y América,

destacándose por ejemplo en Latinoamérica el Grupo Patagónico de Didáctica de la
Matemática (GPDM) creado en febrero del 2000 por las profesoras Ana Bressan y
Betina Zolkower.
Actualmente, teniendo en cuenta a (Alsina, 2009) la EMR se basa en seis

principios fundamentales, como se observa en la siguiente tabla (tabla 1):
82
Principio ¿Qué es? ¿Cómo puede trabajarse?

De actividad Las matemáticas se consideran una actividad Matematizar involucra
humana. principalmente generalizar y
La finalidad de las matemáticas es matematizar formalizar.
(organizar) el mundo que nos rodea, Formalizar implica modelizar,
incluyendo a la propia matemática. simbolizar, esquematizar y
La matematización es una actividad de definir, y generalizar conlleva
búsqueda y de resolución de problemas, pero reflexión.
también es una actividad de organización de un
tema.
De realidad Las matemáticas se aprenden haciendo El contexto de los problemas que
matemáticas en contextos reales. se presenta al alumnado puede
Un contexto real se refiere tanto a situaciones ser el mundo real, pero esto no es
problemáticas de la vida cotidiana y necesariamente siempre así.
situaciones problemáticas que son reales en la Es necesario que
mente de los estudiantes. progresivamente se desprendan
de la vida cotidiana para adquirir
un carácter más general, o sea,
para transformarse en modelos
matemáticos.
De niveles Los estudiantes pasan por distintos Esquematización progresiva
niveles de comprensión: (profesor) y reinvención guiada
- Situacional: en el contexto de la situación. (aprendiz): las situaciones de la
- Referencial: esquematización a vida cotidiana son matematizadas
través de modelos, descripciones, para formar relaciones más
etc. formales y estructuras abstractas.
- General: exploración, reflexión y
generalización.
- Formal: Procedimientos estándares y
notación convencional.
De reinvención Proceso de aprendizaje que permite Presentar situaciones

guiada reconstruir el conocimiento matemático problemáticas abiertas que
formal. ofrezcan una variedad de
estrategias de solución.
Permitir que los estudiantes
muestren sus estrategias e
invenciones a otros.
Discutir el grado de eficacia de las
estrategias usadas.
De interacción La enseñanza de las matemáticas es La negociación explícita, la
considerada una actividad social. intervención, la discusión, la
La interacción entre los estudiantes y entre los cooperación y la evaluación son
estudiantes y los profesores puede provocar elementos esenciales en un
que cada uno reflexione a partir de lo que proceso de aprendizaje
aportan los demás y así poder alcanzar niveles constructivo en el que los
más altos de comprensión. métodos informales del aprendiz
son usados como una plataforma
para alcanzar los formales.
En esta instrucción interactiva,
los estudiantes son estimulados a
explicar, justificar, convenir y
discrepar, cuestionar alternativas
y reflexionar.
De Los bloques de contenido matemático Las situaciones problemáticas
interconexión (numeración y cálculo, álgebra, geometría,…) deberían incluir contenidos
no pueden ser tratados como entidades matemáticos interrelacionados.
separadas.
Tabla 1. Principios fundamentales de la EMR

Fuente: Alsina (2009)
83
De forma muy resumida, podemos enumerar como rasgos más significativos de

la EMR, los siguientes:
- Se utilizan situaciones de la vida cotidiana o problemas contextuales como punto de

partida para aprender matemáticas. En este punto es donde se fundamenta el trabajo de
resolución de problemas a través de la metodología ABN.
Tal y como expone Van den Heuvel-Panhuizen (2002), estas situaciones son
matematizadas a través de modelos, mediadores entre lo abstracto y lo concreto, para
formar relaciones más formales y estructuras abstractas.
- Se apoya en la interacción en el aula entre los estudiantes y entre el profesor y los

estudiantes. Esta interacción, que debe ser intensa, permitirá a los profesores construir
sus clases teniendo en cuenta las producciones de los estudiantes (Fauzan, Plomp y
Slettenhaar; 2002).
- Otra idea clave es que a los estudiantes se les debería dar la oportunidad de reinventar
las matemáticas bajo la guía de un adulto en lugar de intentar trasmitirles una
matemática pre-construida (De Corte, Greer y Verschaffel, 1996). En este aspecto, el
método ABN, permite la personalización e individualización de la resolución de
operaciones y problemas, siendo ésta una de las características principales.
4.3. Características del Método ABN
Los principios en los que se basa el método ABN (Martínez Montero, 2011), se
basan en las evidencias del enfoque EMR sobre cómo aprende el alumnado los
conceptos matemáticos y cuál es su experiencia matemática; también sobre los
hallazgos efectuados por la investigación en didáctica de las matemáticas y en las
buenas prácticas escolares, y son los siguientes:
Principio de igualdad. No existe un «gen» matemático o personas «negadas» para la

matemática. Lo que demuestran las investigaciones es que el ser humano viene, de
nacimiento, muy bien dotado para el aprendizaje matemático (Wynn, 1998; 2002;
Gelman, Rochel y Gallistel, 2004). Aunque algunos estudiantes puedan aprender con
mayor facilidad, lo cierto, es que con las ayudas necesarias y los métodos adecuados
todos los estudiantes pueden alcanzar una competencia matemática aceptable.
84
Principio de la experiencia. La realidad de las aulas es que trabajamos con los

escolares, desde edades tempranas, conceptos muy abstractos cuando su nivel de
pensamiento se encuentra en la fase de las operaciones concretas. Por ello, es necesario
ampliar y fomentar la experiencia directa del manejo de los objetos o de las acciones
que se realizan con ellos por aprendizajes verbales o sustitutivos. Por ello, el niño debe
ser constructor activo de su propio aprendizaje.
Principio del empleo de números completos. Es un principio irrenunciable y que

marca el punto de ruptura con la metodología tradicional (CBC). El alumnado
manipula, opera, calcula y estima con números completos, sin divisiones artificiales que
le lleven a trabajar exclusivamente con cifras sueltas. Cuando el tamaño o estructura del
número hagan que sea muy compleja su utilización, el sujeto lo divide en números
completos más pequeños, pero nunca en unidades sin sentido.
Principio de la transparencia. Este principio se puede considerar desde más de un

punto de vista. Por un lado, en el aprendizaje de los contenidos matemáticos no se
deben ocultar los pasos y procesos con que se construyen los mismos. Por otro lado, que
los materiales y recursos simbólicos que se empleen reflejen de la forma más fiel
posible la realidad que toman como referencia.
En el caso de los algoritmos ABN, reflejan con absoluta fidelidad los pasos
intermedios que se realizan en la construcción del resultado. En el segundo, los
materiales utilizados cumplen con este requisito.
Principio de la adaptación al ritmo individual de cada sujeto. No es adecuado que

todo el alumnado realice las tareas de cálculo de la misma forma y en los mismos
tiempos. Por ello, la estructura de los algoritmos ABN es muy flexible, y hace
posible la adaptación al ritmo individual de cada uno, permitiendo los desdobles y
facilitaciones de cálculos que en los formatos tradicionales son, sencillamente,
imposibles.
Principio del autoaprendizaje y del autocontrol. Que se consigue gracias a la peculiar

estructura de los nuevos algoritmos. El poder desdoblar o agrupar los diversos cálculos,
el manejo simultáneo de la totalidad de la estructura aditiva o multiplicativa de que se
trate, el control de todos los pasos intermedios, abre las posibilidades de integrar y
85
acortar los procesos intermedios, así como el que sea el propio sujeto el que verifique la
exactitud de lo que hace.
La metodología del cálculo ABN supone un cambio muy importante en la

cantidad y en la calidad de los logros matemáticos de los niños/as. El método puede ser
definido como un método de cálculo mental y resolución de problemas diferente a la
metodología tradicional, ya que promueve un aprendizaje natural y abierto mediante el
cual los estudiantes pueden resolver las operaciones y problemas de diversas maneras,
atendiendo al progreso individual de cada estudiante. Esto se concreta en que el
alumnado aprende más rápido y mejor, les ayuda de manera espectacular a mejorar su
capacidad de estimación y el cálculo mental, así como la resolución de problemas.
Además, este nuevo método permite que cada estudiante realice las operaciones según
su propia capacidad, lo que se traduce en una mejora efectiva de la motivación y un
cambio favorable en la actitud del alumnado ante las matemáticas (Martínez Montero,
2010a; Martínez Montero y Sánchez, 2011).
Los algoritmos ABN tienen los siguientes rasgos generales:
- Van de izquierda a derecha o, si es necesario, de derecha a izquierda. La

dirección que el alumnado adopte en la consecutividad de los cálculos va a
depender de su propio estilo de aprendizaje y de su propia técnica.
- No fracciona los números en cifras, sino que siempre se manejan números
completos con su significado.
- La técnica de resolución es flexible y se adapta a las posibilidades del alumnado
etc. Cada niño/a puede hacerlas de manera distinta, puede calcular dos o tres
órdenes de unidades de una vez y, si fuera necesario o así lo considerara, puede
desdoblar el cálculo de un solo orden en varios.
- Al trabajar con objetos y con números, hay referencias a contextos, lo que deriva
en una mayor capacidad de resolución de problemas.
En resumen, las cuatro características fundamentales del método son:
1. Basado en números: que significa al menos tres cosas,
 Trabajar con números, y no con cifras.
 Tener un conocimiento exhaustivo del sistema de numeración.
 Utilizar el sentido izquierda-derecha para realizar los cálculos.
86
2. Cálculo abierto, partiendo de la necesidad de adaptarse al ritmo de aprendizaje de

cada sujeto. El formato propuesto permite que cada estudiante pueda desarrollar los
pasos que necesite, existiendo en una misma aula una gran variedad de ejemplos de los
diferentes tipos de procesamiento cognitivo y ritmos de aprendizaje diferentes.
3. Enfoque realista (se desarrolla ampliamente en el apartado 4.7.). La base del método
ABN se sustenta en la resolución de problemas reales y contextualizados, a ser posible
formulados y razonados por el alumnado, para ellos se hace necesario el trabajo en
pequeño grupo, valorando la verbalización en la resolución de problemas y operaciones
y la puesta en común en el grupo-clase, en este caso el profesor actúa como un guía en
el aprendizaje del alumnado, brindándole la oportunidad de reinventar y personalizar los
algoritmos.
4. Aprendizaje conceptual, frente al procedimental del CBC. En la metodología ABN se

persigue un aprendizaje conceptual, en el que se aprende antes, en menos tiempo, mejor,
de manera más motivadora, se olvida menos, una vez olvidado se rememora mejor y,
sobre todo, es una gran herramienta para los futuros aprendizajes, para que el alumnado
aprenda a aprender y a ser autónomo en esos aprendizajes.
Finalmente, se debe resaltar el sentido y el espíritu del ABN, ya que la idea

fundamental de la puesta en práctica de este método no es sólo difundir una forma
nueva de calcular. La esencia es que el alumnado aproveche las técnicas del cálculo
para desarrollar la lógica y el razonamiento matemático y adquirir competencia
matemática, formación intelectual, pensamiento formal, etc. Los espectaculares
resultados que se llegan a conseguir en cálculo es un resultado añadido, pero lo
importante es que no se aprovecha la potencialidad del cerebro para que aprenda a hacer
cálculos, sino que se aprovecha de las posibilidades y modelos formales que brinda el
cálculo para formar el cerebro.
4.4. Evolución del Método ABN
El principio del método comienza en el curso 2008/2009 en un grupo de primero

de primaria del CEIP “Andalucía” de la provincia gaditana. Al siguiente curso, se
extiende en cuatro colegios de la misma provincia CEIP “Andalucía” (Cádiz), CEIP
“Carlos III” (Cádiz), CEIP “Reggio” (Puerto Real) y CEIP “Reyes Católicos” (Puerto
Real). Es en este año donde empieza a conocerse este nuevo método de enseñanza
87
matemática, apareciendo en distintos medios de comunicación (prensa, radio y

televisión), siendo en el curso 2010/2011 donde se asienta complemente a nivel
nacional.
Durante el curso 2010/2011 y 2011/2012 distintos colegios de ámbito nacional

utilizan el método “ABN”, distribuyéndose por diferentes ciudades de nuestro país
como: Jaén, Córdoba, Almería, Sevilla, Málaga, Extremadura, Madrid, Castilla-León,
Cantabria, Murcia, Canarias, Valencia, Cataluña, Galicia, Asturias, Castilla-La Mancha
y Aragón.
Decir que durante en el curso 2012/2013 sigue el auge de centros educativos

españoles que utilizan este método, utilizándose en la educación infantil. Además de
empezar a expandirse a nivel internacional, en países como México, Argentina o Chile.
Por último, afirmar que en la actualidad, se conoce que este método está
enseñándose en distintas universidades, tanto españolas como mexicanas y chilenas; se
tiene constancia de su empleo en todas las Comunidades Autónomas Españolas, además
de utilizarse en Centros de Adultos, en prisiones y en Institutos de Secundaria, para el
refuerzo y medida pare la recuperación del alumnado. Según datos aportados por Cantos
(2016) en la actualidad entre 6.000 y 7.000 aulas siguen la metodología ABN, lo que
supone una cantidad aproximada de 200.000 estudiantes.
4.5. Trayectoria del promotor del método ABN
En lo que se refiere al autor del método, la renovación del cálculo y de la

metodología de los problemas aritméticos ha sido una constante en su ejecutoria. Uno
de los trabajos que marca su trayectoria es la realización de la Tesis Doctoral (Martínez
Montero, 1995), donde presenta una aproximación complementaria al aprendizaje de las
operaciones, y que apunta muchas de las dificultades que tiene el alumnado a la hora de
resolver problemas, y dónde se originan las mismas. En 1977 publica su primer artículo
(Martínez Montero, 1977), y en 1984 su primer libro (Martínez Montero, 1984), en él se
plantea una vía de renovación del cálculo de las cuatro operaciones utilizando bases de
numeración menores de diez. Tal uso facilitaba que el estudiante pudiera realizar
manipulativamente todos los cálculos de todas las operaciones, para lo que se proponía
el empleo de un material que adaptaba el propuesto por Papy (1963). En 1990 se
publica su segundo libro Martínez Montero (1990) sobre el tema, en el que se divulga lo
88
que, hasta esa fecha, eran los últimos hallazgos en investigaciones. Diez años después
publica un nuevo libro (Martínez Montero, 2000), en el que se recoge por primera vez la
alternativa al formato de las operaciones de adición, sustracción, multiplicación y
división. Una adaptación de las mismas a los estudiantes con especiales dificultades se
realiza en un nuevo trabajo, en el que hay un desarrollo más completo y adaptado. En el
primer estudio sobre la metodología ABN, (Martínez Montero, 2001) se muestra
claramente cómo el aprendizaje de las operaciones con los modelos de algoritmos
utilizados impiden un desarrollo adecuado del cálculo pensado y estimativo.
En el año 2008 publica un libro (Martínez Montero, 2008), en el que ya se

explicita para su traslado al aula el nuevo modo de calcular: paso del algoritmo antiguo
al nuevo, técnicas, secuencia de aprendizaje, aprendizaje de tablas y conexión con
problemas. También destacar Martínez Montero (2010a) donde se incorpora el nuevo
enfoque de la enseñanza de las matemáticas correctivas desde la iniciación a la
numeración y cálculo en edades tempranas, así como las diferentes categorías de
problemas de estructura aditiva y multiplicativa que el alumnado debe enfrentar a lo
largo de la educación primaria. Por último, en Martínez Montero y Sánchez (2011), se
presenta las bases de la metodología ABN desde la etapa de educación infantil,
desarrollando la propuesta didáctica en tres ejes de trabajo: 1) el establecimiento de la
numerosidad y cardinalidad de los conjuntos o colecciones de objetos; 2) La estructura
de los números y las comparaciones entre conjuntos y; 3) Las transformaciones en
conjuntos y colecciones. Iniciación a las operaciones básicas.
Es necesario destacar la peculiar y enriquecedora base documental que ha

generado la puesta en marcha del método ABN en las aulas. A partir de 2013 no se
publica ningún libro por entrar en la redacción del material escolar para Educación
Primaria en un primer momento y el último curso para Educación Infantil. Por tanto, los
desarrollos y las novedades del método se han incluido en los libros de texto y
cuadernos de trabajo, sobre todo en las Guías Didácticas. Otra forma de difundir el
conocimiento y los materiales que se van generando es a través de los cursos, de blogs
como el creado por Jaime Martínez Montero, algoritmos abn y el de actiludis (creado
por José Miguel de la Rosa); la página de Facebook (más de 10 000 seguidores) y de
los vídeos que se publican en los diferentes blogs del método y de los propios centros
educativos (hay unos dos mil en la red).
89
Lo que hasta ahora se ha hecho arroja resultados muy prometedores y el método

está suficientemente experimentado en las aulas de colegios públicos, concertados y
privados. En estos últimos años se han definido los formatos y algoritmos, se han
experimentado con un número de alumnos que no tiene precedentes, se ha depurado la
progresión y secuenciación de contenidos, al igual que se han definido los nudos de
dificultad,; tal y como se ha comentado anteriormente existe un material sistematizado
bastante abundante (libros, cuadernos de trabajo,…), destacando las guías didácticas
que son muy explícitas explicando todo y facilitando el auto aprendizaje de los
docentes. Sin embargo, se hace necesario comprobar empíricamente la bondad de la
metodología ABN a través de la evaluación de las distintas variables psicológicas que
intervienen en el aprendizaje de las matemáticas en base a este método, que es el objeto
del presente proyecto de tesis. Asimismo, se hace imprescindible estudiar de forma
empírica el procesamiento que se activa en el cerebro del alumnado que sigue el método
ABN, para lo que se requiere del estudio de las bases neurológicas implicadas en el
aprendizaje matemático, y más concretamente, en el desarrollo del sentido numérico y
la resolución de operaciones.
4.6. Investigación en el método ABN
Como antecedentes más próximos del presente estudio se cuenta únicamente con
los estudios realizados a nivel nacional (Martínez Montero, 2001; Martínez Montero,
2011; Bracho-López, Adamuz-Povedano, Gallego-Espejo y Jiménez (2014); y Bracho-
López, Adamuz-Povedano 2014).
Martínez Montero (2001) se ocupa de indagar y establecer los efectos no

deseados de los métodos tradicionales de numeración y cálculo en las aulas de
educación primaria; establece tales efectos no deseados en torno a tres grandes
cuestiones: el empobrecimiento de las estrategias y métodos espontáneos del alumnado
para enfrentarse a tareas de cálculo no rutinarias; el anidamiento de errores conceptuales
graves en los fundamentos del cálculo; por último, la carencia de significación de las
cantidades expresadas en cifras en un intervalo de edad más amplio de lo esperado.
En Martínez Montero (2011), se presenta los resultados del estudio realizado

durante el curso 2009-2010. La muestra estaba formada por 100 participantes
pertenecientes a 4 colegios públicos de la Bahía de Cádiz (dos públicos y dos privados).
El grupo experimental (n=49) sólo habían trabajado el cálculo siguiendo el método
90
ABN desde el comienzo de su escolaridad; el grupo control (n=51) sólo habían

trabajado a través del método CBC. En la primera semana de junio de 2010 se aplicaron
las pruebas que contenían tareas de cálculo mental, resolución de operaciones y
resolución explicada de problemas. Las tareas de cálculo mental y resolución de
operaciones fueron realizadas de forma colectiva y la tarea de resolución explicada de
problemas, de forma individual. Los resultados que se obtuvieron resaltan que los
estudiantes que siguen la metodología ABN obtienen mejores resultados en las tareas
presentadas, obteniendo un nivel de logro muy superior a los que siguen el método
CBC. Se concluye afirmando que el método ABN consigue un mejor rendimiento de los
sujetos menos dotados, que el que se obtiene con la aplicación de la metodología CBC.
En el primer caso, las diferencias intergrupos, entre el estudiante que obtiene mejores
resultados y el que los obtiene peores, son de 20 puntos, con una desviación típica de
5.87. En el segundo, esa diferencia es de 30 puntos, y la desviación típica alcanza los
6.82 puntos. En las siguientes figuras se pueden observar las diferencias en las
puntuaciones obtenidas por los participantes en cada una de las tareas:
Figura 40. Tarea de cálculo mental Figura 41. Tarea de resolución de operaciones
Figura 42. Tarea de resolución de explicada de problemas

Fuente: Martínez Montero (2011)
El siguiente estudio que tomamos como referencia es el realizado por Bracho-

López, Adamuz-Povedano, Gallego-Espejo y Jiménez (2014). El objetivo del estudio
91
era analizar el grado de desarrollo del sentido numérico alcanzado por el alumnado al
final de primer ciclo de educación primaria tras la utilización de la metodología ABN,
prestando especial atención a los resultados obtenidos para los diferentes ritmos de
aprendizaje. La muestra estaba formada por dos grupos de estudiantes de educación
primaria de dos colegios de la provincia de Córdoba. Ambos centros presentan
características parecidas y pertenecen a entornos socioeconómicos medio-bajos. El
alumnado de uno de los centros siguió durante el primer ciclo de educación primaria
(incluye primer y segundo curso) la metodología ABN, mientras que el alumnado del
otro colegio utilizó los algoritmos de cálculo tradicionales CBC, por lo que el primer
grupo ha sido considerado grupo experimental y el segundo grupo de control. Cada
grupo ha estado formado por 26 estudiantes, pero en el grupo experimental se
encontraron seis niños y niñas diagnosticados con necesidades específicas de apoyo
educativo (NEAE), por lo que se optó por no incluir al alumnado de estas características
en el estudio comparativo general. Se administró el test de competencia matemática,
TEMA-3. El test se aplicó de forma individual siguiendo las indicaciones del manual,
respetando el ritmo y horario de los centros. Se llevó a cabo al final del ciclo, es decir,
al final del segundo curso de educación primaria. Los resultados encontrados, mostraron
que en el análisis conjunto realizado existen diferencias significativas entre la
competencia matemática alcanzada en el grupo de estudiantes que siguieron la
metodología basada en los algoritmos ABN y la conseguida en el grupo que siguió la
metodología basada en los algoritmos tradicionales CBC. Se encontraron diferencias
significativas (sig.:0,004) entre las medias del índice de competencia matemática de
ambos centros. Estas diferencias se constataron en todos los aspectos de la matemática
formal e informal (numeración, comparación, convencionalismo, hechos numéricos y
conceptualización y cálculo, tanto formal como informal), aunque sólo se consideraron
significativas en numeración y cálculo, dentro de la categoría de la matemática
informal, y en convencionalismos y conceptualización, en el caso de la matemática
formal.
Por último, se hace referencia al trabajo realizado también por Bracho-López,

Adamuz-Povedano (2014). En este estudio se presentan los resultados citados en el
estudio anterior y se añaden los análisis de las puntuaciones obtenidas en el test
aplicado, por los estudiantes diagnosticados con NEAE. El objetivo fue analizar el
grado de desarrollo del sentido numérico prestando especial atención a los diferentes
92
ritmos de aprendizaje que se presentan en el aula. Los casos particulares de los 6

participantes son los siguientes:
• A.052 es un estudiante con capacidad intelectual límite, su coeficiente intelectual (CI)

está por debajo de lo considerado como normalidad, es decir, un CI entre 85 y 115,
aunque no es un retraso mental, el cual se considera cuando el CI está por debajo de 75.
• A.053 es un escolar con trastornos del espectro autista (TEA).
• A.054 es un estudiante que está en estudio en la unidad de salud mental pero todavía
no tiene un diagnóstico definitivo.
• A.056 y A.058 pertenecen a sendas familias completamente desestructuradas, con un

alto índice de absentismo escolar.
• A.072 es un escolar con dificultades de aprendizaje además de pertenecer a una

familia desestructurada.
Entre los participantes del grupo experimental diagnosticados como estudiantes

de NEAE se valora como muy positivos los resultados obtenidos en los casos de
capacidad intelectual límite y de trastorno del espectro autista, en los que se obtuvieron
índices de competencia matemática medio y por encima de la media, respectivamente,
así como desarrollos del conocimiento matemático propios de estudiantes de cursos
superiores. En los otros casos se obtuvieron valores considerados por debajo de la
media en uno de los estudiantes y pobres en los otros (Tabla 2).
Tabla 2. Índice de competencia matemática y curso equivalente del alumnado con NEAE
Fuente: Bracho-López, Adamuz-Povedano (2014)
Algunos de los resultados extraídos de la presente Tesis Doctoral han sido

presentados en congresos internacionales, como el VIII Congreso Internacional De
Psicología Y Educación, celebrado en la Universidad de Alicante en junio de 2016,
dentro de los simposios de “Dificultades de Aprendizaje en la Matemática Temprana” y
93
de “Procesamiento y representación de la magnitud numérica y su relación con la

ejecución matemática”; y en congresos nacionales, como el II Congreso de Cálculo
ABN que tuvo lugar en Madrid el pasado julio.
4.7. Adquisición del sentido numérico a través del Método ABN
En cuanto al trabajo a desarrollar para la adquisición y desarrollo del sentido

numérico en los primeros años de escolarización, se basa en los principios propuestos
por Gelman y Gallistel (1978) y Gelman y Meck (1983) para la adquisición y ejecución
del conteo infantil, de los cuáles los tres primeros son los que tienen una vinculación
más directa con la acción de conteo:
1. Principio de correspondencia uno a uno: el niño debe comprender que para contar los
objetos de un conjunto, todos los elementos del mismo deben ser contados y ser
contados una sola vez. Esta tarea se complica cuánto más abigarrados y desordenados
estén los objetos a contar. Esto supone establecer diferentes niveles de conteo, en
función de la dificultad que presente para el alumnado.
2. Principio de orden estable: las etiquetas que se adjudica a cada número deben ser
utilizadas en un orden concreto y estable.
3. Principio de cardinalidad: aplicación de la relación de inclusión jerárquica, esto

quiere decir que la última etiqueta asignada en el conteo de un conjunto de objetos sirve
también para representar el número de elementos que hay en el conjunto completo.
4. Principio de abstracción: el orden de elementos así como el cardinal, se aplican

independientemente de las características externas del conjunto a contar, teniendo en
cuenta la diversidad de conjuntos que se pueden contar.
5. Principio de irrelevancia del orden, según el cual el cardinal no de pende del sentido
que utilizamos al contar, sino de que se cuente una sola vez cada pieza o elemento, es
decir, el resultado del conteo no varía aunque se altere el orden empleado para enumerar
los objetos de un conjunto.
Una vez analizadas los métodos y procedimientos que se emplean para la

iniciación en el número en el aula de educación infantil, los autores presentan una
94
alternativa de trabajo para propiciar una mejor adquisición del sentido y concepto de
número. La secuencia de aprendizaje planteada consta de 5 pasos:
1. Búsqueda de conjuntos equivalentes: se pretende que el alumnado busque conjuntos

que tengan el mismo número de elementos. Se distinguen tres tipos de actividades:
emparejar conjuntos equivalente, búsqueda de conjuntos equivalente a uno dado y
creación de un conjunto y búsqueda de su equivalente.
2. Establecimiento de un patrón físico: se busca el patrón físico que represente cualquier

conjunto de un número determinado, de manera que se trabaja la secuencia de
abstracción que finalice en la forma abstracta que sirva para cualquier conjunto o
cantidad. Este ejercicio se debe enlazar con el anterior, se plantean dos tipos de
actividades: 1) establecimiento de referentes físicos comunes con significado, se debe
sustituir la creación de conjunto equivalente que realizaba en la actividad anterior, por
un conjunto externo real (alas de un pájaro, dedos de la mano,…); y 2) establecimiento
de referentes físicos comunes sin significado (abstractos), se trata de crear un patrón
físico que sirva de referencia para cualquier conjunto.
3. Ordenamiento de patrones: para llegar a este nivel, el alumnado debe realizar de

forma exitosa las anteriores actividades. Se diferencian tres niveles para la sucesión de
los números: se establecen en primer lugar las equivalencias entre conjuntos-patrones,
se sigue con la introducción de los conjuntos-patrones “vecinos” (anterior-posterior) y
se termina realizando el encadenamiento de los patrones vecinos (“vecinos de vecinos”).
4. Diversidad de apariencias en patrones. Se debe procurar que se utilicen múltiples

patrones para los números (dados, cartas, bloques multilink,…), de manera que se
incida directamente sobre el principio de abstracción y sobre la subitización
(reconocimiento de forma súbita el cardinal del conjunto).
5. Aplicación de la cadena numérica, a cada elemento del conjunto se le hace

corresponder el nombre de un número, siendo el total de elementos del conjunto el
último número que se indica.
En cuanto a la representación gráfica, Martínez Montero (2010a) indica que

existen 4 etapas desde la identificación del cardinal hasta llegar a su representación por
medio de grafías. La primera etapa corresponde a aquella en la que el alumnado es
capaz de reconocer y contar conjuntos reales representados con un dibujo e incluso,
95
dibujarlos ellos mismos. La siguiente etapa se refiere a la representación simbólica,

donde el alumnado debe ser capaz de reconocer el cardinal representado por trazos o
dibujos que permiten reconstruir la numerosidad y establecer o comparar el cardinal
respecto al conjunto que representan. La tercera etapa, enlaza símbolos y signos, en la
que se presentan las grafías con recordatorios. Y la última etapa, contempla la
representación gráfica de los números, sin ningún tipo de referencia a la numerosidad o
a la cardinalidad del conjunto que representan, llegando a la abstracción de la grafía.
La intervención propuesta por estos autores, plantea el trabajo en base a dos

grandes contenidos: la acción de contar y las unidades de orden superior (la
introducción a la decena). A continuación se especifican cada uno de ellos:
Acción de contar
Martínez Montero (2010a), considera que la numeración es una de las áreas de

las matemáticas que más se desaprovechan en la escuela, entre otros factores, debido al
escaso tratamiento de la composición y descomposición, trabajando en un elevado nivel
de abstracción desde el comienzo, desconectándolo de la realidad y las múltiples
agrupaciones y disposiciones que pueden presentar las cantidades. Se promueve un
pleno dominio del sistema de numeración, de manera que se puedan prevenir y/o
corregir muchas de las dificultades derivadas de la mala asimilación del mismo. Una de
las áreas que más dificultades presenta son aquellas que están relacionadas con la acción
de contar. Para el desarrollo de esta área el trabajo expuesto por el método ABN, se basa
en los 5 niveles de cadena numérica desarrollados por Fuson y Hall (1983) y en las
actividades que se ejemplifican para la consecución de dichos niveles:
1. Nivel Cuerda: el alumnado es capaz de recitar un trozo de recta numérica empezando

siempre a partir de uno y los términos no están diferenciados. Por ejemplo, uno, cuatro,
treinta y dos. El niño repite ésta secuencia cuando se le pide que diga los números que
sabe.
2. Nivel Cadena Irrompible: la sucesión sigue comenzando siempre en uno y a

diferencia del nivel anterior ya tiene bien diferenciados los números. Uno, dos, tres,
cuatro.
3. Nivel Cadena Rompible: En este nivel el alumnado es capaz de romper la cadena y

comenzar el conteo a partir de cualquier número que se le indique.
96
4. Nivel Cadena Numerable: Supone un dominio notable de la sucesión numérica. El

estudiante es capaz de contar un número determinado de eslabones, empezando desde
cualquier número, y detenerse en el número que corresponda. Es aquí donde se inician
las operaciones básicas del cálculo.
5. Nivel Cadena Bidimensional: implica la consecución de las destrezas del nivel

anterior y saber aplicarlas tanto en sentido ascendente como descendente, en ambas
direcciones.
En relación a las actividades y ejercicios que se pueden llevar a cabo para

propiciar el domino de los diferentes niveles de cadena numérica, se plantea que para la
adquisición de los niveles dos y tres se pueden trabajar tres tipos diferentes de
actividades:
a) Contar objetos o sucesos de la vida real: control de asistencia, inventario de la

clase, control del tiempo y calendarios, votaciones, latidos del corazón,…entre otras.
b) Iniciación a la simulación y representación: requiere la elaboración de un

sencillo material (figura 43), como son el tablero cuadrado (para la introducción
posterior de la tabla de números del 0 al 99 y del 1 al 100) y la recta numérica, que es un
material que sirve para múltiples actividades (contar de forma ascendente y
descendente, cálculo mental, iniciación a las operaciones básicas y a la medida,…) y es
un soporte fundamental para que el alumnado afiance y progrese en cada uno de los
niveles de dominio de la cadena numérica.
Figura 43. Material para la acción de contar en el método ABN

Fuente: Blog algoritmos ABN
97
c) Conteo a través de juegos infantiles: parchís, oca, escalera, juegos con barajas
de cartas…
Para la consecución del dominio de los niveles 4 y 5 de la cadena numérica, se

requiere del uso del siguiente material: recta numérica y una tabla con los números del 0
al 99 y del 1 al 100, dinero simulado (monedas y billetes), regletas, bloques multilink,
tapones, palillos,… La secuencia de tareas a realizar para la extensión de patrones y
periodicidades, será la siguiente:
o Iniciación al conteo de 2 en 2.
o Conteo de 10 en 10.
o Conteo de 2 en 2, 3 en 3, 4 en 4 y 5 en 5 desde el 0.
Para la adquisición del nivel 5 de la cadena numérica (contar hacia atrás), se
establecen diferentes actividades: simple lectura de números con el material de apoyo
visual, la adivinación y comprobación (tapando todos los números excepto el primero),
enumeración sin apoyo visual y, por último, retrocuenta de forma salteada.
Las unidades de orden superior. La introducción de la decena
En la etapa de educación infantil no suele introducirse la decena, no superando

el número nueve en las tareas aritméticas; ya en 1º de educación primaria, es cuando
tiene lugar la iniciación al agrupamiento en unidades de orden superior. Este proceso no
se lleva a cabo sin dificultades, ya que la comprensión de tal agrupamiento no se suele
conseguir hasta cursos más avanzados. Este autor (Martínez Montero, 2010a), propone
la siguiente secuencia para la introducción a la decena, a tener en cuenta en la etapa de
educación infantil o con estudiantes de cursos posteriores que presenten dificultades,
siempre con el apoyo del material manipulativo para pasar a la abstracción de una forma
más natural:
 Contar sobrepasando, mucho, la decena: La agrupación en unidades de orden

superior se introduce para simplificar el conteo de cantidades numerosas de
elementos. Para conseguir la comprensión de estas unidades de orden superior se
debe proporcionar oportunidades en las que el alumnado tenga que contar, y
contar mucho, pasando de diez, treinta,… haciendo ver la necesidad de
simplificar este procedimiento, que puede resultar tedioso bien porque se
equivoque y tenga que comenzar de nuevo a contar, o bien, porque se le manda
98
volver a contar una parte de lo que ya ha contado. Se traduce en que vaya

agrupando para facilitar este conteo, y de esta manera cuenta las grandes
unidades facilitando la tarea de contar. Esta actividad conviene realizarla
contando pajitas, palotes, dedos de las manos, palillos, tapones,… cualquier
material manipulable que esté a nuestro alcance.
 Modelos para la introducción a la decena: se presentan cinco modelos que sirven
de transición a la representación de la decena en el sistema numérico decimal: 1)
con equivalencia o de sustitución y reversibilidad: la decena se construye
subsumiendo los elementos sueltos (figura 44). Se cuenta 10 palitos y se sujetan
con una goma o se cuentan 10 tapones y se meten en una bolsita; 2) sin
equivalencia o conservación de la cantidad y sin reversibilidad: la decena no es
el agregado de 10 unidades, sino una representación equivalente de los mismos.
La regleta del 10 es equivalente a diez regletas de 1, pero no se puede partir en
10 unidades (figura 45); 3) con contenido figurativo distinto: son modelos de
asignación de valor, representado por el dinero, un billete de 10 euros no tiene
ninguna relación con diez monedas de 1 euro, es el significado que se le da de
forma externa; 4) con contenido posicional remarcado: las unidades y las
decenas se representan por el mismo signo, pero utilizando una pista o destello
para diferenciar la cifra que corresponde a los dieces y la que representa a los
unos. Nos podemos ayudar del color: rojo = decena; azul = unidades (figura 46);
y 5) con contenido posicional sin remarcar o representación estándar: es el
objetivo al que se pretende llegar, escritura de las cantidades sin ningún tipo de
diferencia entre las cifras, el alumnado debe integrar el doble valor de las cifras,
el absoluto y el de la posición.
Figura 44. Modelo de equivalencia, conservación de la cantidad y reversibilidad.

99
Figura 45. Modelo de no equivalencia, con conservación de la cantidad y sin reversibilidad.

2 3
decenas unidades
Figura 46. Modelo con contenido posicional remarcado.
Para finalizar el apartado correspondiente al desarrollo del sentido numérico en

educación infantil y educación primaria, Martínez Montero (2010a), resalta la
importancia de trabajar actividades específicas para prevenir o corregir los problemas de
aprendizaje que presenta la numeración de números de tres o más cifras. Resaltamos las
siguientes actividades:
1-. Equivalencias entre los diversos órdenes de unidades, con tareas como las que
siguen:
a) Completa la tabla siguiendo el ejemplo:
Nº CENTENAS DECENAS UNIDADES

464 0 46 4
789 0
952 82
b) Rellena los espacios en blanco (UM: unidades de millar; C: centenas; D:

decenas; U: unidades):
2 UM = 20 C 43 C = … D 17 UM = … U
5 UM = … D 30 D = --- U 22 C = --- D
2-. Confusión entre “número de…” y “cifra de…”: las actividades a realizar pueden ser
del siguiente tipo:
100
Cifra de Nº de Cifra de Nº de Cifra de Nº de

centenas centenas decenas decenas unidades unidades
2348 3 23 4 234 8 2348
962
1359
3-. Utilización de plantillas de referencia para escribir los números con cifras:
Tres mil doscientos cincuenta y ocho 3 2 5 8

Tres mil doscientos cincuenta
Tres mil doscientos ocho
Tres mil cincuenta y ocho
Tres mil doscientos
Tres mil cincuenta
Tres mil ocho
Tres mil
También se puede realizar el ejercicio inverso, teniendo que escribir el número

con palabras, que plantea muchas dificultades:
Tres mil doscientos cincuenta y ocho 3 2 5 8

3 2 5 0
3 2 0 8
3 0 5 8
3 2 0 0
3 0 5 0
3 0 0 8
3 0 0 0
En la práctica que se están llevando a cabo en las aulas que siguen el método
ABN, encontramos más ejemplos de actividades para trabajar la numeración de una
forma más avanzada que como se trabaja en el método CBC. En las siguientes figuras
se ejemplifican las actividades más habituales para trabajar la descomposición con
formato abierto y flexible (figura 47), la descomposición en formato posicional y en
formato aditivo (figura 48), sol de los números para descomponer los números de todas
la formas posibles, (figura 49) y operaciones con formato posicional (figura 50), entre
otras, tomadas del blog: “Algoritmos ABN. Por unas matemáticas sencillas, naturales y
101
divertidas” (Martínez Montero, 2008) destinado a la ejemplificación de la puesta en

práctica del método ABN.
Figura 47. Descomposición formato abierto (ABN).

Figura 48. Descomposición en formato posicional y aditivo (ABN).

Figura 49. Sol de los números para descomponer de múltiples formas (ABN).
102
Figura 50. Operaciones formato posicional (ABN).

Esto es sólo una pequeña muestra de la infinidad de ejemplos que podemos

encontrar en la web, presentes en blog, portales y redes sociales destinadas al fomento
de la colaboración entre docentes; se puede decir que se está produciendo una corriente
que apoya el uso de una metodología diferente al formato CBC, en definitiva, una
metodología que potencie las capacidades para el cálculo de los estudiantes, en base a la
resolución de problemas reales formulados por ellos mismos.
4.8. Importancia de la formulación y resolución de problemas en el

Método ABN
En el método ABN se considera que el proceso de resolución de problemas

consta de cuatro etapas (Martínez Montero, 2010a) (figura 51):
- Situación Real: desde edades tempranas, se debe originar situaciones reales o

ficticias que planteen problemas fáciles de imaginar para el alumnado. Se
fomenta que, en los primeros cursos (educación infantil y primer ciclo de
primeria) se trabajen a partir del juego.
- Abstracción (eliminar rasgos no pertinentes): en esta fase se debe conseguir
un nivel de abstracción en el que el estudiante sea capaz de seleccionar del
problema los datos que son necesarios para la resolución del problema y
eliminar los que innecesarios.
103
- Modelo matemático congruente: encontrar el modelo matemático que resuelve

la situación. Selección del algoritmo adecuado para llegar a la solución.
- Solución técnica del modelo: conlleva el poseer el dominio técnico del
algoritmo para resolver de forma satisfactoria el problema.
SITUACIÓN ABSTRACCIÓN
REAL (eliminar rasgos no pertinentes)
1. Dramatización
2. Representación figurativa
3. Representación simbólica MODELO DE CATEGORÍAS
4. Ayudas textuales SEMÁNTICAS DE PROBLEMAS
5. Formulación verbal
SITUACIÓN MODELO
TÉCNICA DEL MATEMÁTICO
MODELO CONGRUENTE
Figura 51. Fases del proceso de resolución de problemas (ABN).
Las etapas que este autor considera que deben existir para pasar de la
dramatización de los problemas al texto escrito, son: 1) Dramatización de las
situaciones problemáticas planteadas en el aula, basadas en la protagonización de las
mismas a partir de problemas reales expuestos por la maestra, la utilización de material
manipulativo y formulación de problemas a partir de la representación de la situación;
2) Representación figurativa de problemas: se deben utilizar como apoyo para resolver
los problemas, ciertas ayudas figurativas que representen de forma visual la situación
que plantea el problema; 3) Representación simbólica de problemas: en esta etapa se
eliminan las representaciones de la realidad por la ayuda de símbolos (figura 52) y; 4)
Representación escrita de problemas (con ayudas textuales): en esta etapa se eliminan
las ayudas figurativas y simbólicas y se trabajan únicamente con los signos numéricos,
pero se incluyen en el texto ciertas ayudas para hacer más accesible el lenguaje
matemático al alumnado (Figura 53). Esta secuencia finalizaría con la formulación
verbal de los problemas por los estudiantes:
104
Con fichas
Con bloques multilink
Con la recta numérica
Con rectángulo del 10
Figura 52. Representación simbólica de la resolución de problemas (ABN)

María tiene 14 caramelos. Su tía le da 6 más. ¿Cuántos caramelos tiene ahora?

Al principio, María tenía 14 caramelos. Después y antes de comerse ninguno, su tía le
da 6 caramelos más. ¿Cuántos caramelos junta ahora?
Figura 53. Ayudas textuales para la resolución de problemas (ABN)
Categorías semánticas de los problemas
En cuanto al estudio de categorías semánticas de los problemas, se va a

distinguir entre categorías semánticas de estructura aditiva (adición y sustracción) y
multiplicativa (producto y división).
 Estructuras aditivas
Algunos autores han propuesto diferentes esquemas de clasificación para los
problemas de suma y resta de una operación (Carpenter y Moser, 1982; Fuson, 1992;
Nesher, Greeno y Riley, 1982; Riley y Greeno, 1988; Riley, Greeno y Heller, 1983;
Vergnaud, 1982). Quizás la clasificación más utilizada haya sido la propuesta por Riley
y colaboradores, en la que distinguen tres categorías básicas de problemas: cambio,
combinación y comparación (Orrantia. 2005). Otros autores (Carpenter y Moser, 1982;
Fuson, 1992) presentan una categoría adicional que puede considerarse una “mezcla” de
105
las categorías de cambio y comparación; son los problemas de igualación. Actualmente

existe gran acuerdo entre los investigadores en la existencia de las cuatro categorías:
cambio, combinación, comparación e igualación (Martínez Montero, 2010a).
CAMBIO (CA): recoge las situaciones en las que una cantidad sufre
incrementos o decrementos. En la siguiente tabla (tabla 3) se representa los seis tipos de
los que consta y un ejemplo de cada uno de ellos:
ID. MODELO CI CA CF TP SN CG NE
Marcos tiene 5 canicas. Gana 3.

CA1 5 3 ? + + SI 1º
¿Cuántas tiene ahora?
Marcos tiene 5 canicas. Pierde 3.

CA2 5 3 ? - - SI 1º
¿Cuántas le quedan?
Marcos tiene 5 canicas. Después de jugar tiene 8.

CA3 5 ? 8 - + NO 2º-3º
¿Cuántas ha ganado?
Marcos tiene 5 canicas. Después de jugar le

CA4 5 ? 2 - - SI 2º-3º
quedan 2. ¿Cuántas ha perdido?
Marcos ha ganado 3 canicas. Ahora tiene 8.

CA5 ? 3 8 - + NO 2º-3º
¿Cuántas tenía antes de empezar a jugar?
Marcos ha perdido 3 canicas. Ahora tiene 2.

CA6 ? 3 2 + - NO 1º
¿Cuántas tenía antes de empezar a jugar?
CLAVE: ID: Identificación. CI: Cantidad inicial. CA: Cambio. CF: Cantidad final. TP: Tipo
de problema por la operación. SN: Sentido del problema. CG: Congruencia entre el tipo de
problema y el sentido del problema NE: nivel educativo
Tabla 3. Tipos de problemas en categoría de Cambio.
COMBINACIÓN (CO): Esta categoría de problemas, abarco las situaciones que

analizan la relación entre las partes y el todo. Consta de 2 tipos (tabla 4):
Tengo 3 caramelos de menta y 4 de fresa.

CO1 3 4 ? + + SI 1º
¿Cuántos caramelos tengo en total?
Tengo 7 caramelos. 3 son de fresa, y los demás de

CO2 3 ? 7 - = 2º-3º
menta. ¿Cuántos tengo de menta?
Tabla 4. Tipos de problemas en categoría de Combinación.
COMPARACIÓN (CM): Contempla las situaciones en las que una cantidad es

comparada respecto a un referente. Estudia la relación existente entre dos cantidades
que se comparan y está compuesta por 6 tipos (tabla 5):
106
Marcos tiene 8€. Raquel tiene 5€. ¿Cuántos euros

CM1 8 5 ? - + NO 2-3º
más tiene Marcos?

CM2 5 8 ? - - SI 1º
menos tiene Raquel?
Raquel tiene 5€. Marcos tiene 3€ más que

CM3 ? 5 3 + + SI 1º
Raquel. ¿Cuántos € tiene Marcos?
Marcos tiene 8€. Raquel tiene 3€ menos que

CM4 ? 8 3 - - SI 1º
Marcos. ¿Cuántos € tiene Raquel?
Marcos tiene 8€, y tiene 3€ más que Raquel.

CM5 8 ? 3 - + NO 2º-3º
¿Cuántos € tiene Raquel?
Raquel tiene 5€, y tiene 3€ menos que

CM6 5 ? 3 + - NO 3º-5º
Marcos. ¿Cuántos € tiene Marcos?
Tabla 5. Tipos de problemas en categoría de Comparación.
IGUALACIÓN (IG): se ocupa de las situaciones que se plantean cuando dos cantidades,
tras ser comparadas, se modifican hasta que lleguen a ser iguales. También está
compuesta por 6 tipos (tabla 6):

IG1 más necesita Raquel para tener los mismos que 5 8 ? - - NO 2º-3º
Marcos?

IG2 tiene que perder Marcos para tener los mismos 8 5 ? - + NO 1º
que Raquel?
Raquel tiene 5€. Si Marcos perdiera 3€, le

IG3 quedarían los mismos que a Raquel. ¿Cuántos ? 5 3 + + NO 2º-3º
euros tiene Marcos?
Marcos tiene 8€. Si a Raquel le dieran 3€ más,

IG4 tendría los mismos que Marcos. ¿Cuánto dinero ? 8 3 - - NO 3º-5º
tiene Raquel?
Raquel tiene 5€. Si le dieran 3, tendría los

IG5 mismos que Marcos. ¿Cuántos euros tiene 5 ? 3 + + SI 1º
Marcos?
Marcos tiene 8€. Si perdiera 3, tendría los

IG6 mismos que Raquel. ¿Cuántos euros tiene 8 ? 3 - + SI 1º
Raquel?
Tabla 6. Tipos de problemas en categoría de Igualación.
 Estructuras multiplicativas
Se considera que existen tres grandes categorías para las estructuras
multiplicativas (Martínez Montero, 2010a):
107
ISOMORFISMO DE MEDIDAS (IM): en esta categoría, los datos del problema

tienen la misma naturaleza (el producto es de la misma naturaleza que el multiplicando
o que el multiplicador). Los tres tipos que la componen se representan en la tabla 7:
ID. MODELO MD MR PR NR TP NE
Un bar arroja cada día 12 botellas al contenedor.

IM1 12 8 ? MN M 3º
¿Cuántas arroja en 8 días?
Un bar ha arrojado 96 botellas al contenedor en

IM2 ? 96 8 MN D 3º
8 días. ¿Cuántas arroja cada día?
Un bar ha arrojado 96 botellas al contenedor.
IM3 Cada día tira 12. ¿En cuántos días ha arrojado 12 ? 96 DN D 3º
las 96 botellas?
CLAVE: ID: Identificación. MD: Multiplicando. MR: Multiplicador. PR: Producto. NR: Naturaleza del
resultado (MN: Misma naturaleza que el multiplicando o el dividendo. DN: Distinta naturaleza del
multiplicando o del divisor). TIP: Tipo de problema (M: Multiplicar. D: Dividir.)
Tabla 7. Tipos de problemas en categoría de Isomorfismo de medidas.
ESCALARES: Aquellos problemas en los que uno de los datos presenta una
relación comparativa. Para una mejor adaptación de estas categorías a las características
del alumnado, se distinguen dos subcategorías: escalares grandes (EG) cuando se
pregunta por la comparación de cuántas veces más; y escalares pequeños (EP) cuando
se cuestiona cuántas veces menos. Cada subcategoría consta de tres tipos (tabla 8):
Luis tiene 12 €. Irene tiene 5 veces más dinero.

EG1 12 5 ? MN M 3º
¿Cuánto dinero tiene Irene?
Irene tiene 60 €, que es 5 veces más que lo que

EG2 ? 5 60 MN D 4º
tiene Luis. ¿Cuánto dinero tiene Luis?
Irene tiene 60 €. Luis tiene 12 €. ¿Cuántas veces

EG3 12 ? 60 DN D 4º
más dinero tiene Irene que Luis?
Luis tiene 12 €, y tiene 5 veces menos dinero

EP1 12 5 ? MN M 5º-6º
que Irene. ¿Cuánto dinero tiene Irene?
Irene tiene 60 €, y Luis tiene 5 veces menos

EP2 ? 5 60 MN DP 5º-6º
dinero que Irene. ¿Cuánto dinero tiene Luis?
Irene tiene 60 €. Luis tiene 12 €. ¿Cuántas veces

EP3 12 ? 60 DN DC 5º-6º
menos dinero tiene Luis?
Tabla 8. Tipos de problemas en categoría de Escalares Grandes y Pequeños.
108
PRODUCTO CARTESIANO: esta categoría es la más difícil para el alumnado,

puesto que en muchas situaciones el resultado real es inexistente, que sólo es posible
con una construcción mental. Contiene 2 tipos (tabla 9):
Andrea tiene 4 faldas y 3 blusas. ¿De cuántas

PC1 maneras diferentes se puede vestir con esas 4 3 ? DN M 5º-6º
prendas?
Andrea puede combinar sus faldas y blusas de
PC2 12 maneras distintas. Si tiene 4 faldas, ¿cuántas 4 ? 12 DN D 5º-6º
blusas tendrá?
Tabla 9. Tipos de problemas en categoría de Producto cartesiano.
Este autor plantea la secuencia didáctica para el trabajo de las diferentes

categorías semánticas de los problemas en la etapa de educación primaria, atribuyendo a
este trabajo sistemático una mejora notable en los resultados del alumnado (Martínez
Montero, 1995).
4.9. Resolución de algoritmos a través del Método ABN
Martínez Montero (2010a, 2010b), argumenta las razones de la falta de utilidad

que tienen hoy en día la enseñanza de los algoritmos CBC en la escuela. Las razones
son las que siguen:
- La descontextualización: desde edades tempranas se introduce al alumnado en la

resolución de operaciones a través de signos, sin ningún apoyo de material
manipulativo ni referentes figurativos o simbólicos.
- Las dificultades específicas del formato CBC: entre éstas se destaca que a) se
resuelvan de derecha a izquierda, un formato que no apoya el cálculo pensado;
b) se trabaja con cifras, no con números, lo que implica que no se pueda aplicar
estrategias de cálculo mental (únicamente las estrategias que se derivan de la
tabla de sumar) y que se resuelvan las operaciones por adosamiento, impidiendo
la estimación del resultado; c) se debe seguir un orden estricto e inflexible para
su realización, el procedimiento a utilizar ya viene previamente determinado y el
estudiante no puede modificarlo ni recurrir a la aplicación de algoritmos
personales.
- El enfoque de enseñanza CBC de los algoritmos es el principal culpable de las
dificultades que presenta el alumnado para la resolución de operaciones, puesto
109
que se trabaja en completa desconexión con los mismos. Los algoritmos deben
ser el instrumento para resolver problemas, por lo que de nada sirve realizar
operaciones sin una situación problema que haya que resolver.
Anteriormente se han presentado las características básicas de la metodología
ABN y debemos resaltar que la denominación ABN describe las principales
características de los algoritmos abiertos. Estas son: (a) Abiertos (A), puesto que no hay
una forma única de resolverlos, cada estudiante puede realizarlo de forma distinta, en
función de su ritmo de aprendizaje, dominio y estrategias de cálculo. Permite que cada
estudiante realice las operaciones según su propia capacidad, lo que se traduce en una
mejora efectiva de la motivación y un cambio favorable en la actitud del alumnado ante
las matemáticas (Martínez Montero, 2010a; Martínez Montero y Sánchez, 2011); (b)
Basados en Números (BN), se refiere a que el algoritmo siempre trabaja con números,
en todos los casos se combinan los números completos con todo su significado, al
contrario que los algoritmos tradicionales (CBC) que están basados en cifras y no
trabaja con cantidades globales.
En cuanto a los formatos de algoritmos que se utilizan en el método ABN, se

define como transparente, ya que a la hora de realizar la resolución de las operaciones,
no se ocultan cálculos ni procesos intermedios; en todo momento se trata que el
alumnado entienda el proceso de lo que está haciendo. Una de las diferencias más
relevantes, respecto al método CBC, es que los algoritmos ABN se pueden resolver de
izquierda a derecha o, si es necesario, de derecha a izquierda; la dirección que el
alumnado adopte en la realización de los cálculos va a depender de su propio estilo y
ritmo de aprendizaje y de su propia técnica, pudiendo aplicar estrategias de cálculo
mental en el formato de cálculo escrito. Las estrategias que son comúnmente más
utilizadas son: descomposición, redondeo y compensación. Resaltar que el ABN no
fracciona los números en cifras, sino que siempre se manejan números completos con su
significado. La técnica de resolución es flexible y se adapta a las posibilidades del
alumnado etc. Cada niño/a puede hacerlas de manera distinta, puede calcular dos o tres
órdenes de unidades de una vez y, si fuera necesario o así lo considerara, puede
desdoblar el cálculo de un solo orden en varios. Es indispensable el trabajo previo con
el material manipulativo, pasando por las fases figurativas y simbólicas, lo que permite
que al trabajar con objetos y con números, hay referencias a contextos, lo que deriva en
una mayor capacidad de resolución de problemas.
110
A continuación se presentan los formatos que el autor propone para el desarrollo

de las operaciones de adición o suma, sustracción o resta, producto y división.
Adición o suma
A continuación se presenta el algoritmo abierto de la suma o adición expuesto

por Martínez Montero (2010a), el cuál toma como referencia los números completos, y
no las cifras como ocurre en el algoritmo CBC. El algoritmo de adición siguiendo el
método ABN presenta un solo formato, en el que se debe agregar uno de los sumandos
al otro. El formato, tal y como se puede ver en la figura 54, se desarrolla en una tabla
con tres columnas, una de ellas corresponde a la cantidad que se agrega, la otra nos
indica lo que va quedando del sumando que se agrega y, la última, lo que va resultando
de esta agregación. Se debe tener en cuenta que cualquier operación de sumar se
realizará con el objetivo de resolver una situación-problema expuesta previamente. Una
vez que el alumnado coge soltura en la resolución del formato, se eliminan las cabeceras
de las columnas y pueden sintetizar los pasos desarrollados.
239 + 587 =
+ 239 587
AGREGO QUEDA RESULTA
200 39 787
20 19 807
10 9 817
3 6 820
6 0 826
Figura 54. Algoritmo de la suma planteado por el Método ABN
Debido al carácter abierto de este formato de adición, en el aula se pueden

encontrar tantas variantes como ritmos de aprendizaje presenten los estudiantes. Una
muestra de las diferentes variantes que podemos encontrar en la resolución de
algoritmos de la suma se presenta en las siguientes imágenes (figura 55), en las que se
observa como en el primer caso el estudiante resuelve la suma en 6 pasos, tomando
valores de los dos términos que tiene que sumar; en el segundo ejemplo se resuelve en 3
pasos en los que se combinan ambos sumandos para llegar al resultado; y en el tercer
111
caso, se llega a la solución realizando únicamente dos pasos en los que se combinan
también ambos sumandos para añadirlos a la primera cantidad.
Figura 55. Variantes en la resolución del algoritmo de la suma (ABN)

Fuente: Blog Algoritmos ABN
 Secuenciación del aprendizaje de la suma o adición
Los pasos fundamentales que tenemos que tener en cuenta para el adecuado
aprendizaje de la suma siguiendo la metodología ABN se resume en los siguientes pasos
(Martínez Montero, 2010a). En los 5 primeros pasos el alumnado resuelve las
operaciones con material de referencia (recta numérica, tabla del 100, palillos,
tapones,…), mientras que a partir del paso 6 se realiza en un primer momento con
material manipulativo y posteriormente, se pasa al trabajo con material de referencia y
la escritura del algoritmo, para pasar a la utilización del algoritmo, como paso previo al
cálculo mental, siendo éste el proceso lógico para resolver los problemas sin necesidad
del cálculo escrito.
1-. Combinaciones y descomposiciones de los números menores que el 10, para llegar a
los complementarios del 10. Este trabajo se realizará siempre en un primer momento a
nivel manipulativo, para pasar a la representación simbólica y por último, la abstracción
con el enfrentamiento de los signos numéricos. Los complementarios del 10 propician el
primer acercamiento a las estrategias básicas de cálculo mental: descomposición,
redondeo y compensación.
112
2-. Primeras sumas de dos dígitos con apoyo de la tabla de sumar, recta numérica y
tabla del 100.
3-. Sumas de tres dígitos: se trabaja en cuatro niveles: 1) sumas sin rebasar la decena
(4 + 2 + 1); 2) sumas rebasando la decena en la última combinación (4 + 5 + 6); 3)
sumas rebasando la decena en la primera combinación (6 + 7 + 5); y 4) sumas
rebasando la decena en las dos combinaciones (6 + 5 + 9).
4-. Sumas de decenas completas más dígitos (40 + 6).
5-. Sumas de decenas completas, extensión de la tabla de sumar (30 + 40).
6-. Sumas de decenas completas más decenas incompletas (40 + 35) (figura 56).
Figura 56. Fase 6 de la iniciación al algoritmo de la suma (ABN)

Fuente: Blog Algoritmos ABN
7-. Sumas de decenas incompletas más dígitos (53 + 8).
8-. Sumas de decenas incompletas más decenas incompletas (29 + 73) (Figura 57).
55 + 19 = 74
PROCEDIMIENTO A
1º) Suma 10 PROCEDIMIENTO B
2º) Suma 5 (para completar 1º) Suma 20
la decena más próxima se 2º) Al resultado se le resta 1
descompone el 9 en 5 y 4) (se utiliza estrategia de
3º) Suma 4 compensación)
(se usa la estrategia de
descomposición
Figura 57. Fase 8 de la iniciación al algoritmo de la suma (ABN)

Fuente: Web Actiludis y Elaboración propia
113
Por último, Martínez Montero (2010), plantea que existen siete problemas
diferentes de sumar: CA1, CO1, CM3 e IG5, permite manipulación directa del material;
mientras que, CA6, CM6 e IG4 requieren transformaciones previas (imprescindible
desarrollar el proceso de resolución de problemas completo (dramatización.
representación figurativa, representación simbólica y ayudas textuales).
Sustracción o resta
La sustracción o resta se considera una operación difícil, esto en parte debido a

las diversas operaciones que presenta y que admite un procedimiento común de
resolución. En el método ABN se proponen 4 procesos de manipulación de la
sustracción (Martínez Montero, 2010a):
DETRACCIÓN: se puede decir que es el prototipo de la resta. A partir de una

cantidad dada, le tenemos que quitar (detraer) una cantidad indicada en el problema y
contar lo que nos queda. Los cuatro problemas que requieren esta manipulación son:
CA2, CA5, CO 2 y CM4. El formato escrito que se propone para resolver este algoritmo
de la resta se presenta con una tabla de tres columnas, donde en la primera columna se
colocan las cantidades que se detraen, en la segunda lo que va restando de la cantidad
inicial y en la tercera, lo que queda por quitar (figura 58):
345 - 156 =
- 345 156
QUEDAN POR
QUITO RESTAN
QUITAR
100 245 56
45 200 11
10 190 1
1 189 0
Figura 58. Formato de detracción para el algoritmo de la resta (ABN)
ESCALERA ASCENDENTE: plantea situaciones en las que se parte de una

cantidad y se debe ir añadiendo hasta llegar a otra cantidad conocida. Los problemas
que exigen este formato de resta son dos: CA3 y IG1. El algoritmo que resuelve esta
manipulación requiere dos columnas, en la que la primera representa la cantidad que se
va añadiendo y la segunda, la cantidad que vamos consiguiendo a cada paso (figura 59):
114
4.348 – 2.094 =
Hay que llegar a 4.348
AÑADO LLEGO A
6 2.100
2.000 4.100
248 4.348
2.254
Figura 59. Formato de escalera ascendente para el algoritmo de la resta (ABN)
ESCALERA DESCENDENTE: son situaciones en las que se parte de una

cantidad y se le ha de quitar hasta llegar a otra cantidad dada. Los tipos de problemas en
lo que se precisa su desarrollo son: CA4, CM5, IG2, IG3 e IG 6. El algoritmo escrito
presenta dos columnas, una que recoge las cantidades que se van quitando y la otra,
indica las cantidades a las que se va llegando (figura 60):
3.467 – 1.659 =
Hay que llegar a 1.659
QUITO LLEGO A
1.400 2.067
400 1.667
8 1.659
1.808
Figura 60. Formato de escalera descendente para el algoritmo de la resta (ABN)
COMPARACIÓN: situaciones en las que se tiene que averiguar en cuánto una

cantidad es más pequeña o mayor que otra, que sirve de referencia. Los problemas de
CM1 y CM2 son los dos tipos de problemas que se encuadran en este modelo de
algoritmo. El formato escrito presenta tres columnas, en una se representa la cantidad
que se va retirando, y las otras dos muestran las dos cantidades que se comparan y lo
que va quedando en cada caso (figura 61):
115
3.145 – 1.256 =
- 3.145 1.256
RETIRO CANTIDAD A CANTIDAD B
1.000 2.145 256
145 2.000 111
100 1.900 11
11 1.889 0
Figura 61. Formato de comparación para el algoritmo de la resta (ABN)
Producto
En Martínez Montero (1999) se expone el procedimiento a seguir para el

aprendizaje de las tablas de multiplicar, necesarias para el desarrollo del algoritmo de la
multiplicación Aunque en un principio esta secuencia se planteó para llevarla a cabo
con el alumnado que presentan dificultades, esta secuencia es la que comúnmente se
lleva a cabo en las aulas de 2º y 3º de educación primaria que siguen la metodología
ABN. Los pasos a seguir son los siguientes:
1-. Aprendizaje de las tablas de 0, 1 y 10.
2-. Trabajar la propiedad conmutativa con las tablas aprendidas.
3-. Adquisición de la tabla del 2, se debe aprender del 2x2 al 2x9, ya que los anteriores
ya los conoce. Contar de 2 en 2 y hallar el doble, propician la memorización.
4-. Tabla del 3. Aprender del 3x3 al 3x9. Las actividades de seriar de 3 en 3 y hallar el
triple facilitan este aprendizaje.
5-. Tabla de 4. Se estudia del 4x4 al 4x9. El conteo de 4 en 4 y hallar el cuádruple o el

doble de la tabla del 2 inciden en la memorización de esta tabla.
6-. Para la tabla del 5 se trabaja del 5x5 al 5x9, puesto que los anteriores deben de estar
afianzados. Contar de 5 en 5, es un procedimiento sencillo y fácil para llegar a la
memorización.
7-. Para el aprendizaje de las tablas de 6, del 7, del 8 y la del 9 se deben trabajar los
productos en los que los dos factores son superiores a cinco e inferiores a diez. Este
116
truco es un procedimiento antiguo pero que resulta muy eficaz. A continuación, se

ejemplifica el proceso (figura 62):
 En cada mano levantamos los dedos que corresponden a cada número, da

igual la posición del dedo que levantemos, lo realmente importante es que para
el 6 le corresponde un dedo subido, al 7 dos, al 8 tres y al 9 cuatro.
 En cada mano subimos los dedos que represente a cada producto.
 La cantidad de dedos extendidos o contraídos serán los que nos den el
resultado de la operación. Para ello…
 Sumamos los dedos que están extendidos y dicho número son las decenas del
resultado. En nuestro ejemplo: 4 + 2 = 6 (decenas), es decir 60.
 Multiplicamos los dedos contraídos o cerrados y dicho número son las
unidades del resultado. En nuestro ejemplo 1 x 3 = 3.
 Sumamos ambos números y tenemos el resultado. 60 + 3 = 63.
4 + 2 = 6 (decenas) = 60
3x1=3
Figura 62. Formato de comparación para el algoritmo de la resta (ABN)

8-. Tablas extendidas (figura 63): Se incluye este último paso, aparte del anterior,
porque se considera que es uno de las actividades que ayudan a la generalización de las
tablas en el ámbito numérico que el alumnado conozca y emplee. El aprendizaje de las
tablas extendidas se debe llevar a cabo con cada una de las tablas que se han estudiado
en los pasos anteriores.
117
Figura 63. Aprendizaje de las tablas extendidas en 2º de E.P. (ABN)

Fuente: Blog CEIP Serafina Andrades (Chiclana de la Frontera)
En cuanto al algoritmo que se plantea en el método ABN (Martínez Montero,

2010a), supone una modificación sustancial del algoritmo tradicional, tanto en
apariencia como en el tratamiento de los cálculos. Este algoritmo alternativo, está
compuesto de tres columnas, para resolver multiplicaciones por 1 cifra, ya que en el
caso de tener más cifras el multiplicador se añadirá más columnas). En la primera
aparece la descomposición del multiplicando; en la segunda, se escriben los productos
parciales; y en la última, se van anotando los productos acumulados. Al ser un formato
abierto, el alumnado puede presentar cualquier variación que se ajuste a sus
necesidades; en relación a esta personalización del algoritmo se presentan varias
resoluciones para el producto de 348 x 7 (figura 64):
348 x7 = 348 x7 = 348 x7 =

300 2.100 200 1.400 340 2.380
40 280 2.380 100 700 2.100 8 56 2.436
8 56 2.436 40 280 2.380
4 28 2.408
4 28 2.436
Figura 64. Algoritmos para la multiplicación de 1 cifra (ABN)
Para el desarrollo del algoritmo de multiplicación con dos cifras en el

multiplicador, se añaden dos columnas más al formato anterior, una columna para el
segundo dígito y la otra, para hallar los productos parciales de la descomposición del
118
multiplicando por el bidígito. La siguiente figura (figura 65), muestra cómo se resuelve
este algoritmo, 3.486 x 73 por el estudiante:
3.486 x73
3.000 219.000
400 29.200 248.200
80 5.840 254.040
6 438 254.478
Figura 65. Algoritmo para la multiplicación de 2 cifras (ABN)
La secuencia a seguir para el desarrollo del algoritmo de multiplicación

siguiendo la metodología ABN sería la siguiente:
- Tablas de multiplicar hasta el 11 (en algunas aulas se trabaja hasta el 12).

- Extensión de los productos anteriores a decenas, centenas (2º de E.P.) y
unidades de millar (en 3º de E.P.).
- Introducción del algoritmo de dígitos por bidígitos (con y sin algoritmo escrito).
- Dígitos por números mayores que el 100 (con el formato escrito ABN).
- Bidígitos por bidígitos hasta el 20 (se puede apoyar con cálculo escrito).
- Bidígitos por bidígitos, utilizando el algoritmo ABN.
- Bidígitos por números mayores que el 100, precisa del algoritmo ABN.
- En los algoritmos mayores se empieza a iniciar el uso de la calculadora.
División
En el formato de algoritmo que se propone en el método ABN para la resolución

de las operaciones de dividir, se centra en el tratamiento de los números, procurando
hacer los cálculos accesibles y transparentes. A continuación se presentan los algoritmos
para resolver las divisiones por un dígito y por dos dígitos.
Para la resolución de la división por un dígito en Martínez Montero (2010a)

plantea para la iniciación un formato de cinco columnas, pero en la puesta en práctica
que se han llevado a cabo en los centros educativos, el formato que se utiliza desde el
inicio consta de 3 columnas. En la primera columna se representa el dividendo, en la
segunda la cantidad que se va repartiendo y en la tercera columna los cocientes parciales
que al sumarlo se obtiene el cociente total. Para el siguiente ejemplo, 9.348 : 7, se
realizaría de la siguiente manera (figura 66):
119
9.348 : 7
9.348 7.000 1.000
2.348 2.100 300
248 210 30
38 35 5
R: 3 1.335
Figura 66. Algoritmo para la división de 1 cifra (ABN)
Para el algoritmo de la división por dos cifras, el formato escrito que se plantea,
consta igualmente de tres columnas, pero en la práctica del aula se introduce el apoyo de
la escala para facilitar la resolución de la operación al alumnado. En cuanto que el
estudiante maneja este formato y presenta una agilidad en descomposiciones y
estimaciones, puede llegar a realizarla sin el apoyo del algoritmo escrito. Para resolver
17.438:32, se desarrollaría de la siguiente manera, siempre con el apoyo de la escala
para ir ajustándola a medida que el dividendo se va haciendo más pequeño (figura 67):
17.438 : 32 ESCALA
17.438 16.000 500 32 x 1.000 = 32.000
1.438 1.280 40 32 x 500 = 16.000
158 128 4 32 x 100 = 3.200
R: 30 544
Figura 67. Algoritmo para la división de 2 cifras (ABN).
Para alcanzar un dominio en el algoritmo ABN de la división, requiere trabajar

tres aspectos claves:
1-. El dominio completo de las tablas extendidas de multiplicar.
2-. El manejo de las descomposiciones de números elevados.
3-. Dominar la utilización de los restos parciales, tanto para hallarlos como para
acumularlos.
120
CAPÍTULO 5 Análisis de las magnitudes numéricas
CAPÍTULO 5: ANÁLISIS DE LAS MAGNITUDES NUMÉRICAS
5.1. Modelos de procesamiento numérico y cálculo.
La construcción de la representación mental ha sido un tema de estudio

polémico, ya que las pocas investigaciones que muestran los principales hallazgos
empíricos en este ámbito de procesamiento, no han sido replicadas. Dichos estudios
promueven diferentes modelos explicativos que difieren en la definición de la
naturaleza de la representación numérica y la forma de relacionarse de los componentes
implicados. A continuación, se presentan los principales modelos explicativos, uno de
tipo funcional, desarrollado por McCloskey, Caramazza y Basili (1985) y otro que
además de funcional aborda el sustrato neural de los componentes, propuesto por
Dehaene y Cohen (1995):
5.1.1. Modelo Modular abstracto de McCloskey, Caramazza y Basili, 1985;

McCloskey, Macaruso y Whetstone, 1992.
Este autor y sus colaboradores desarrollaron un modelo que propone

componentes separados para la comprensión y producción de números arábigos y
palabras. Uno de los postulados fundamentales de este modelo es que la comunicación
entre los distintos módulos de input y output está mediada por representaciones
abstractas internas. Así, independientemente del código usado, la vía entre un input y un
output pasa siempre por estas representaciones internas abstractas. Ésta es la principal
diferencia entre este modelo y la mayoría de los modelos actuales, que proponen,
además, la existencia de rutas asemánticas. La suposición de que las representaciones
internas de los números son abstractas ha sido ampliamente criticada y ha ocasionado la
aparición de modelos alternativos, que cuentan con mayor apoyo experimental. En el
modelo propuesto por estos autores, se distinguen los siguientes componentes (figura
68):
121
Figura 68. Modelo Modular Abstracto. McCloskey et al.(1985); McCloskey et al., 1992).
1. Sistema de procesamiento del número.
Incluye dos subsistemas para comprender y producir números: a) subsistema de

comprensión; y b) subsistema de producción. Dentro de ambos subsistemas del
procesamiento numérico se admiten diferenciaciones entre el procesamiento del código
arábigo en sus dimensiones léxica (números en forma de dígitos, como “46”) y
sintáctica (ubicación del dígito en la cadena de la cifra) y el procesamiento del código
verbal (de palabras numéricas), en sus modalidades oral y escrita (números en forma de
palabras, como “cuarenta y seis”), Los componentes para comprender los números
arábigos y verbales (palabra numérica) convierten los “inputs” numéricos en una
representación interna para usar en subsecuentes procesamientos cognitivos, como por
ejemplo para ejecutar cálculos. Independientemente del código que se utilice, los inputs
y los outputs tienen que “atravesar” dicha representación abstracta del valor del número,
o lo que es lo mismo, su magnitud.
2. Sistema de procesamiento de cálculo
Se compone de los conocimientos de hechos numéricos y de los procedimientos

necesarios para realizar cálculos. Se divide en dos subsistemas independientes: a) uno
para el cálculo mental; y b) otro, para el cálculo escrito. Ambos incluyen las
capacidades básicas para el acceso a la comprensión de los signos, los hechos
aritméticos, y los algoritmos matemáticos adecuados, todos ellos básicos para la
122
resolución de las operaciones aritméticas. Concretamente, este sistema demanda

mecanismos para comprender el signo de la operación (“+”), para la recuperación de
hechos aritméticos (“4 + 5 = 9”) y para ejecutar procedimientos de cálculo (para la
multiplicación multidígitos, empezar por la columna de la derecha, convertir los dígitos
de esta columna a representaciones internas, utilizar estas representaciones para
recuperar el producto de los dígitos,..).
Por lo tanto, según este modelo el procesamiento numérico se compone de tres

tipos de sistemas cognitivos: la comprensión, el cálculo y el sistema de producción de
respuestas. Un aspecto central en este modelo es la afirmación de que estos subsistemas
se comunican a través del uso de un código semántico de cantidad, único y abstracto. La
función del sistema de comprensión es codificar los diferentes input numéricos
(palabras numéricas o dígitos arábigos) en un código abstracto, que se convierte en la
entrada sobre la cual los sistemas de cálculo y de producción comienzan a operar. El
sistema de cálculo incluye la memoria para los hechos aritméticos básicos y las reglas,
así como la realización de procedimientos aritméticos más complejos (suma
multidígitos o multiplicación). Los hechos aritméticos, al igual que la salida de los
números del sistema de cálculo, están en un código abstracto. El subsistema de
producción da la vuelta al procedimiento realizado por el sistema de comprensión
convirtiendo la salida abstracta desde los sistemas de comprensión y cálculo en dígitos
arábigos, escritos o hablados, según sea requerido. De esta forma, la asunción de un
código único y abstracto como base del cálculo numérico tiene implicaciones sobre la
independencia de los procesos incluidos. Así, debido a que los números son
representados en un código abstracto antes de que se produzcan los procesos de cálculo,
el formato en el que los números entran al sistema no tendría implicaciones en el
cálculo. Consecuentemente, de acuerdo con este modelo, los procesos de cálculo no
deberían mostrar diferencias debido al formato original en el que se presenten los
números. Este modelo implicaría, por lo tanto, que la decodificación numérica y los
procesos de cálculo son independientes y estrictamente aditivos.
Las principales debilidades que presenta este modelo son: la modularidad de su

arquitectura, la naturaleza abstracta de la representación mental de los números y el
escaso desarrollo del sistema de comprensión. Estas debilidades fomentan el desarrollo
de otros modelos para la explicación del procesamiento numérico, entre los que cabe
123
destacar el modelo de triple código de Dehaene (1992) y Dehaene y Cohen (1995), que
se describe en el siguiente punto.
5.1.2 Modelo de triple código para el procesamiento de los números y el cálculo de

Dehaene, 1992; Dehaene y Cohen, 1995.
Este modelo neurofuncional fue la propuesta por Dehaene (1992); Dehaene y

Cohen, (1995) es por el que se rigen la mayoría de estudios que abarcan la revisión
de los aspectos relacionados con el procesamiento numérico y del cálculo. Se constituye
por tres módulos de información numérica mentalmente manipulables. Los autores
proponen que existen tres códigos sobre los que se basa el procesamiento numérico, que
a diferencia del modelo anterior, éstos pueden activar directamente otro sin la
intervención de la representación abstracta; sin embargo, cada componente contribuye a
diferentes tareas de procesamiento numérico, las cuáles se especifican a continuación:
 Representación análoga de la magnitud: se encarga de realizar el cálculo

aproximado y la estimación, así como las comparaciones de tamaño del número
y posiblemente en la “subitización” (o estimación inmediata).
 Forma numérica visual- arábiga: la entrada y salida de los dígitos y las
operaciones multidígitos son mediadas por la forma arábiga.
 Sistema de codificación auditivo-verbal: se encarga de mediar con la entrada y
salida escrita y hablada y proporciona las bases representacionales para la
adicción simple y multiplicación de hechos.
El modelo de triple código está basado en tres premisas principales:
1) Se defiende que se dispone de tres códigos mentales para la representación de los

números (figura 69):
a) Un código verbal (fonológico y grafémico), o sistema de codificación

auditivo-verbal en el que los números estarían representados como cadenas de
palabras sintácticamente organizadas (cincuenta y siete).
b) Un código visual arábigo, o forma visual de los numerales arábigos, que

permite manipular éstos espacialmente. En este nivel, los números se
representan como una lista ordenada de dígitos (57).
124
c) Código o representación análoga de la magnitud, en el que las magnitudes o

cantidades asociadas con un numeral se representan de forma analógica como
distribuciones de activación en la línea numérica orientada (de izquierda a
derecha).
Figura 69. Esquema del Modelo de triple código (Dehaene y Cohen 1995)
2) La segunda premisa del modelo postula que existen procedimientos diferentes de

transcodificación: Transcodificaciones asemánticas (a diferencia de otros modelos
modulares, estos autores se alinean con los modelos de utas múltiples). Defienden que
cada procedimiento numérico o tarea a realizar va necesariamente ligada a un código de
entrada y de salida específico. Esto quiere decir que hay procesos que permiten que la
información se traduzca directamente de uno a otro código (transcodificación). En este
sentido, estos autores no defienden la existencia de un código único abstracto, como el
propuesto por McCloskey et al. (1985, 1992), ni se la idea de que cada individuo
prefiera el uso de un código u otro, como proponen otros autores (Campbell y Clark,
1988; 1992 y Noël y Seron, 1992). A pesar de la ausencia de un código central
abstracto, este modelo de triple código predice procesos de recuperación y codificación
aditivos y no interactivos. Una vez que el input es transformado en el código apropiado,
el procesamiento ocurre de la misma manera sin tener en cuenta el formato del input.
Como consecuencia, cualquier tipo de diferencias en el rendimiento para una operación
numérica dada (juicio de magnitud, lectura numérica, recuerdo de hechos aritméticos)
deberían ser atribuidas a diferencias en la eficiencia de la codificación desde el código
125
del estímulo al tipo de codificación requerida para realizar esa operación (Dehaene,
1996, Dehaene y Akhavein, 1995; Dehaene, Bossini, y Giraux, 1993).
3) Procesamientos como recorridos específicos entre códigos fijos de entrada y

salida: a) Comparación de magnitudes: relevo sobre números codificados como
cantidades en una línea de números; b) Multiplicación y suma sencillas (tablas):
memoria de asociaciones verbales entre números; c) Sustracción: operación que
utiliza a representación de la cantidad; d) Operaciones multidígito: resolución mental
a través el uso del código arábigo visual y la representación visual de dígitos
alineados. La selección de uno u otro código depende del tipo de operación mental que
se requiera. Así, por ejemplo, mientras que el código arábigo-visual se usa
principalmente para las operaciones aritméticas con números de varios dígitos, el código
verbal-auditivo se usa para contar, y la representación análoga a las magnitudes se
utiliza para comparaciones.
5.2. Representación de magnitudes numéricas
Recientemente, se han desarrollado numerosos estudios de investigación sobre

las variables cognitivas implicadas en el aprendizaje numérico y matemático (Bryant y
Nunes, 2009; Dehaene, 2011; Nunes, Dorneles, Lin y Rathgeb-Schnierer, 2016). Una de
estas variables, objeto de estudio, es la representación de las magnitudes numéricas y su
influencia en las matemáticas e, incluso, en la vida adulta. Se ha demostrado que este
junto con la capacidad para comprender conceptos numéricos exactos cuando se
representan simbólicamente, el ser humano posee un Sistema Numérico Aproximado
que nos permite operar de manera aproximada con las cantidades. Diversos estudios han
puesto de manifiesto que este sistema para la representación de magnitudes se desarrolla
en otras especies (Brannon, Cantlon, y Terrace, 2006; Dehaene, Dehaene-Lambertz y
Cohen, 1998), se presenta en bebés (Xu, 2003; Xu y Spelke, 2000) y, se ha estudiado en
qué medida esta capacidad para operar de forma aproximada, sirve de base cognitiva
para las matemáticas simbólicas (Halberda, Mazzoco y Feigenson, 2008; Dehaene,
2011).
Asimismo, se ha estudiado el desarrollo de esta capacidad en población escolar;

Butterworth (2005) defiende que el conocimiento de las magnitudes numéricas influye
en el procesamiento matemático de nivel superior, como por ejemplo el cálculo; y, otros
126
muchos autores han estudiado la relación de la presencia de dificultades en matemáticas

con la capacidad de comprender y procesar magnitudes numéricas (De Smedt, Reynvoet
y Ghesquiere, 2009; Landerl, Fussenegger, Moll y Willburger, 2009; Passolunghi y
Siegel, 2004; Rousselle y Noel, 2007). Cabe destacar, aquellos estudios que han
mostrado la existencia de una clara relación entre las habilidades de estimación de
magnitudes numéricas y un mejor desempeño en pruebas de rendimiento matemático
tanto en el período preescolar como en cursos más avanzados (Berteletti, Lucangeli,
Piazza, Dehaene, y Zorzi, 2010; Booth y Siegler, 2006; Booth y Siegler, 2008;
Schneider y Grabner y Paetsch, 2009; Siegler y Booth, 2004). Estos estudios plantean
dos vertientes diferentes, aquellas que analiza el procesamiento numérico no simbólico,
considerado innato y común a los seres humanos, siendo capaces de representar y
manejar cantidades en un sistema no simbólico; y, por otro lado, se estudia el
procesamiento de magnitudes simbólicas, que empiezan desarrollarse cuando los
estudiantes aprenden a contar e inician su instrucción en matemática simbólica,
incorporando un sistema de representación preciso de las cantidades. Se considera que
el aprendizaje de sistemas numéricos simbólicos no reemplaza a los sistemas innatos no
simbólicos, sino que se asientan sobre ellos, existiendo cierto nivel de interacción e
interferencia entre ambos sistemas (Piazza, 2010). Las investigaciones pasadas y en la
actualidad en este área de conocimiento nos muestran resultados mixtos respecto a la
relación entre el procesamiento de magnitudes no simbólicas y simbólicas.
Por último, resaltar los recientes avances en la neuroimagen no invasivas que
han permitido a los investigadores buscar correlación neural de las representaciones de
magnitud numéricas. Los investigadores han encontrado que una región del cerebro
conocida como la corteza parietal, y en particular el surco intraparietal (figura 70),
desempeña un papel clave en el procesamiento de magnitud numérica (para revisiones,
ver Ansari, 2008; Nieder y Dehaene, 2009; Lyon y Ansari, 2015).
Figura 70. Reconstrucción del cerebro humano, que muestra el surco intraparietal (IPS) que se muestra en verde
Fuente: Lyon y Ansari (2015).
127
Por otra parte, los estudios con bebés y escolares pequeños han revelado que esta
región del cerebro se activa durante el procesamiento de magnitud numérica desde una
temprana edad en adelante (Cantlon, Brannon, Carter, y Pelphrey, 2006; Hyde, Boas,
Blair, y Carey, 2010; Izard, Dehaene-Lambertz, y Dehaene, 2008). De este modo, las
imágenes del cerebro proporciona otra fuente de pruebas en apoyo de la idea de que
existe un sistema aproximado para la representación de la magnitud numérica desde una
edad temprana y que hay similitudes cualitativas en la representación de la magnitud
numérica en el transcurso del desarrollo.
5.2.1. Procesamiento numérico no simbólico
Se considera que es un sistema primitivo de representación no verbal que

permite a los individuos procesar magnitudes y cuyo desarrollo no depende de una
enseñanza explícita (Feigenson, Dehaene y Spelke, 2004). Estas representaciones no
simbólicas se caracterizan por un efecto de ratio o de distancia numérica, esto es,
cuando la distancia numérica entre los conjuntos es pequeña o la ratio se aproxima a 1,
la ejecución es menos precisa y más lenta. En este sentido, el tamaño de los efectos de
distancia y ratio se consideran indicadores de la precisión de las representaciones de la
magnitud numérica, y se ha observado que dicho tamaño disminuye con la edad,
llevando a representaciones cada vez más precisas (Halberda y Feigenson, 2008). A
continuación se amplían ambos efectos:
- Efecto de la distancia numérica (NDE): En la investigación de Moyer y

Landauer (1967), sobre cómo representamos magnitudes, se analizaba el tiempo
que se tardaba en dar la respuesta a una comparación entre dos números y
obtuvieron que se empleaba menos tiempo cuando la distancia numérica entre
los números era grande (por ejemplo, 1  9) que cuando la distancia entre
ambas magnitudes era pequeña (por ejemplo 7  8). Este efecto ha ocupado una
posición destacada en los estudios sobre la cognición numérica, tanto en el
comportamiento (Dehaene, Dupoux, y Mehler, 1990; Lyon y Ansari, 2015),
como a nivel neuronal (Nieder, Freedman, y Miller, 2002; Pinel, Piazza, Le
Bihan, y Dehaene, 2004). Este efecto se obtiene normalmente en la tarea de
comparación de números (figura 71).
128
Efecto de distancia numérica (NDE)
Tiempo de reacción (ms)
Distancia numérica entre dos numerales
Figura 71. Ejemplo del efecto de la distancia numérica (NDE).

- Efecto de la ratio (NRD o también denominada efecto del tamaño numérico):

Moyer y Landauer (1967), también, encontraron, que al comparar dos números
con magnitudes pequeñas y dos números con magnitudes grandes, los
participantes eran más precisos y más rápidos, incluso cuando la distancia entre
ellos es constante. Esto es, que cuanto mayor es la ratio entre dos números, la
ejecución es más lenta (por ejemplo, 1  2; ratio: 0,50 y 8  9; ratio: 0,89)
(figura 72). En concreto, las personas tardan más tiempo y cometen más errores
cuando resuelven operaciones de cálculo con dígitos grandes y respuestas
grandes que cuando resuelven operaciones con dígitos y respuestas pequeñas
(Lyon y Ansari, 2015).
Figura 72. Ejemplo del efecto de la ratio (NRD).

129
En las últimas décadas, han sido abundantes los estudios sobre que han
demostrado que los bebés nacen con la habilidad para representar, discriminar y operar
con numerosidades, aunque no con total precisión (Feigenson et al., 2004). Ejemplo de
este tipo de estudios es el realizado por Xu y Spelke (2000), en el cuál se demuestra
como bebés de 6 meses pueden discriminar entre grupos de 8 y 16 ó 16 y 32 puntos,
pero no entre 16 y 24 puntos (figura 73). En estos estudios con bebés se utiliza el
procedimiento “tiempo de mirada” (looking-time paradigm), en el cual se presenta un
conjunto de puntos con la misma numerosidad (denominado estándar) repetidamente, lo
que hace que el tiempo que se dedica a mirar los estímulos se reduzca (conocido como
fenómeno de habituación).
Figura 73. Ejemplo comparación de magnitudes en bebes

Fuente: Xu y Spelke (2000).
Existen dos hipótesis respecto a cómo el procesamiento numérico no simbólico

podría producir un desempeño deficitario en matemáticas. La primera defiende que
existiría un déficit en el acceso a las magnitudes a través de los símbolos (De Smedt y
Gilmore, 2011; Landerl y Kolle, 2009; Rouselle y Noel, 2007). Según esta hipótesis, el
procesamiento no simbólico, a través de la interferencia que ejerce sobre el
procesamiento numérico simbólico, afectaría el desempeño en matemáticas. La segunda
hipótesis sugiere que existiría un déficit en la representación interna de la magnitud no
simbólica (Butterworth, 2005; Mussolin, Mejias, y Noel, 2010), y que dicha alteración
compromete el aprendizaje matemático.
130
Muchos investigadores (Butterworth, Granà, Piazza, Girelli, Price y Skuse,

1999; Dehaene, 1997; Halberda, Mazzocco, y Feigenson, 2008; Izard y Dehaene, 2007;
Paterson, 2001; Udwin, Davies, y Hosylin, 1996) afirman que tanto el NDE como el
NRD, reflejan un sistema subyacente para representar y procesar magnitudes
numéricas: un sistema análogo de representación de magnitudes. Se refieren a imaginar
que los números están representados en lo que se podría denominar “línea mental
numérica”. Las cantidades numéricas quedan representadas en una distribución no-
lineal o logarítmica que se asemejaría a la curva de Gauss (figura 74) (Lyon y Ansari,
2015). Cuánto más cercanas estén las magnitudes en la línea numérica más complejo
resulta discriminar magnitudes y más fácil con cantidades más separadas (NDE). El
efecto de la ratio se explicaría ya sea mediante el aumento en la anchura de las curvas
de cada magnitud o por la separación entre las magnitudes numéricas en la línea
numérica (que disminuye cuando aumentamos el tamaño).
Figura 74. Modelos para la representación de magnitudes en la línea numérica mental.

Algunos estudios recientes han demostrado la relación entre la edad y la

evolución que se experimentan en las representaciones de las magnitudes numéricas. En
base a la edad y la experiencia, los estudiantes desarrollan en primer lugar unas
representaciones logarítmicas de las magnitudes numéricas y posteriormente, en cursos
más avanzados, se evoluciona a representaciones lineales (Booth y Siegler, 2006;
Geary, Hoard, Byrd-Craven, Nugent y Numtee, 2007; Opfer, Thompson y DeVries,
2007; Siegler y Booth, 2004; Siegler y Opfer, 2003). La representación logarítmica
implica que las estimaciones serían cada vez más rápidas para números pequeños pero
no para números más grandes, mientras que el uso de una representación lineal
131
implicaría utilizar una tasa igual de tiempo para todo el rango numérico. El estudio de
Siegler y Booth (2004) analiza los resultados tras la aplicación de la tarea habitual para
evaluar la representación de la magnitud, de estimaciones en la recta numérica, qué
ocurre entre estudiantes de preescolar y segundo grado en estimaciones de (0-100) y
entre segundo y cuarto grado para la estimación 0-1.000. Nuestro estudio se basa en los
hallazgos encontrados por estos autores pero considerando necesario tener en cuenta la
metodología utilizada en el aula, analizando el modelo, lineal o logarítmico, utilizado
por los participantes en el estudio.
5.2.2. Procesamiento numérico simbólico
Numerosos estudios han analizado posibles variables externas e internas que

afectan al aprendizaje matemático, considerando entre estas: la capacidad de
procesamiento de magnitudes numéricas simbólicas (Booth y Siegler, 2006; 2008; De
Smedt, Verschaffel y Ghesquière, 2009; Siegler y Booth, 2004). El sistema de
procesamiento de magnitudes simbólicas se genera a partir de una instrucción explícita,
a través del cual, los humanos aprenden a representar cantidades de forma más precisa
con numerales y posteriormente con números arábigos (dígitos).
En la literatura encontramos varias posturas, frente a la relación del

procesamiento no simbólico y simbólico; la primera de ellas, defiende que los
estudiantes aprenden el significado de los símbolos numéricos a partir del “mapeo” –
proyección– que realizan en las magnitudes no simbólicas ya preexistentes (Dehaene,
1997, 1992; Mundi y Gilmore, 2009). Esto es, los símbolos adquieren su significado a
través de su relación con el sistema no simbólico (Halberda et al, 2008; Mazzocco,
Feigenson y Halberda, 2011a). Consideran que el sistema no simbólico sirve para sentar
las bases del procesamiento de magnitudes simbólicas. Así, cuando lo estudiantes
comienzan a contar aprenden un nuevo sistema simbólico para representar números. Es
un sistema más preciso, sin embargo, este sistema no sustituiría el sistema no simbólico
ya existente, sino que se proyectaría en él. De acuerdo con Lipton y Spelke (2005), el
alumnado comienza a proyectar las palabras numéricas en las representaciones
numéricas a la vez que comienzan a desarrollar las habilidades de conteo. Las
evidencias más claras que apoyan este planteamiento, es el hallazgo de los mismos
efectos de distancia y ratio en la comparación de magnitudes no simbólicas, y también
en la comparación de números simbólicos. Esto sugiere que las cantidades simbólicas y
132
no simbólicas comparten la misma representación subyacente. Gilmore, McCarthy y

Spelke (2007), llevaron a cabo un estudio que apoya esta idea, en la que demostraron
que los estudiantes pueden poner en marcha el sistema no simbólico para resolver
sumas aproximadas presentadas en formato simbólico antes de que hayan aprendido la
aritmética simbólica en la escuela.
Otra perspectiva diferente, pero que defiende la idea de que el procesamiento no

simbólico sirve de base para la construcción de las representaciones simbólicas, se
centra en analizar las correlaciones entre las habilidades del alumnado para discriminar
cantidades no simbólicas y sus habilidades en tareas simbólicas. Algunos autores
(Halberda y Feigenson, 2008; Inglis, Attridge,… y Gilmore, 2011; Libertus, Feigenson
y Halberda, 2011; Mazzocco, Feigenson y Halberda, 2011b; Piazza et al., 2010) han
demostrado que las diferencias individuales en la representación de la magnitud no
simbólica predice las diferencias en las tareas simbólicas. Apoyando este argumento, se
ha encontrado que estudiantes con dificultades en el aprendizaje de las matemáticas
presentan dificultades con el procesamiento de magnitudes no simbólicas (Mazzocco,
Feigenson y Halberda, 2011a).
La otra idea que se defiende en otros trabajos, apoyan a la idea de que la

comprensión de los números simbólicos no se apoya en el sistema de representación no
simbólica. Le Corre y Carey (2007) sugieren que los números simbólicos se conectan en
un principio con 1as cantidades no simbólicas exactas en el rango de “subitizing” (se
refiere a la aprehensión rápida y exacta del número de objetos en un conjunto sin
necesidad de contar, y se restringe a conjuntos de 3 o 4 objetos como máximo). De
acuerdo con estos autores, el significado numérico se adquiere desde el conteo con el
principio de cardinalidad (el último número de la secuencia de conteo de un conjunto
refleja la numerosidad de ese conjunto). Comprobaron que el alumnado que aún no
comprendía este principio era capaz de proyectar palabras numéricas a conjuntos de
objetos pero sólo en el rango de subitizing. Sin embargo, la proyección de los números a
cantidades por encima del rango de subitizing solo ocurría meses después de adquirir el
principio de cardinalidad. En este sentido, Le Corre y Carey (2007) proponen que esta
proyección de los símbolos es un paso esencial para entender la semántica del número,
y no tanto la proyección de los símbolos en el sistema no simbólico aproximado. Una
vez que los estudiantes han generado esta nueva representación con cantidades
pequeñas empiezan a establecer conexiones entre el preexistente SNA y la nueva
133
representación exacta de los números mayores. Sin embargo, aún no se ha esclarecido

cómo se llevan a cabo estas conexiones.
La última perspectiva sugiere que en realidad el SNA y el sistema exacto para

los números simbólicos son dos sistemas distintos (Lyons, Ansari y Beilock, 2012).
Estos autores encontraron que los adultos ejecutan peor una tarea de comparación en
formato mixto que en formato puro, ya sea simbólico o no simbólico. Específicamente,
a los participantes se les pedía que compararan un número simbólico con una magnitud
no simbólica (presentada rápidamente para evitar conteo) y decidir cuál era mayor.
Siguiendo el argumento de los autores, si los dos formatos comparten la misma
representación subyacente, entonces esta tarea no debería ser distinta a otra en que se
presentaran las dos cantidades en el mismo formato, como comparar dos conjuntos de
puntos. Sin embargo, los resultados mostraron que los adultos ejecutaron peor la tarea
en el formato mixto. Según Lyons et al. (2012), el cambio entre formatos requiere un
coste adicional de procesamiento, posiblemente porque están implicados dos sistemas
representacionales distintos. En línea de lo encontrado Sasanguie, Defever, Maertens y
Reynvoet (2013) analizaron si el procesamiento de números no simbólicos predice el
procesamiento de los números simbólicos en estudiantes que están comenzando a
adquirir el conocimiento de los dígitos en la escuela. Administraron una tarea de
comparación no simbólica al comienzo del año escolar, y en los seis meses posteriores
los participantes aprendieron los símbolos como parte de curriculum. Después de este
tiempo fueron evaluados en una tarea de comparación simbólica. Hallaron que los
resultados no mostraron ninguna asociación entre las tareas, sugiriendo que habría dos
sistemas representacionales distintos para el SNA y los símbolos numéricos no solo en
adultos, como plantean Lyons et al. (2012), sino también en estudiantes de 5 años de
edad.
5.2.3. Tareas utilizadas para evaluar la representación de magnitudes numéricas
En las próximas páginas se presenta una breve descripción de las diferentes

tareas comúnmente utilizadas para medir el procesamiento y representación de
magnitudes numéricas, centrando el interés en la tarea proyectiva de estimación en la
línea numérica, puesto que es una de las tareas en la que se basa el presente trabajo.
134
5.2.3.1. Tareas de comparación numérica (magnitudes no simbólicas)
Es la tarea más utilizada para la medición de la representación de magnitudes en

escolares y adultos. Existen dos versiones, la simbólica y no simbólica. La versión no
simbólica muestra conjuntos de puntos con diferentes cantidades y el sujeto tiene que
elegir el conjunto donde hay más (Halberda et al., 2008). Dentro de este tipo existen
distintas variantes, en cuanto a la presentación de los estímulos. Encontramos autores
como Holloway y Ansari (2009), que consideran que lo adecuado es utilizar cantidades
que van de 1 a 9, para equilibrar la tarea cuando se complementa con otra tarea de
comparación de magnitudes simbólicas, con rangos de 9 a 70 (Gilmore, Attridge y
Inglis, 2011) (figura 75). Estos autores que utilizan cantidades grandes para este tipo de
tareas, consideran que la utilización de cantidades pequeñas podría activar mecanismos
automáticos (subitizing) y esto no implicaría procesamiento alguno.
Figura 75. Ejemplos de tareas de comparación de magnitudes no simbólicas (con cantidades pequeñas y grandes).
Fuente: Holloway y Ansari (2009) y Gilmore, Attridge y Inglis (2011)
Otra variante de este tipo de tarea, es la utilizada por Price, Palmer, Battista y
Ansari (2012), la cual constaba de tres presentaciones diferentes de la tarea de
comparación de magnitudes no simbólicas: separados, secuencial y entremezclados.
(Figura 76).
Figura 76. Presentaciones diferentes de la tarea de comparación de magnitudes no simbólicas: separados, secuencial
y entremezclados
Fuente: Price, Palmer, Battista y Ansari (2012).
135
Otra de las variantes de este tipo de tareas es la utilizada en los estudios con
bebés, la cual se basa en el paradigma “tiempo de mirada” (looking-time paradigm). En
los estudios que utilizan este método, un conjunto de puntos con la misma numerosidad
(estándar) se presenta repetidamente, por lo que se reduce el tiempo que se dedica a
mirar los estímulos (fenómeno de habituación). La presentación de un estímulo con una
numerosidad diferente tiene como resultado el incremento del tiempo de mirada, lo cual
solo ocurre si el bebé detecta el estímulo como diferente. Algunos estudios (Gebuis y
Van der Smagt, 2011) ha utilizado este paradigma para analizar representación de la
magnitud en adultos. En la tarea utilizada con adultos, se establece una línea base de
numerosidad (15 estímulos con igual numerosidad), y durante la tarea deben indicar si
el estímulo que se muestra es igual, al que se establece como base, o diferente. Una
tarea derivada de esta es la tarea igual-diferente, es decir, se presentan dos conjuntos de
estímulos y se debe indicar si tienen la misma numerosidad o diferente.
5.2.3.2. Tareas de comparación numérica (magnitudes simbólicas)
Este tipo de tareas es otra de las más usadas para analizar las diferencias
individuales en la precisión de la representación de magnitudes. Normalmente, se suele
utilizar la comparación de magnitudes con cantidades pequeñas (dígitos de 1 a 9).
Puesto que se producen los mismos efectos que en las tareas de comparación de
magnitudes no simbólicas, los índices de medida que se tienen en cuenta son, por un
lado, eficacia, como proporción de aciertos, tiempos de respuesta o una combinación de
los mismos (por ejemplo: tiempos de respuesta dividido por proporción de aciertos), y
por otro lado, los índices específicos de la tarea, es decir, aquellos que reflejan
representación de la magnitud, como el índice de distancia, calculado a partir de la
pendiente de la relación entre distancia y tiempos de respuesta o aciertos; aunque
Holloway y Ansari (2009) proponen calcularlo a partir de la fórmula: distancias
menores menos distancias mayores, y esto a su vez dividido por las distancias mayores.
Las variantes que existen en este tipo de tareas, son aquellas en las que aparecen los dos
dígitos a comparar o aquellas en las que aparece sólo un dígito y lo debe comparar con
otro dígito que se especifica previamente (Mussolin et al., 2010). En este grupo de
tareas de procesamiento de magnitudes simbólicas, también se ha utiliza la variante
igual-diferente en algunos estudios.
136
Finalmente, en relación a las tareas comparativas de magnitudes simbólicas y no

simbólicas, Ansari (2013) presenta una prueba de papel y lápiz de 2 minutos para
facilitar la detección de los estudiantes que pueden carecer de una comprensión en la
fluidez de las magnitudes numéricas simbólicas y no simbólicas. En esta prueba (figura
77) los estudiantes deben tachar la magnitud más grande de dos magnitudes, tan pronto
como sea posible (teniendo 1 minuto para completar la tarea simbólica y no simbólica,
respectivamente). Se administró la prueba a más de 500 estudiantes, correspondientes al
nivel alto de jardín de infancia hasta el 3er grado de las escuelas de Ontario. Los
resultados mostraron que las diferencias individuales de esta prueba correlacionan y
predicen (en el tiempo) la variabilidad en el rendimiento en matemáticas (Nosworthy,
Bugden,… y Ansari, 2013; Nosworthy, 2013). En 2014 se desarrolló una web donde se
publican las normas para esta prueba. Este sitio web permite a los educadores
interesados descargar la prueba (junto con las instrucciones) y posteriormente a la
administración obtener pruebas estandarizadas (puntuaciones estándar y percentiles)
para cualquier estudiante al cual se le aplique la prueba.
Figura 77. Páginas de ejemplo de la prueba de procesamiento magnitud numérica de papel y lápiz de 2 minutos
Fuente: Ansari (2013)
5.2.3.3. Tareas aritméticas aproximadas
Algunos estudios se han centrado en el estudio de la precisión de las

representaciones del SNA, en el contexto de tareas aritméticas. La base de este
planteamiento sería que si el SNA sirve como base sobre la cual se asientan las
matemáticas formales, entonces sería posible ejecutar operaciones aritméticas a partir de
137
las representaciones no simbólicas. Esta premisa ha sido comprobada a partir de tareas

de sumas (y restas) aproximadas no simbólicas desarrolladas inicialmente por Barth,
Beckmann y Spelke (2008); Barth, La Mont, Lipton, Dehaene, Kanwisher y Spelke
(2006); Barth, La Mont, Lipton y Spelke (2005). En estos estudios se han utilizado
diferentes versiones, sin embargo, el ejemplo que se presenta es la tarea utilizada con
escolares de 5 años que aún no habían comenzado la aritmética formal (Barth et al.,
2005). En esta tarea (figura 78) a los participantes se les muestra un conjunto de puntos
que posteriormente son ocultados; entonces se añade otro conjunto de puntos a los
ocultados, y esta cantidad (que permanece oculta) se compara con otro conjunto de
puntos que aparece después.
Figura 78. Ejemplo de tarea de sumas aproximadas para preescolares

Fuente: Barth, La Mont, Lipton y Spelke (2005)
Al igual que en la comparación de magnitudes, también se han utilizado las

sumas aproximadas en la versión simbólica de los estímulos. Dehaene, Spelke, Pinel,
Stanescu y Tsivkin (1999) administraron una tarea de sumas aproximadas junto con
similares sumas exactas (figura 79), con cantidades pequeñas. El objetivo fue demostrar
que los circuitos cerebrales implicados en ambas tareas son distintos (surco intraparietal
para las sumas aproximadas y giro angular para las sumas exactas).
Figura 79. Ejemplo de tareas para diferenciar el cálculo exacto del aproximado
Fuente: Dehaene, Spelke, Pinel, Stanescu y Tsivkin (1999)
138
Las tareas de sumas aproximadas simbólicas también han sido utilizadas con
cantidades mayores y con estudiantes pequeños. Gilmore, McCarthy y Spelke (2007)
diseñaron una prueba de sumas aproximadas simbólicas similar la presentada en la
figura 70. En este caso los puntos se sustituyen por dígitos arábigos de dos cifras y se
presentan en al contexto de un problema aritmético verbal (figura 80). Se ha demostrado
que estudiantes que aún no pueden calcular esas cantidades contestan por encima del
azar, produciéndose los efectos de distancia y ratio similares a las sumas aproximadas
no simbólicas.
Figura 80. Ejemplo de tarea de sumas aproximadas simbólicas

Fuente: Gilmore, McCarthy y Spelke (2007).
5.2.3.4. Tareas de proyección
- Estimación de cantidades simbólicas y no simbólicas
Numerosos estudios se han centrado en analizar la proyección entre las

representaciones simbólicas y no simbólicas, asumiendo que al procesar magnitudes
simbólicas se accede a la representación no simbólica de esa magnitud. Una de las
tareas más comunes es la tarea de estimación de cantidades no simbólicas. Ésta consiste
en presentar rápidamente, para evitar el conteo, conjuntos más o menos numerosos de
puntos para que los participantes estimen el número de puntos que hay. Se requiere que
los estudiantes accedan a las representaciones del SNA y proyecten éstas en palabras
numéricas simbólicas.
Mundy y Gilmore (2009) desarrollaron una tarea más estructurada de elección

entre dos alternativas (figura 81), puesto que este tipo de tarea suele resultar difícil para
los escolares. En la tarea que utilizaron se le presenta a los participantes una cantidad
entre 20 y 50 (bien simbólica o no simbólica –puntos– dependiendo de la dirección de la
proyección) y tienen que elegir entre dos alternativas (no simbólicas o simbólicas) que
refleje dicha cantidad. Otros autores como Brankaer, Ghesquière y De Smedt (2014)
139
propusieron una tarea similar a la de Mundy y Gilmore (2009) pero en este caso con
cantidades pequeñas de 1 a 9, ya que consideran que los mecanismos de proyección
operan de manera diferente para cantidades grandes y pequeñas.
¿Hay 34 puntos en conjunto de la

derecha o de la izquierda?
Figura 81. Ejemplo de tarea de estimación de cantidades simbólicas y no simbólicas utilizada

Fuente: Mundy y Gilmore (2009)
- Tarea de estimación en la línea numérica
Otro tipo de tarea de proyección comúnmente utilizada ha sido la estimación en

la línea numérica, en la que se presenta al sujeto una magnitud simbólica y éste debe
localizar su posición en una línea numérica. Esta es una interesante tarea de evaluación
porque dentro de las actividades matemáticas en muchas aulas se utiliza la recta
numérica para enseñar conceptos numéricos (Siegler y Booth, 2004). El presente trabajo
toma como base este tipo de tarea para realizar el análisis comparativo entre los grupos
de estudio que se presentan, ya que aquellos estudiantes que siguen la metodología
alternativa ABN (para más información consultar el Capítulo 3) han utilizado la recta
numérica para aprender los conceptos matemáticos. En contraposición, los participantes
del estudio que siguen la metodología CBC (para más información consultar el Capítulo
2) no han trabajado con la recta numérica durante los primeros años de escolarización.
En la tarea se presenta a los participantes una hoja de papel (también existen

aplicaciones por ordenador) con una línea numérica con el 0 al inicio de la línea y el 10,
100 o 1000 al final de la misma, dependiendo de la edad de los participantes. En el
estudio que se expondrá en el Capítulo 5, se ha utilizado la recta numérica del 0 al 1000,
puesto que los estudiantes evaluados eran de 4º de educación primaria (de 8 – 9 años de
edad). En este tipo de tareas existen dos variantes, la primera de ellas en la que se
140
presente por encima de la línea un número y la tarea consiste en marcar en la recta

numérica dónde iría colocado. Esta tarea es denominada Número-Posición (NP). Existe
una versión informatizada de la tarea NP (0 – 100), utilizada por Araújo, Aragón,
Aguilar, Navarro y Ruiz (2014).En la figura 82 se muestra el ejemplo de tarea utilizada
en el presente trabajo. La otra variante de esta tarea es la denominada Posición-Número
(PN), en la que se presenta la marca en la recta numérica y el estudiante debe estimar el
número exacto que corresponde a dicha marca. La figura 83 muestra el ejemplo de esta
tarea que se utilizó en el presente trabajo.
Figura 82. Tarea estimación NP utilizada para el presente trabajo.

¿?
Figura 83. Tarea estimación PN utilizada para el presente trabajo.

Para medir la exactitud en esta tarea de estimación, se utiliza como índice de

medida el porcentaje de error absoluto, calculado a partir del valor absoluto derivado de
la fórmula “cantidad a estimar menos cantidad estimada y ello dividido por la escala de
estimación. Así, en el ejemplo de la figura 82, el participante tiene que estimar la
cantidad 811 sobre una línea 0-1000 y marca en la posición 657, el porcentaje de error
absoluto sería del 0,15% [(811 – 657)/1000]. Otro índice más próximo a la medición de
la precisión de la representación de la magnitud se obtiene a partir del ajuste de las
puntuaciones obtenidas a una función lineal, es decir, la proporción de varianza
explicada en una regresión con las cantidades estimadas como variable predictora y las
cantidades a estimar como variable dependiente. Este índice es un reflejo del cambio
141
evolutivo con la edad desde una función logarítmica hacia una función lineal. Una
representación logarítmica exagera la distancia entre las magnitudes de los números en
el límite inferior de la recta y minimiza las distancias en el límite superior del rango
(Booth y Siegler, 2006), como se presenta en la figura 84.
Figura 84. Progresión desde un patrón logarítmico en escolares de preescolar a un patrón lineal en escolares de tercer
grado
Fuente: Booth y Siegler (2006)
Este cambio evolutivo desde una confianza en una representación logarítmica de

las magnitudes numéricas hacia una representación lineal se ha encontrado entre
estudiantes de educación infantil y alumnado de segundo grado de Primaria para
estimaciones de localizaciones numéricas sobre una línea 0-100 (Siegler y Booth, 2004)
y entre segundo y sexto grado para estimaciones sobre la línea 0-1000 (Siegler y Opfer,
2003). En el presente trabajo se realiza este ajuste de las puntuaciones obtenidas a una
función lineal y la función logarítmica, para la tarea de Número-Posición (NP) y
Posición-Número (PN), con estudiantes de 4º de educación primaria, analizando las
diferencias en estas funciones respecto a los métodos de enseñanza de las matemáticas
utilizados en el aula. En nuestro entorno no se ha realizado ningún estudio que incluya
142
el análisis de la tarea de Posición-Número (PN), siendo esta Tesis la pionera en este

aspecto.
5.3. Estudios recientes sobre la relación entre la estimación en la línea

numérica y la ejecución en matemáticas
Las habilidades de estimación son importantes por tres motivos fundamentales.

El primer motivo, se basa en que la estimación es una parte importante de la cognición
matemática, puesto que está presente en la vida de estudiantes y adultos. En la última
década se ha generado multitud de estudios que tienen como objetivo estudiar la
relación entre las diferencias individuales en las habilidades de procesamiento de las
magnitudes numéricas y el rendimiento en matemáticas tanto en adultos, en escolares
con desarrollo típico, así como en estudiantes con desarrollo matemático atípico o
discalculia del desarrollo (DD) que se vean afectados en su capacidad para procesar
magnitudes numéricas. Estas investigaciones comienzan a sentar las bases para el
diseño y evaluación de intervenciones educativas que fomenten el procesamiento de la
magnitud numérica. De ahí se deriva uno de los objetivos específicos de la presente
Tesis, analizar la relación entre el desarrollo de tareas destinadas al tratamiento de la
recta numérica y la ejecución matemática, teniendo en cuenta la utilización de una
metodología para la enseñanza de las matemáticas tradicional (CBC) o alternativa
(ABN). Una de las preguntas que se destacan en este cuerpo emergente de la
investigación es si el procesamiento de magnitudes, ya sea en formato simbólico
(dígitos) o no simbólico (puntos), o ambos, es crucial para presentar una buena
ejecución en matemáticas. En el presente trabajo se aplicarán tareas de evaluación en
formato simbólico para el análisis del procesamiento de magnitudes en la línea
numérica. Algunos autores (Griffin, Case, y Siegler, 1994), consideran que existen tres
dominios principales en los que la recta numérica es particularmente útil para el
desarrollo matemático: 1) una recta numérica permite a los estudiantes responder a
preguntas relativas al tamaño sin hacer referencias a objetos concretos; 2) la recta
numérica apoya la regla de incremento o aumento, que describe la manera en que la
suma o la substracción modifican el valor cardinal de un conjunto, y por tanto, se
desplaza en sentido creciente o decreciente sobre la recta numérica; y 3) el alumnado
que ha adquirido una recta numérica mental pueden también determinar la posición
143
relativa de un número cuando no puede ser determinada directamente (Gervasoni, 2005;

Siegler y Booth, 2005).
Autores como De Hevia y Spelke, 2010; Gervasoni, 2005, consideran que

entender la sucesión de los números sobre una recta numérica es fundamental para
comprender las relaciones entre los números y el espacio; estas relaciones son
necesarias para el desarrollo de determinadas adquisiciones cruciales en matemáticas
formales. Por tanto, la recta numérica sería una de las representaciones más importantes
en el aprendizaje numérico. Tal y como se ha especificado en el subapartado de tareas
proyectivas, una de las tareas más utilizadas para la evaluación de la representación de
magnitudes simbólicas, ha sido la estimación en la línea numérica, en la que se presenta
una cantidad numérica simbólica y se pide a los participantes que localicen su posición
en una línea numérica (Siegler y Booth, 2004) y/o que estimen el número que
corresponde al valor marcado en la recta numérica (Ashcraft y Moore, 2012; Booth y
Siegler, 2006; 2008).
Algunos estudios han mostrado la existencia de una clara relación entre las
puntuaciones en estimación de números en la recta numérica y las habilidades
aritméticas, de conteo (LeFevre, Greenham, y Waheed, 1993), la comprensión de
conceptos matemáticos (LeFevre et al., 1993; Petitto, 1990), y mejores puntuaciones en
pruebas de rendimiento matemático entre el período preescolar y otros cursos más
avanzados (Berteletti, Lucangeli, Piazza, Dehaene, y Zorzi, 2010; Booth y Siegler,
2006; Booth y Siegler, 2008; Schneider, Grabner y Paetsch, 2009; Siegler y Booth,
2004).
Se ha comprobado que la capacidad de utilizar la recta numérica para representar

cantidades específicas emerge solamente con una instrucción formal, después de la
entrada en la escuela (Friso-va den Bos, Kroesbergen, Van Luit, Xenidou-Dervou,
Jonkman, Van der Schoot y Lieshout 2015; Siegler y Booth, 2004; Siegler y Opfer,
2003). Las investigaciones señalan que en el alumnado de menor edad (etapa de
educación infantil) se presenta cierta dificultad para estimar las posiciones de los
números en la recta numérica (por ejemplo, colocar 74 en la recta numérica de 0-100).
Los estudiantes de primer curso son más exactos que los de educación infantil y menos
exactos que los de segundo cuando estiman las posiciones sobre una recta numérica de
0 a 100; y los estudiantes de segundo son menos exactos que los de cuarto cuando
144
estiman las posiciones sobre una recta que vaya de 0 a 1000 (Siegler y Booth, 2004;
Siegler y Opfer, 2003). En cada uno de estos ejemplos, las respuestas de los más
pequeños se desplazan a la derecha de las respuestas correctas, según una función o
tendencia logarítmica, y las respuestas del alumnado de más edad se conforman a una
representación lineal (exacta) de la línea numérica (Siegler y Booth, 2004). Los
estudiantes de primaria se vuelven más precisos estimando números en la recta
numérica cuando los adultos le proporcionan retroalimentación de sus respuestas
(Opfer y Siegler, 2007). En sexto curso, la mayor parte del alumnado tiene una
comprensión exacta y lineal de la línea numérica y del hecho de que los números están
espaciados de manera igual sobre su longitud (Siegler y Opfer, 2003).
Cabe destacar aquellos estudios que consideran únicamente paradigmas de

estimación simbólicos, en los que se ha demostrado que la precisión en la estimación de
la línea numérica simbólica (0-100) (Siegler y Booth, 2004; Sansaguiere et al., 2013) se
relacionaba con el desempeño en pruebas estandarizadas de matemática y predecía el
aprendizaje de nuevos problemas aritméticos (Booth y Siegler, 2008) (estudiantes entre
5 y 8 años de edad). Esta última asociación no se modificaba al controlar la capacidad
de memoria a corto plazo y el conocimiento matemático previo (Booth y Siegler, 2008).
Adicionalmente, Booth y Siegler (2006) han informado que en el alumnado entre 5 y 9
años de edad el desempeño en distintas tareas de estimación numéricas simbólicas
(estimaciones de la numerosidad, computacionales y de la línea numérica) se
relacionaba con el desempeño en pruebas estandarizadas de matemática. En resumen, de
todo lo anterior se extrae que los estudios que consideran las tareas de estimación
numérica sugieren que en alumnado con un desarrollo típico, el mapeo entre los
sistemas simbólicos y no simbólicos (Mundy y Gilmore, 2009) y el grado en que dicho
mapeo permite un cambio en el carácter lineal de las representaciones numéricas (Booth
y Siegler, 2006; 2008; Sansaguiere et al., 2013; Siegler y Booth, 2004), conducirían la
relación entre el procesamiento numérico y el desempeño en matemática en escolares.
En esta línea, destacamos algunos trabajos (Booth y Siegler, 2006; Geary,

Hoard, Byrd-Craven, Nugent y Numtee, 2007; Opter, Thompson y DeVries, 2007;
Siegler y Booth, 2004; Siegler y Opfer, 2003) que se han interesado por la relación entre
la edad y los cambios que se experimentan en las representaciones de las magnitudes
numéricas. Defienden que con la edad y la experiencia, los estudiantes realizan las
tareas obteniendo primero representaciones logarítmicas de las magnitudes numéricas
145
para evolucionar después a representaciones lineales. Concretamente, Booth y Siegler

(2006; 2004) mostraron que los cambios asociados al desarrollo y edad en la tarea de
recta numérica estarían relacionados con las diferencias individuales en la ejecución
matemática (Booth y Siegler, 2006; Siegler y Booth, 2004) y con la habilidad que tienen
para aprender nueva información numérica –problemas aritméticos– (Booth y Siegler,
2008). Encontraron cambios de patrones logarítmicos a lineales en las estimaciones en
recta/línea numérica; las estimaciones de los estudiantes de prescolar y primer grado
responden a un patrón claramente logarítmico y a medida que se avanza los cursos, de
segundo a tercero de primaria, se evoluciona hacia un patrón lineal (figura 75). Por
ejemplo, para estos estudiantes la distancia psicológica entre 0 y 25 es mayor que la
distancia entre 25 y 100. Siegler y Booth (2004) analizaron la progresión de los patrones
logarítmicos a lineales en estudiantes de jardín de infancia, de primer y segundo grado,
mostrando que las estimaciones siguen avanzan desde el patrón logaritmo hacia un
patrón más lineal donde las distancias entre las magnitudes son más equidistantes
(figura 85). Estos cambios en el patrón de representación, se producen en líneas
numéricas de diferentes tamaños; 0-10 (Petito, 1990), 0-100 (Siegler y Booth, 2004,
2008) y 0-1000 (Siegler y Opfer, 2003).
Figura 85. Patrones logarítmicos de jardín de infancia y patrones linealos de segundo de primaria de la estimación en
la línea numérica
Fuente: Siegler y Booth (2004)
Booth y Siegler (2008), analizaron si la linealidad de las representaciones de

magnitudes numéricas influía en el aprendizaje de la aritmética; a partir de las
habilidades de estimación en la recta numérica, demostraron que una mayor linealidad
146
de las estimaciones presentaba una correlación significativa con el conocimiento

numérico del alumnado (test WRAT) y predecía el éxito en la resolución de problemas
no familiares, controlando el conocimiento aritmético previo y la memoria a corto plazo
para números.
El presente trabajo se destaca por el desarrollo de tareas de estimación en línea

numérica de Número-Posición (NP) y Posición-Número (PN), siendo estas últimas
menos usadas en los estudios de nuestro entorno. Como referencia reciente encontramos
las investigaciones de Ashcraft y Moore (2012) que usando una tarea de Posición-
Número (PN) en la línea numérica de 0-1000, analizaron las estrategias para estimar
magnitudes que estudiantes de tercero a quinto y adultos usan; como asignan una
referencia del punto medio implícita para dividir en dos partes la recta y guiar sus
elecciones numéricas; y consecuentemente, conseguir muy buen desempeño en números
cercanos a 500. Los adultos y escolares mayores mostraron mejor desempeño para
números cercanos a 250 y 750, sugiriendo que éstos estaban usando estrategias
proporcionales para dividir la recta en cuartos. Los datos obtenidos por estos autores,
apoyan la visión que adultos y estudiantes mayores usan estrategias de razonamiento
proporcional para tomar las decisiones sobre las localizaciones de las magnitudes en la
recta numérica (Barth y Paladino, 2011). En el estudio de Ashcraft y Moore (2012), se
obtuvieron los mismos resultados que Booth y Siegler (2006), en cuanto al patrón
obtenido por los estudiantes en los diferentes cursos. Esto podría ser coincidente con la
propuesta de cambio log-a-lin (log-to-lin shift) de Siegler, que argumenta esta evolución
en los patrones desde primer a tercer grado y un aumento a través de los grados en el
número de estudiantes que muestran una tendencia lineal. En nuestro caso, se pretende
continuar esta línea de investigación y comprobar que este cambio de patrón está
presente en la muestra recogida, tanto en la tarea de Número-Posición (NP) como en la
de Posición-Número (PN).
Finalmente, destacar el estudio de Opfer y Siegler (2007), donde se analizan los

resultados obtenidos por una muestra de estudiantes de segundo y cuarto grado, tras
realizar una tarea de estimación en línea numérica. En el primer experimento, de los dos
que componen la investigación, se administraron 22 ítems para evaluar la evolución en
el patrón representado por dichos estudiantes. Primeramente, se comparó el ajuste de las
medianas de estimación para cada número, del alumnado de segundo y cuarto grado,
que se ha generado por el mejor ajuste de las funciones lineales y logarítmicas. Al igual
147
que en Siegler y Opfer (2003), el peso de la función lineal de las estimaciones de los
estudiantes aumentó de segundo a cuarto grado, mientras que el ajuste de la función
logarítmica disminuyó. Las estimaciones de los estudiantes se hicieron más lineales y
menos logarítmicas entre segundo y cuarto grado (Figura 86). Estos resultados replican
y amplían los hallazgos encontrados por Siegler y Opfer (2003) respecto a los cambios
relacionados con la edad, con un rango más amplio y un mayor número de valores
estimados.
Figura 86. Diferencias por edad en la estimación en línea numérica

Fuente: Opfer y Siegler (2007)
En resumen los estudios presentados en este último apartado, corroboran la

relación que muchos autores han demostrado que existe entre la representación de
magnitudes a través de la línea numérica y la ejecución y el logro en las matemáticas,
así como, también se ha demostrado la existencia de una patrón diferente cuando se
analizan las funciones (lineal o logarítmica) que se generan al analizar los resultados de
los estudiantes en tareas de estimación a lo largo de educación primaria, siendo
constante la presencia de funciones lineales en cursos avanzados. En el siguiente
capítulo se explicará ampliamente el estudio empírico que se ha llevado a cabo con el
alumnado de cuarto, en esta misma línea de investigación de estos autores que se toman
como referencia.
148
SEGUNDA PARTE:
ESTUDIO EMPÍRICO
CAPÍTULO 6 Contraste Método ABN y Método CBC
SEGUNDA PARTE: ESTUDIO EMPÍRICO

CAPÍTULO 6: CONTRASTE MÉTODO CBC Y MÉTODO ABN
6.1. Objetivos e Hipótesis
Como primer objetivo del presente trabajo se planteó el análisis de las

diferencias en la ejecución matemática en dos grupos de estudio que siguen
metodologías diferentes para el aprendizaje de las matemáticas: método ABN y CBC.
Las medidas de ejecución matemática se realizaron a través de pruebas de fluidez de
cálculo y una prueba ad-hoc de rendimiento matemático, que serán explicadas más
ampliamente en el apartado de materiales. La aplicación de las pruebas se llevó a cabo
en el tercer trimestre de cuarto de educación primaria, durante el curso 2014/15.
Como segundo objetivo se planteó analizar en qué medida el procesamiento de

magnitudes, evaluado a través de tareas de estimación en línea numérica (Número-
Posición y Posición-Número), se relaciona con la ejecución en matemáticas y con el
método de aprendizaje para las matemáticas (CBC vs ABN).
Debido a la escasez de estudios en este ámbito, se precisa comprobar si existen

relaciones entre el rendimiento de matemáticas y la estimación de magnitudes
numéricas en la línea numérica de 0 a 1000 (teniendo en cuenta el método utilizado) y,
comprobar qué tipo de función (logarítmica o lineal) presenta el alumnado en la
estimación de la línea numérica. La hipótesis general en este segundo estudio, plantea
que si la ejecución en matemáticas se construye a partir del Sistema de Aproximación
Numérica (SNA), esperamos una relación entre la ejecución en cada una de las tareas de
la ejecución matemática y las tareas de estimación.
Este segundo objetivo de la presente tesis centra el interés en las tareas de

estimación, puesto que el método seleccionado las trabaja de forma específica a través
de la recta numérica. Se considera la estimación como un proceso de traslado entre
representaciones de magnitudes alternativas. Estas pueden ser de dos clases: numéricas
o no numéricas. Las tareas que se analizan en la presente tesis, implican traslado de
representaciones numéricas a no numéricas (presentarle al alumnado un número y
preguntarles por la posición de éste en la línea numérica) y viceversa, presentar una
posición en la recta numérica y el estudiante debe estimar la magnitud numérica que
150
corresponde a dicha posición. La estimación es un proceso que la mayoría de los niños

y, también adultos, encuentran difícil (estimar la distancia de un lugar a otro, cuánto
dinero me sobrará después de hacer la compra…) sin esta capacidad de estimar con
precisión el día a día en nuestras vidas sería más difícil. Pero con la edad y la
experiencia vamos progresando en muchas tareas de estimación (Booth y Siegler, 2008;
Opfer y Siegler, 2007; Siegler y Booth, 2004) (los estudios se amplían en el Capítulo 4).
Según el trabajo de Siegler y Booth (2004), existen cambios en el desarrollo de los
estudiantes en la representación en la línea numérica de 0 a 100 entre los prescolares y
el alumnado de segundo grado. Al igual que entre los de segundo y sexto grado en la
estimación en la línea numérica de 0 a 1000 (Siegler y Opfer, 2003). De esta forma,
cuando preguntamos por la localización de una estimación en la línea numérica de 0 a
100, sin presentar ninguna marca entre ambos dígitos, los prescolares, presentan en su
análisis una función logarítmica y, la mayoría de los estudiantes de segundo una función
lineal. Sin embargo, la mitad de los escolares de primer grado presentan una
distribución logarítmica y, la otra mitad, lineal (Siegler y Booth, 2004). Algo parecido
les ocurre a los de segundo y sexto con la línea numérica de 0 a 1000, los primeros
presentan una función logarítmica, mientras que los de segundo lineal. Booth y Siegler
(2006) encontraron en su estudio que los alumnos desde segundo hasta cuarto grado van
aumentando su estimación en la línea numérica pasando de una función logarítmica a
una lineal. Probablemente esto ocurra debido a que los estudiantes presentan una mayor
familiaridad con los números (Dehaene, 1997). Como se ha podido observar, a medida
que el alumnado se va familiarizando con los números en el transcurso de los cursos, su
representación va siendo más exacta, es decir, su representación pasa de ser logarítmica
en los cursos más bajos a una lineal en la línea numérica que va de 0, en uno de los
extremos, a 1000, en el otro. Como muestra de este planteamiento nos apoyamos en los
hallazgos encontrados por Opfer y Siegler (2007) en el estudio que realizaron con
participantes de segundo y cuarto grado. En el primer experimento del estudio se
presentó una línea numérica de 1 a 1000, en la que los alumnos tenían que estimar la
posición de 22 ítems. Los números a estimar se eligieron para maximizar la capacidad
de discriminación de las funciones logarítmicas y lineales por sobremuestreo del
extremo inferior del intervalo, para reducir al mínimo la influencia de conocimientos
específicos (como que 500 está en medio entre 0 y 1000), y para poner a prueba las
predicciones acerca del rango de números donde las estimaciones de los dos grupos de
edad difiriera más. Se comparó el ajuste del promedio en la estimación del alumnado de
151
segundo y cuarto grado para cada número que se ha generado para el mejor ajuste de las
funciones lineal y logarítmica. Al igual que en Siegler y Opfer (2003), el peso de la
función lineal de las estimaciones aumentó de segundo a cuarto grado, mientras que el
ajuste de la función logarítmica disminuyó. En el grupo de segundo grado se presenta
un mejor ajuste para la función logarítmica; la ecuación logarítmica representó el 95%
de la varianza en la mediana de las estimaciones frente a un 80% para la ecuación lineal,
t (21)= 2.27, p< .05, d= .65. Por el contrario, el ajuste de la función lineal es mejor en
cuarto grado que la función logarítmica (99% versus 72% de la varianza, t (21)= 5.33, p
< .01, d= 1.60) (revisar figura 85 en el capítulo 4).
Siguiendo a estos autores y debido al hecho de que en el método ABN se utiliza

como material básico para el aprendizaje de las matemáticas el uso de la recta numérica
desde edades tempranas, se decidió utilizar la tarea de estimación en línea numérica
para analizar las funciones lineales o logarítmicas que presentaran los estudiantes de
segundo ciclo de educación primaria y comprobar la relación con la metodología
utilizada en el aula y el desempeño en la ejecución matemática. En este contexto,
surgió la idea de analizar una cuestión que no estaba considerándose en este campo de
investigación: qué ocurre con el procesamiento de la magnitud de números,
especialmente en la versión simbólica de las tareas de estimación en línea numérica si el
método de aprendizaje para la matemáticas utilizado trabaja de una manera específica el
conocimiento y la estimación en la recta numérica. Hasta este momento, la mayoría de
los trabajos consideran la estimación de magnitudes simbólicas sin tener en cuenta el
método de matemáticas utilizado para el desarrollo de las competencias básicas, siendo
el presente trabajo, pionero en este tipo de estudios.
Con todo lo comentado en los capítulos anteriores, referente a las metodologías

de matemáticas, se plantea como hipótesis general de este estudio que el alumnado que
utiliza el método ABN fortalece las bases del aprendizaje numérico que permiten
obtener mejores resultados en comparación con el método matemático CBC, a través
del análisis de los resultados obtenidos en las pruebas de ejecución matemática ad-hoc,
fluidez numérica y estimación en línea numérica.
De esta hipótesis general se extraen las siguientes hipótesis específicas:
1) El alumnado que sigue la metodología ABN presenta mejores niveles en las

tareas de ejecución matemática que los que siguen el método CBC.
152
2) El método ABN propicia un mejor desempeño en las tareas de numeración,

resolución de operaciones-problemas y cálculo mental.
3) El alumnado perteneciente al grupo experimental presenta mejores niveles en las
tareas de estimación en la línea numérica frente a los del grupo control.
4) Los resultados en la prueba de estimación en la línea numérica del grupo ABN
mostrarán un mejor ajuste para función lineal que la presentada por el grupo
control (CBC).
6.2. Método
6.2.1. Participantes
Los participantes en ambos estudios fueron 52 estudiantes (M de edad de 9 años,

5 meses y una DT de 4,43), de 4º de educación Primaria, pertenecientes a dos colegios
públicos de una localidad andaluza de 80.000 habitantes, de un nivel socio económico
medio-bajo. Cada centro escolar utilizaba un método instruccional diferente para la
enseñanza de las matemáticas, siendo éstos, el método tradicional Cerrado en Cifras
(CBC) y el otro, el método alternativo Abierto basado en Números (ABN). Los
participantes fueron evaluados de forma individual durante el tercer trimestre de curso
académico 2014/15. En el análisis de datos, la muestra seleccionada fue de 49
estudiantes, ya que uno de ellos no realizó todas las tareas y los otros dos presentaban
dificultades de aprendizaje con diagnóstico del Equipo de Orientación Educativa (EOE).
De los cuáles 24 participantes correspondían al grupo experimental ABN (12 niñas y 12
niños) y 25 estudiantes del grupo control CBC (9 niñas y 16 niños).
6.2.2. Materiales
 Materiales específicos para evaluar la ejecución matemática

Prueba ad-hoc: creada por Jaime Martínez Montero y María C. Canto López, en
colaboración con el Departamento de Psicología de la UCA. La prueba consta de:
 Tarea grupal: Numeración (6 tareas) y operaciones (17 operaciones escritas y

mentales) y formulación/resolución de problemas (2 problemas)
 Tarea individual: con control de tiempo, de cálculo mental (tres tareas de
cálculo mental que implican la resolución de sumas, restas, multiplicaciones
y divisiones).
153
Las medidas que se obtuvieron en esta prueba fueron puntuaciones directas en

aciertos, de puntuaciones por tareas individuales y puntaciones totales, de manera que se
pudiera manejar los datos de forma cuantitativa para el análisis de resultados. La prueba
completa se adjunta en el Anexo I.
Pruebas de fluidez de cálculo: se administraron dos pruebas de fluidez de cálculo:
 Prueba de cálculo de Canals (Canals, Carbonell, Estaún, y Añaños, 1991): Esta

prueba de cálculo forma parte de las Pruebas Psicopedagógicas de Aprendizajes
Instrumentales editadas para los ciclos inicial y medio. Estos ciclos abarcaban
los cinco primeros cursos de EGB, que corresponderían con los cursos de 1º a 5º
de primaria (en otros países 1º a 5º grados de elemental). Estas pruebas tenían
una escala de lectura, además de pruebas de ortografía, resolución de problemas
y cálculo aritmético. Las pruebas fueron baremadas con una muestra de 6.000
alumnos de Cataluña, Navarra, Galicia, Murcia y Castilla, y llegó a publicarse
una versión en catalán de la batería. La prueba de cálculo consta de sumas,
restas de dígitos menores de 20; multiplicaciones y divisiones sencillas. Se
presentan 44 operaciones de cada tipo, siendo un total de 176 operaciones,
teniendo un minuto en cada tipo de operación para realizar el máximo número
de operaciones posibles. Se adjunta en el Anexo II.
 Subprueba de fluidez de la Batería III de Woodcock-Muñoz (Diamantopoulou,
S., Pina, V., Valero-García, Ana V., González-Salinas C., y Fuentes, Luis J.,
2012): La Batería III Woodcock-Muñoz, Pruebas de aprovechamiento, ha sido
traducida al español (Muñoz-Sandoval, A. F.; Woodcock, R. W.; McGrew, K.
S. y Mather, N, 2005) y normalizada en muestras representativas de varias
regiones hispano hablantes. La versión en español de la batería ha demostrado
buenas propiedades psicométricas en estudios independientes y las cuatro
pruebas matemáticas se correlacionan significativamente con los grados
escolares en matemáticas (por ejemplo, Rodríguez y Díaz, 1990; Rosselli,
Ardila, Bateman y Guzmán, 2001). Sin embargo, una mirada más atenta al
manual sugiere que se debe tener precaución para su uso en España dado que la
calibración española sólo incluyó a 10 sujetos de España. Por este motivo se ha
utilizado la tarea que se incluyó en el primer estudio de validación de esta
batería realizada en España (Diamantopoulou et al., 2012). Un total de 424
niños (216 varones) de 6 a 13 años (M = 9 años, SD = 2 meses) y sus padres
154
participaron en este estudio que se realizó en la región de Murcia, en el sureste

de España. Los resultados del estudio mostraron que las cuatro pruebas
mostraron buenas propiedades psicométricas, lo que sugiere que son apropiadas
para su uso en España, al menos para las edades de 6 a 13 años, aunque en los
alumnos de 4º y 5º grado hay que analizar los resultados con precaución según
los resultados que muestra el estudio realizado en España. (alfa de cronbach:
.90).
La batería está constituida por un total de 42 tests, agrupados en Pruebas
de Habilidades Cognitivas (Batería III COG) y Pruebas de Aprovechamiento
(Batería III-APROV). La subprueba utilizada en el presente estudio fue la
subprueba de fluidez matemática, en la que se mide la habilidad del sujeto para
realizar cálculos matemáticos que incluyen: sumas, restas y productos. La
subprueba consta de 160 operaciones, las cuáles presentan sumas de dígitos
menores de 20, restas con dígitos menores o iguales a 10 y multiplicaciones por
de un dígito por un dígito. El grupo de estudio debe realizar el máximo número
de operaciones en 3 minutos. La subprueba administrada se adjunta en el Anexo
III.
En ambas pruebas de fluidez las medidas se trataron como variables
cuantitativas al pasarlas a puntuaciones totales y errores cometidos, para los posteriores
análisis requeridos.
 Variable Control:
Test BADyG (E3) Batería de Aptitudes Diferenciales y Generales (Yuste, Martínez y
Gálvez, 1998). Las pruebas se aplicaron de forma colectiva, al igual que las tareas de
numeración, operaciones y problemas de la prueba ad-hoc. Se llevó a cabo una
evaluación del Factor Numérico (NN), a través de las siguientes pruebas:
 Problemas numérico-verbales (Sn), No solo valora la rapidez de cálculo,

sino también razonamiento numérico o aptitud para comprender y resolver
problemas numérico-verbales. Asimismo también valora la correcta
automatización de las operaciones básicas, junto a un reconocimiento de los
símbolos aritméticos y seguridad en el cálculo numérico. La prueba consta de 18
elementos ordenados según un índice de dificultad, de respuesta abierta. Los
problemas Numérico-Verbales de esta prueba se seleccionaron una vez
155
clasificados los tipos de problemas según su categoría semántica, para conseguir

una presentación más variada y buscando medir mejor la flexibilidad mental del
estudiante ante planteamientos muy variados. La estructura semántica influye en
la dificultad. Los problemas que comparten una misma estructura semántica
difieren en dificultad según el lugar ocupado por la incógnita, se diferencian los
siguientes tipos (para ampliar consultar el Capítulo 3):
1. Cambio: preguntando por el resultado son los más fáciles, y preguntando
por el comienzo los más difíciles.
2. Combinación: son más fáciles cuando se desconoce el conjunto que
cuando se desconoce una parte.
3. Comparación: más difícil si la incógnita está en el referente. El más
difícil es el que pregunta por la diferencia.
4. Igualación: lo más fáciles son aquellos que preguntan por la diferencia
entre las dos cantidades.
 Series numéricas (Rn), Es una prueba específica de razonamiento serial
numérico o aptitud para determinar regularidades lógicas en una secuencia de
números. Al mismo tiempo, al utilizar códigos numéricos, necesita una básica
capacidad para el cálculo mental, puesto que las regularidades lógicas se refieren
a operaciones (suma, resta, multiplicación, división…), entre series lineales de
números (enteros positivos, decimales y números fraccionados).
Las pruebas que se administraron a los grupos de estudio se adjuntan en el
Anexo IV.
Materiales específicos para evaluar la estimación de magnitudes
Tarea de Estimación en la recta numérica 0-1000 (Opfer y Siegler, 2007): En esta tarea
de proyección de magnitudes (simbólicas a no simbólicas) se presentan hojas A4 con
una línea de 25 cm en el centro de la misma, con el 0 a la izquierda y el 1000 a la
derecha. Se llevaron a cabo dos tipos de tareas: 1) la tarea Número-Posición (NP)
consiste en marcar en la recta numérica un número arábigo situado en el centro de la
hoja por encima de la línea. Se presentaron 22 ítems que fueron los siguientes: 2, 5, 18,
34, 56, 78, 100, 122, 147, 150, 163, 179, 246, 366, 486, 606, 722, 725, 738, 754, 818, y
938. Estos números se eligen para maximizar la capacidad de discriminación de las
funciones logarítmicas y lineales por sobremuestreo del extremo inferior del rango, para
minimizar la influencia del conocimiento específico (como la que 500 es a medio
156
camino entre 0 y 1000) y; 2) la tarea Posición-Número (PN), consiste en que el

participante debe estimar el número exacto que corresponde con la marca presentada en
la línea numérica (estas marcas corresponden a los 22 números estimados en la tarea
Número-Posición (NP)). Las tareas de estimación en línea numérica Posición-Número
(PN) y Número-Posición (NP) se adjuntan en el Anexo V.
Las medidas utilizadas fueron:
a) Eficacia: Porcentaje de error absoluto a partir de la cantidad estimada menos cantidad

a estimar dividido por la escala de estimación (Siegler y Booth, 2004).
b) Efectos específicos de la tarea: R de las funciones lineal y logarítmica: A partir de la

medida de la eficacia, se obtiene otro índice más próximo a la medición de la precisión
de la representación de la magnitud, a partir del ajuste de las puntuaciones obtenidas a
una función lineal, es decir, la proporción de varianza explicada en una regresión con
las cantidades estimadas como variable predictora y las cantidades a estimar como
variable dependiente. Este índice es un reflejo del cambio evolutivo con la edad desde
una función logarítmica hacia una función lineal. Una representación logarítmica
exagera la distancia entre las magnitudes de los números en el límite inferior de la recta
y minimiza las distancias en el límite superior del rango. Para generar las rectas de
regresión lineal y logarítmica se siguió el tutorial de Opfer (2003).
6.2.3. Procedimiento
Antes de iniciar la recogida de datos, se obtuvo el consentimiento informado de

los padres y profesores para llevar a cabo el desarrollo de la investigación. Asimismo, se
llevaron a cabo reuniones de motivación con los profesores donde se explicaban los
procedimientos de investigación. La administración de las pruebas de evaluación se
realizó durante el curso 2014-2015, en aulas con condiciones apropiadas de aplicación,
libres de ruidos y distracciones, por profesionales entrenados para ello. Cada una de las
pruebas se administró durante el horario escolar, respetando el período de recreo del
alumnado.
Las evaluaciones individuales se llevaron a cabo en una sala libre de

distracciones y ruidos, dentro del centro educativo. La realización de las tareas de
cálculo mental y la de fluidez de cálculo de Canals et al. (1991) se llevaron a cabo de
forma individualizada en dos sesiones y en las horas lectivas, respetando el tiempo de
157
recreo. El resto de tareas de la prueba ad-hoc, la tarea de fluidez de la Bateria III de

Woodcock-Muñoz (Muñoz-Sandoval et al, 2012) y la prueba del factor numérico del
Test BADyG (E2) (Yuste et al., 1998) se llevaron a cabo de forma colectiva en el propio
aula en tres sesiones diferentes. Aproximadamente, el tiempo total de aplicación de las
pruebas fue alrededor de 30´ por participante en las pruebas individuales y 1 hora y 15´
para las pruebas colectivas. Los grupos de estudio se clasificaron en función del método
de aprendizaje utilizado en el aula, siendo el grupo control aquel que sigue el método
CBC y el grupo experimental el que utiliza el método ABN.
La tarea de fluidez de la Bateria III de Woodcock-Muñoz (Muñoz-Sandoval et

al., 2005) y la prueba del factor numérico del Test BADyG (E2) (Yuste et al., 1998) se
llevaron a cabo de forma colectiva en el propio aula en tres sesiones diferentes. Las
evaluaciones individuales se llevaron a cabo en una sala libre de distracciones y ruidos,
dentro del centro educativo. La realización de las tareas de cálculo mental, la de fluidez
de cálculo de Canals et al. (1991) y la tarea de estimación en recta numérica (Opfer y
Siegler, 2007) se llevaron a cabo de forma individualizada en dos sesiones y en las
horas lectivas, respetando el tiempo de recreo. Aproximadamente, el tiempo total de
aplicación de las pruebas fue alrededor de 1 hora y 15´ para las pruebas colectivas y de
45´ por participante en las pruebas individuales. Los grupos de estudio se clasificaron
en función del método de aprendizaje utilizado en el aula, siendo el grupo control aquel
que sigue el método CBC y el grupo experimental el que utiliza el método ABN.
En la tarea de Número-Posición (NP) de estimación en la recta numérica, los

ítems dentro de cada escala fueron ordenados aleatoriamente, de forma separada para
cada estudiante, y se presentan en diferentes páginas, un problema por página. Antes de
preguntar por el primer ítem de las tareas, el experimentador le presenta la recta
numérica y le dice al participante: “esta línea va de 0 a 1000. Si el 0 está aquí y el 1000
está aquí, ¿dónde situarías el 500?”.
Después de ofrecer el punto medio como referencia, tal y como se realizó en el

experimento de Ashcraft y Moore (2012), se comienza con el primer ítem y los
participantes van pasando las hojas a su propio ritmo. En la tarea Posición-Número
(PN), se le ofrece la misma referencia que en la tarea Número-Posición (NP) y se le
pide que nos diga el número exacto que pertenece a la marca que aparece en la recta
numérica.
158
6.3. Resultados y discusión
6.3.1. Análisis de las tareas de ejecución matemática
Prueba ad-hoc
Se llevó a cabo un análisis de descriptivos de las puntuaciones totales de las

diferentes tareas (numeración, operaciones-problemas y cálculo mental) y se aplicó una
prueba t para muestras independientes, con la intención de analizar las diferencias entre
los grupos experimental (ABN) y control (CBC).
En la tabla 10, se muestran los resultados obtenidos en la prueba t para muestras

independientes, asumiendo que las varianzas de las muestras son iguales. Se decide
aplicar esta prueba debido al reducido tamaño de las muestras. Se comprueba que la
media de resultados en todas las tareas es superior en el grupo experimental ABN ( :
16.79; 20.67; 6.96) frente a las medias obtenidas por el grupo control CBC ( : 10.44;
11.24; 3.76). Frente a estos resultados, el alumnado que aprende a través de la
metodología ABN presenta una mejor ejecución matemática en las tareas de
numeración, operaciones, problemas y cálculo mental, obteniendo una diferencia
significativa en cada una de ellas (p< .001).
N Media Desviación Error Mínimo Máximo Sig.

típica típico
ABN 24 16,79 3,021 ,617 12 21
TOTAL NUMERACION .000
CBC 25 10,44 3,675 ,735 3 20
TOTAL OPERACIONES- ABN 24 20,67 5,019 1,024 12 25
.000
PROBLEMAS CBC 25 11,24 5,925 1,185 2 24
ABN 24 6,96 3,342 ,682 1 12
TOTAL CALCULO MENTAL .000
CBC 25 3,76 2,471 ,494 0 9
Tabla 10. Estadísticos descriptivos y prueba t por grupos (experimental y control)
En la figura 87 se presenta una representan gráficamente los resultados

obtenidos por los grupos control (CBC) y experimental (ABN) en las tareas de
ejecución matemática, en la que se aprecia las diferencias obtenidas en la tabla 10.
159
TOTAL TAREA NUMERACIÓN

TOTAL TAREA OPERACIONES-PROBLEMAS
TOTAL TAREA CÁLCULO MENTAL
Figura 87. Puntuaciones del grupo control y experimental en las tareas de la prueba ad-hoc
Prueba fluidez de cálculo (Muñoz-Sandoval et al., 2005)
En relación a la prueba de fluidez de cálculo de Muñoz-Sandoval et al. (2005),

se aplicó un contraste de las puntuaciones obtenidas a través de la prueba no
paramétrica U de Mann-Whitney. En este caso, se obtiene una Z= -0.023, con una p
asociada de 0.982, aceptándose la hipótesis nula sobre la igualdad en ambos grupos; no
hay diferencias entre los dos grupos en esta variable contrastada.
PUNTUACION ACIERTOS PRUEBA FLUIDEZ WOODCOCK-MUÑOZ

U de Mann-Whitney 252,000
W de Wilcoxon 505,000
Z -,023
Sig. asintót. (bilateral) ,982
Tabla 11. Análisis puntuaciones en prueba de fluidez de cálculo Woodcock-Muñoz (2005)
Prueba fluidez de cálculo (Canals et al., 1991)
Al igual que en la prueba de fluidez de cálculo de Woodkcock-Muñoz (Muñoz-

Sandoval et al., 2005), se han analizado las puntuaciones obtenidas a través de la prueba
de fluidez de cálculo de Canals et al. (1991), utilizando la prueba no paramétrica U de
Mann-Whitney para comprobar si existen diferencias significativas entre los grupos de
160
estudio. En esta prueba tampoco existen diferencias significativas (Tabla 12) en cuanto
al método de aprendizaje matemático utilizado, ya que se obtiene para las distintas
operaciones unos valores de Z, con una p asociada mayores a nivel crítico establecido
del 0.05,, exceptuando en la operación de restar que se obtiene un valor de Z, con una p
asociada de 0.000, que permite rechazar la hipótesis nula sobre la igualdad en ambos
grupos; en este caso si se puede afirmar que hay diferencias entre los dos grupos en esta
operación.
Sumas correctas Restas correctas Multiplicaciones Divisiones

correctas correctas
U de Mann-Whitney 251,000 116,500 267,000 246,000
W de Wilcoxon 576,000 441,500 567,000 546,000
Z -,987 -3,681 -,662 -1,082
Sig. asintót. (bilateral) ,324 ,000 ,508 ,279
Como podemos observar en la tabla 12 las diferencias entre los grupos de

estudio no es significativa en la tarea de fluidez analizada, pero se pretende analizar en
profundidad las diferencias en las diferentes subtareas de suma, resta, multiplicación y
división, para comprobar si existen diferencias en las puntuaciones obtenidas por los
grupos control y experimental. Se decidió aplicar una regresión binomial para realizar
una prueba ómnibus ya que la variable de estudio es dicotómica. Como se puede
observar en la tabla 13, la tarea que presenta diferencias significativas respecto al
método utilizado para el aprendizaje de las matemáticas, es la tarea de restas (Tabla 13).
Estas diferencias pueden ser causadas por la dificultad que causan las restas en el
aprendizaje de las matemáticas y ser considerada como una de las operaciones que
supone mayor complejidad a la hora de realizarla a través del cálculo mental. Esto
podría suponer que en la muestra utilizada los estudiantes que siguen el método
tradicional no aprenden estrategas de cálculo mental que puedan ser aplicadas a la resta
y sin embargo, el alumnado que aprende a través del método ABN ha trabajado los
diferentes formatos de la resta (para más ampliación revisar el Capítulo 4) desarrollando
estrategias específicas para aplicar en el cálculo mental.
161
Rango Suma de U de Mann-

METODO Sig.
promedio rangos Whitney
ABN 27,04 649,00
Sumas correctas
CBC 23,04 576,00 251,00 ,324
Restas correctas ABN 32,65 783,50
CBC 17,66 441,50 116,50 ,000
Multiplicaciones correctas ABN 23,63 567,00
CBC 26,32 658,00 267.00 ,508
Divisiones correctas ABN 22,75 546,00
CBC 27,16 679,00 246,00 ,279
Estas pruebas de fluidez de cálculo, no serán incluidas en los posteriores análisis

de regresión que se realizaran en los siguientes puntos, puesto que al no existir
diferencias significativas entre los grupos de estudio no van a aportar ningún valor a la
ejecución matemática ni a la estimación que lleve a cabo la muestra. En ambas pruebas
de fluidez los cálculos mentales que realizan los participantes en todas las operaciones,
contienen números pequeños, trabajando con dígitos de una cifra. Por este motivo, tanto
el grupo control como el grupo experimental presentan las mismas posibilidades para
llegar al cálculo exacto, ya que se considera que las estrategias de cálculo mental son
mayormente utilizadas en las operaciones con números grandes, puesto que son en éstas
cuando el alumnado debe trabajar con el número completo. El grupo que sigue el
método ABN obtuvo mejores resultados en el cálculo mental con números grandes que
el grupo experimental (CBC) tal y como se muestra en la tabla 10. En relación a lo
anterior, el grupo CBC no ha trabajado las estrategias necesarias para realizar
operaciones a través de cálculo mental con números grandes, ya que este método trabaja
con cifras y no con cantidades completas. Sin embargo, el grupo ABN sí trabaja
estrategias de cálculo mental que puede aplicar a las operaciones con números mayores,
puesto que el tratamiento que hacen de las cantidades son en relación a lo que éstas
representan, es decir, se trabajan con cantidades globales.
BADyG (E2) Batería de Aptitudes Diferenciales y Generales
Esta prueba fue planteada como variable control, para comprobar que no existen
diferencias significativas entre los grupos de estudio, en cuanto a la rapidez en los
cálculos relacionados con la resolución de problemas y series numéricas; y
posteriormente, para la estimación en la línea numérica. En el caso de las tareas de
162
series numéricas y problemas verbales administradas a través del BADyG (E3), se llevó
a cabo un análisis de las frecuencias obtenidas aplicando la estimación por intervalos, en
relación a la puntuación proporcionada por el manual de la prueba. En este análisis se
pretende comprobar si los resultados obtenidos por los grupos control y experimental se
encontraban dentro de la media obtenida por la muestra que se utilizó para la
baremación de la prueba. En el caso de la tarea de series numéricas (Rn) se obtuvo en el
grupo experimental una media superior al grupo control ( 20,00 y :
17,91), el grupo ABN está dentro del valor obtenido por la muestra utilizada en la
baremación de la prueba ( : 18-19), y el grupo control está prácticamente
dentro de los valores medios, lo que nos hace indicar que nuestra muestra está dentro
del promedio presentado por la muestra de una población normal. En el caso de la tarea
de problemas numéricos (Sn), el grupo experimental presenta, al igual que en la tarea
Rn, una media superior al grupo control ( 17,66 y : 15,77), en este caso
los valores obtenidos por el grupo ABN están ligeramente por encima de la muestra
utilizada en la baremación de la prueba ( : 16-17), mientras que la media del
grupo control se encuentra en el límite inferior del promedio de la población utilizada
para la estandarización de la prueba (Tabla 14). Con el objetivo de comprobar si
existían diferencias significativas entre los grupos de estudio, obtuvimos unos datos que
reflejan la no existencia de diferencias entre ambas muestras (p> .001).
U de
Desviación
Media Mínimo Máximo Mann- Sig.
típica
Whitney
ABN 20,00 5,732 6 28
SERIES (Rn) CBC 17,91 6,399 4 30
BADYG E3 Manual 18-19
Total 18,95 6,096 4 30 192,50 ,244
ABN 17,659 6,6447 4,5 27,5
PROBLEMAS CBC 15,773 7,9638 ,5 29,0
(Sn) BADYG E3 Manual 16-17
Total 16,716 7,3107 ,5 29,0 207,50 ,417
Tabla 14. Análisis puntuaciones en BADyG (E2)
6.3.2. Análisis de Regresión Logística Binaria
En el presenta apartado se analizarán los resultados obtenidos tras la realización

del análisis de regresión logística binaria realizada a los grupos de estudio, ABN y
163
CBC, en relación con las tareas de ejecución matemática evaluadas a través de la prueba
ad-hoc. Se utiliza este tipo de análisis con el objetivo de analizar la capacidad predictiva
de dicha tarea en relación al método matemático que sigue el alumnado y el peso de las
tareas para predecir la pertenencia a un grupo u otro.
Para analizar hasta qué punto las distintas variables explican una parte de la
varianza en ejecución matemática más allá de lo explicado por la variable de control, se
llevó a cabo distintos análisis de regresión jerárquica en función de las tareas utilizadas
para la ejecución matemática. Dado que las pruebas de fluidez matemática no
obtuvieron puntuaciones significativas entre los grupos de estudio, no fueron utilizadas
en el modelo de regresión. En la tabla 15 se muestran los valores de la bondad de ajuste
obtenidos en la recta de regresión logística, lo que indica su idoneidad para reflejar
nuestros resultados. Como se puede observar en dicha tabla se obtienen unos datos
positivos en cuanto al ajuste del modelo (32,06), R2 de Cox y Snell la cuál en nuestro
caso es un buen valor (,519) que indica que el 51,9% de la varianza de la variable
dependiente es explicada por las variables incluidas en el modelo; y un elevado
coeficiente obtenido en la R2 de Nagelkerke (,692).
Resumen del modelo

2 2
-2 log de la verosimilitud R de Cox y Snell R de Nagelkerke
1
a
32,062 ,519 ,692
En el análisis de regresión logística, se han incluido las tareas de numeración,

operaciones/problemas y cálculo mental utilizadas en la prueba ad-hoc. El modelo
resultante (tabla 16) permite clasificar correctamente a un 79,2% de los casos del grupo
ABN, y el 96% de los sujetos del grupo CBC. Esto nos hace suponer que las variables
independientes incluidas predicen con bastante eficacia la posibilidad de pertenecer a
uno u otro grupo.
METODO APRENDIZAJE Porcentaje

MATEMÁTICO correcto
ABN CBC
METODO APRENDIZAJE ABN 19 5 79,2
Paso 1 MATEMÁTICO CBC 1 24 96,0
Porcentaje global 87,8
164
Teniendo en cuenta las variables independientes incluidas en el modelo, se debe

resaltar que la única variable que presenta un mayor relevancia (sig.= .013) para
predecir la pertenencia a un grupo u otro, es la tarea de numeración aplicada mediante la
prueba ad-hoc lo que supone un 51,7% de explicación del modelo. Sin embargo, las
otras dos tareas de operaciones/problemas y cálculo mental, según los índices aportados,
no presentan un efecto significativo para la explicación del modelo (tabla 17).
Variables en la ecuación
B E.T. Wald gl Sig. Exp(B)
Tarea de numeración -,517 ,208 6,158 1 ,013 ,596
a
Tarea de -,149 ,101 2,169 1 ,141 ,861
Paso 1
operaciones/prob.
Tarea de cálculo mental ,010 ,183 ,003 1 ,957 1,010
Tabla 17. Análisis de regresión logística binaria. Tareas de ejecución matemática ad-hoc
6.3.3. Correlaciones
A continuación se incluye un análisis de correlaciones para analizar en qué

medida están relacionadas las tareas de la prueba ad-hoc administrada y los resultados
obtenidos en las tareas de estimación en línea numérica: Posición-Número (PN) y
Número-Posición (NP). Con este análisis de correlaciones se pretende comprobar la
relación existente entre los resultados obtenidos en ejecución matemática y la
estimación numérica, para poder analizar más en profundidad las tareas d estimación en
caso de que la relación existente sea significativa. Como se muestra en la tabla 18,
podemos ver todas las tareas de ejecución matemática y las tareas de estimación están
relacionadas en un nivel de significación del 0,05.
1 2 3 4 5
(1) Tarea Numeración 1

**
(2) Tarea Operaciones-Problemas ,784 1
** **
(3) Tarea Cálculo Mental ,604 ,688 1
** ** *
(4) Tarea Estimación NP -,508 -,372 -,327 1
* ** * **
(5) Tarea Estimación PN -,326 -,473 -,310 ,453 1
Tabla 18. Análisis de correlaciones entre la ejecución matemática y la estimación en línea numérica
165
6.3.4. Análisis de la tarea de estimación en línea numérica
Tarea de estimación en la recta numérica (basado en el experimento 1 de Opfer y

Siegler, 2007)
Profundizando en las diferencias encontradas en la prueba ad-hoc y la

correlación significativa con las tareas de estimación, se procede al contraste entre los
resultados obtenidos en el grupo control (CBC) y el grupo experimental (ABN)
mediante la aplicación de la t, utilizando las medias de los errores de la tarea de
estimación en la línea numérica (tabla 19). Tal y como se observa, el grupo
experimental (ABN) ha obtenido una media significativamente inferior (p< .05) frente a
la media de errores obtenida por el grupo control. Este dato muestra que el alumnado
del grupo control son menos precisos en las estimaciones realizadas en la línea
numérica y se puede asegurar que existen diferencias significativas entre ambos grupos
de estudio.
METODO APRENDIZAJE MATEMÁTICO Media Desv. típ. Sig.

(bilateral)
ABN 10,4106 3,84064 ,000

Media estimación
CBC 21,6530 6,38015 ,000
Tabla 19. Análisis de descriptivos de la media de errores en la tarea de estimación en la línea numérica
6.3.4.1. Análisis funciones lineales y logarítmicas
Como hemos visto en otras partes de esta Tesis, sabemos que con edades
mayores los estudiantes cambian de una función logarítmica a una función lineal en la
recta numérica. Por ello llevamos a cabo un análisis de regresión calculando las
funciones lineales y logarítmicas. En primer lugar se presentan los resultados obtenidos
en la tarea de Número-Posición (NP); para el grupo experimental se obtuvo una función
lineal (R2 lin = ,970) mayor que el valor obtenido en la función logarítmica (R2 log =
,740) (figura 88); y en el grupo control tanto la función lineal (R2 =,865) como la
función logarítmica (R2 = ,862) ofrecen resultados muy similares (figura 89). Todo ello,
lleva a considerar que la explicación del proceso de estimación en línea numérica puede
ser explicada a través de una función lineal en el caso del ABN y con una función
logarítmica en el caso del grupo CBC. Una diferencia que nos permite el mayor grado
de precisión en la tarea de Número-Posición (NP) en el grupo experimental en
166
comparación con el alumnado del grupo control, lo cual es coherente con los estudios
previos (Siegler y Booth, 2004, 2008; Siegler y Opfer, 2003). Aunque ambos grupos
presentan mayores valores para la función lineal, los valores obtenidos por el grupo
experimental nos indican que el alumnado que sigue el método ABN es más preciso en
sus respuestas, por lo que estiman mejor en la línea numérica que el alumnado del grupo
CBC.
GRUPO ABN
(EXPERIMENTAL)
Número Estimado
Figura 88. Análisis función lineal y logarítmica en el grupo experimental. Tarea NP

(R2 lin = ,970 > R2 Log = ,740)
GRUPO CBC (CONTROL)

Número Estimado
Figura 89. Análisis función lineal y logarítmica en el grupo control. Tarea NP

(R2 lin = ,865 > R2 Log = ,862)
167
A continuación se presentan los análisis de las funciones lineales y logarítmicas

obtenidas por los grupos de estudio en la tarea de Posición-Número (PN), las cuáles
muestran resultados similares a los encontrados por Ashcraft y Moore (2012). En las
figuras 90 y 91 se muestran las funciones lineales y logarítmicas que describen los
valores obtenidos por el grupo experimental y control. En el caso del grupo ABN y
CBC los valores de la función lineal es mayor que el valor obtenido por la función
logarítmica en ambos grupos (R2 lin > R2 log), resultados que se relacionan con los
estudios tomados como referentes en este tipo de tareas de estimación en línea
numérica.
GRUPO ABN
(EXPERIMENTAL)
Número Estimado
Figura 90. Análisis función lineal y logarítmica en el grupo experimental. Tarea PN

(R2 lin = ,989 > R2 Log = ,595)
GRUPO CBC
(CONTROL)
Número Estimado
Figura 91. Análisis función lineal y logarítmica en el grupo control. Tarea PN

(R2 lin = ,967 > R2 Log = ,597)
168
Si analizamos los resultados obtenidos en las tareas de Número-Posición (NP) y

Posición-Número (PN), podemos este apartado destacando que el grupo ABN en ambas
tareas obtiene un función lineal superior a los valores dela función logarítmica, por lo
que este grupo de estudio estima mejor en la línea numérica mental. Sin embargo, en la
muestra formada por el grupo CBC, debemos resaltar que en la tarea de Número-
Posición (NP) la función lineal es mayor que la logarítmica pero con poca diferencia
entre los valores obtenidos (R2 lin = ,865 > R2 Log = ,862), lo que indica que el grupo
de estudio posee menos estrategias de estimación en la línea numérica y falla más en
este tipo de tarea, describiendo una función similar a la de alumnos de edad inferior
según los datos obtenidos por Opfer y Siegler (2007). En lo que se refiere a la tarea
Posición-Número (PN), se obtiene valores similares a los conseguidos por el grupo
experimental
6.3.4.2. Regresión Lineal
A continuación se presentan los modelos elaborados para el análisis de regresión

lineal en las tareas de estimación en la línea numérica. En primer lugar, se presentan los
resultados y discusiones obtenidos en el modelo de la tarea de estimación de Número-
Posición (NP). Tomando como referencia la regresión lineal como la función que en
mayor grado nos permite discriminar entre el método ABN y CBC, se observa cómo se
puede definir una función con capacidad para predecir el 21,3% respecto de la media de
los errores obtenida en la tarea de estimación en la línea numérica de Número-Posición
(NP). El modelo elaborado toma como variables predictoras las tareas de ejecución
matemática (numeración, operaciones-problemas y cálculo mental) y como variable
dependiente la tarea de estimación en recta numérica de Número-Posición (NP) (tabla
20).
Modelo R R cuadrado R cuadrado corregida Error típ. de la

Método de aprendizaje estimación
a
1 ,512 ,262 ,213 5,56207
a. Variables predictoras: (Constante), TAREA CALCULO MENTAL, TAREA NUMERACION, TAREA
OPERACIONES-PROBLEMAS
Tabla 20. Resumen del modelo elaborado por el análisis de regresión en la tarea de estimación NP
La recta de regresión obtenida a partir de las variables introducidas nos indica

que existen diferencias significativas entre los dos métodos evaluados tomando como
variable dependiente la tarea de estimación de Número-Posición (NP) (tabla 21)
169
Modelo gl Media cuadrática F Sig.

b
Regresión 3 165,100 5,337 ,003
1 Residual 45 30,937
Total 48
Tabla 21. Modelo elaborado por el análisis de regresión en la tarea de estimación NP
Tal y como se puede observar en la tabla 22, la variable predictora introducida

que presenta significativamente un mayor peso en el modelo elaborado para el análisis
de regresión de la tarea de estimación Número-Posición (NP), es la tarea de
numeración, lo que quiere decir que menores errores en las tareas de estimación tendrán
relación con unas mejores puntuaciones en las tareas de numeración. Este hecho, se
comprueba en el estudio que se está presentando en la presente tesis, ya que la muestra
del grupo experimental presenta mejores puntaciones en las tareas de estimación, al
haber trabajado desde edades tempranas este tipo de tareas, y consecuentemente,
presentan una mejor ejecución matemática en las tareas de numeración. Estos resultados
indican que la base de una mejor ejecución matemática estaría en el entrenamiento en
tareas de estimación.
Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados
B Error típ. Beta
(Constante) 18,303 2,488 7,356 , 000
TAREA NUMERACION -,741 ,281 -,550 -2,640 ,011
TAREA ,090 ,198 ,104 ,456 ,650
1 OPERACIONES-
PROBLEMAS
TAREA CALCULO -,124 ,333 -,066 -,371 ,712
MENTAL
Tabla 22. Coeficientes del modelo elaborado por el análisis de regresión en la tarea de estimación NP
El modelo elaborado para el análisis de regresión lineal en la tarea de estimación

de Posición-Número (PN) puede ser definida con una función con capacidad para
predecir el 17,8% respecto de la media de los errores obtenida en esta tarea de
estimación en la línea numérica.
Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación

a
1 ,479 ,229 ,178 4,94459
Tabla 23. Resumen del modelo elaborado por el análisis de regresión en la tarea de estimación PN con la tarea de
ejecución matemática
En la tabla 24 se presentan los resultados obtenidos en la recta de regresión

obtenida a partir del modelos elaborado con la tarea de estimación de Posición-Número
170
(PN) como variable dependiente y las tareas de ejecución matemática como variables
predictoras, teniendo en cuenta los dos métodos de aprendizaje como variable de
agrupación. En la tabla se observa que existen diferencias significativas entre los dos
métodos de aprendizaje.
Modelo Suma de gl Media cuadrática F Sig.

cuadrados
b
Regresión 327,680 3 109,227 4,468 ,008
1 Residual 1100,205 45 24,449
Total 1427,885 48
Tabla 24. Modelo elaborado por el análisis de regresión en la tarea de estimación PN
Como se puede observar en la tabla 25, en el modelo elaborado para la tarea de

estimación Posición-Número (PN) como variable dependiente, la variable predictora
introducida que presenta significativamente un mayor peso es la tarea de operaciones-
problemas, lo que quiere decir que menores errores en las tareas de estimación tendrán
relación con unas mejores puntuaciones en las tareas de resolución de operaciones y
problemas. Estos resultados apoyan lo obtenido en el modelo elaborado para la tarea de
estimación Número-Posición (NP), siendo la base de una mejor ejecución matemática el
entrenamiento en tareas de estimación.
Modelo Coeficientes no Coeficientes t Sig.

estandarizados tipificados
B Error típ. Beta
(Constante) 11,109 2,212 5,022 ,000
TAREA NUMERACION ,134 ,250 ,114 ,536 ,595
1 TAREA OPERACIONES-
-,432 ,176 -,573 -2,454 ,018
PROBLEMAS
TAREA CALCULO
,025 ,296 ,015 ,085 ,933
MENTAL
Tabla 25. Coeficientes del modelo elaborado por el análisis de regresión en la tarea de estimación PN
171
CAPÍTULO 7 Conclusiones
CAPÍTULO 7: CONCLUSIONES
En las últimas décadas se han generado diferentes corrientes de investigación y

propuestas innovadoras con la intención de mejorar el aprendizaje de las matemáticas en
las aulas. Las metodologías tradicionales y los nuevos métodos que se proponen difieren
en la forma de enfrentar el sentido numérico, trabajando la base del aprendizaje de las
matemáticas desde la numeración y las diferentes posibilidades para la resolución de las
operaciones. De forma paralela a estas innovaciones en las metodologías de las
matemáticas, se han generado multitud de estudios centrados en el análisis del
procesamiento de las magnitudes numéricas y su relación con la ejecución en
matemáticas. La presente Tesis ha sido un intento de aportar algo genuino a este
próspero campo de investigación, analizando el impacto que puede tener la
implantación de una metodología innovadora, como el método ABN, en la ejecución
matemática y en el procesamiento de magnitudes numéricas. Como se ha revisado en el
marco teórico, se nace con un sistema numérico aproximado, esto quiere decir que la
biología nos da las bases sobre la cual se va a ir desarrollando un sistema numérico
simbólico a través de la cultura y de la enseñanza formal, que de una manera u otra
acaba conectando con el proporcionado por la biología. La forma en que se lleva a cabo
este proceso de proyección de un sistema en otro es una cuestión que aún no tiene una
respuesta concluyente. Pero posiblemente este proceso juega un papel importante en el
desarrollo de las habilidades matemáticas. Existen defensores que dan más importancia
a un sistema u otro; otros partidarios apoyan que es el sistema aproximado el que se
relaciona con las habilidades matemáticas y; aquellos que plantean la posibilidad de que
es el sistema simbólico el que se relaciona con las habilidades matemáticas. Todas las
propuestas presentan evidencias y puede que todos tengan parte de razón, y las
habilidades matemáticas se construyan a partir de ambos sistemas y las conexiones y
relaciones que se desarrollan entre los dos. En el caso de la Tesis que se presenta,
apoyaría la proyección del sistema simbólico en el aproximado como elemento clave
para el desarrollo de las habilidades aritméticas. Así, se desarrolló un estudio que
incluye el análisis de los resultados en la ejecución matemática de los grupos de estudio
en relación a los dos métodos de aprendizaje de las matemáticas (CBC y ABN), a
continuación se incluye el análisis de los resultados en relación a las tareas de
estimación en línea numérica y la ejecución matemática y por último, el estudio de las
172
funciones lineales y logarítmicas obtenidas por los grupos de estudio en las tareas de
estimación. En cuanto a las cuatro hipótesis planteadas en este trabajo podemos
concluir que con referencia a la primera hipótesis el alumnado que sigue la metodología
ABN presenta mejores resultados en las tareas de ejecución matemática que los que
siguen el método CBC, ya que existen diferencias significativas entre los resultados
obtenidos por los grupos control y experimental. En lo que se refiere a la segunda
hipótesis, se puede concluir que el método ABN propicia un mejor desempeño en las
tareas de numeración, resolución de operaciones-problemas y cálculo mental, tal como
se ha mostrado a través de los análisis y gráficos aportados en el apartado de Resultados
y discusión. Referente a las tareas de estimación aplicadas a los grupos de estudio, se
concluye que el alumnado perteneciente al grupo experimental presenta mejores niveles
en las tareas de estimación en la línea numérica frente a los del grupo control, tal y
como se defiende en la tercera hipótesis, por lo que el alumnado que sigue la
metodología ABN estima mejor que aquellos que siguen el método CBC, debido a la
existencia de tareas de estimación en la nueva metodología desde edades tempranas. Por
último, en cuanto a la cuarta hipótesis se han obtenido los resultados esperados ya que
los resultados en la prueba de estimación en la línea numérica del grupo ABN han
mostrado un mejor ajuste para función lineal que la presentada por el grupo control
(CBC), en línea con los estudios previos propuestos a lo largo de la Tesis. En base a los
resultados obtenidos a partir de las tareas de estimación se puede asumir que ésta puede
ser considerada como la base sobre la que se sustenta el desarrollo matemático, por
tanto, al presentar mejores resultados los sujetos que siguen la metodología ABN sus
resultados en la ejecución matemática, sobre todo en numeración, operaciones y
resolución de problemas.
Como conclusión final, se puede aportar que la inclusión de tareas de estimación

en la metodología de las matemáticas utilizada en el aula, mejora de forma significativa
la ejecución en matemáticas, por este motivo se debe impulsar la utilización de métodos
alternativos que trabajen la numeración y la estimación como base del aprendizaje de
las matemáticas, tal y como se trabaja en metodologías abiertas como el método ABN.
En cuanto a las limitaciones, dos han sido los aspectos que hemos tenido en
cuenta. Por un lado, incluir una medida de control que permita que las predicciones sean
adecuadas, aunque es probable que para posteriores estudios se deban incorporar más
medidas de control. Por otro lado, utilizar un rango más amplio de medidas relacionadas
173
con la ejecución matemática, ya que los instrumentos utilizados para la medición de la

fluidez de cálculo no han aportado nada al estudio. Parece evidente que este estudio se
realice con una muestra más grande y sería adecuado llevarlo a cabo en cada uno de los
ciclos de educación primaria para realizar un estudio longitudinal, que sería muy
adecuado para el análisis y la evolución de la estimación en la línea numérica.
Como es evidente, este trabajo tiene importantes implicaciones educativas.

Algunas de ellas tienen que ver precisamente con la implantación de metodologías
alternativas para la enseñanza de las matemáticas y la importancia de las tareas de
estimación en este aprendizaje. Si como se plantea, las tareas de estimación realmente
juegan un papel importante en el desarrollo de las habilidades y la ejecución en
matemáticas, es preciso incluir este tipo de tareas en los primeros años de escolarización
y contar con pruebas de evaluación que realmente midan los resultados que se van
obteniendo en relación al procesamiento y representación de la magnitud numérica. En
este sentido, se hace necesario una renovación en la enseñanza de las matemáticas,
incorporando métodos que den prioridad a las bases de la numeración, la estimación y
cálculo mental, sobre las que asentar la resolución de operaciones y problemas.
Finalmente, este trabajo de Tesis plantea nuevas líneas de investigación, por una parte
en relación a las metodologías alternativas de las matemáticas y por otro lado, en cuanto
al análisis del procesamiento de magnitudes numéricas.
174
BIBLIOGRAFÍA
BIBLIOGRAFÍA MÉTODO DE APRENDIZAJE MATEMÁTICO ABN COMO ALTERNATIVA AL MÉTODO CBC
BIBLIOGRAFÍA
Ablewhite, R. C. (1971). Las matemáticas y los menos dotados. Madrid: Ediciones

Morata.
Alcalá, M. (1986). Otra matemática, otra escuela. Granada: Escuela Popular.
Alsina, A. (2009). El aprendizaje realista: una contribución de la investigación en

Educación Matemática a la formación del profesorado. En M.J. González, M.T.
González y J. Murillo (Eds.), Investigación en Educación Matemática XIII (pp.
119-127). Santander: SEIEM. Documento en línea. Disponible en:
http://www.seiem.es/publicaciones/archivospublicaciones/actas/Actas13SEIEM/S
EIEMXIII-AngelAlsina.pdf.
Ansari, D. (2008). Effects of development and enculturation on number representation

in the brain. Nature Reviews Neuroscience, 9(4), 278–291.
Ansari, D. (2013). What scaffolds the early development of numerical and mathematical
competencies? Numerical cognition.
Araújo, A., Aragón, E., Aguilar, M., Navarro, J.I. y Ruiz, G. (2014). Un estudio
exploratorio para la adaptación de la versión española revisada del “Early
Numeracy Test-R” para evaluar el aprendizaje matemático temprano. European
Journal of Education and Psychology, 7 (2), 83-93.
Ashcraft, M. H., y Moore, A. M. (2012). Cognitive processes of numerical estimation in

children. Journal of Experimental Child Psychology, 111, 246–267.
Ashlock, R. (1976). Error patterns in computation: A semi-programmed approach.

Ohio: Charles E. Merrill Publishing Co.
Ashlock, R. B. (2010). Error patterns in computation. 10ª edición. Ohio: Pearson.
Barba, D. y Calvo, C. (2009). Sentido numérico, aritmética mental y algoritmos. En

Elementos y razonamientos en la competencia matemática. Cursos de verano de la
UIMP de 2009. Santander.
176
Barba, D. y Calvo, C. (2011). Sentido numérico, aritmética mental y algoritmos. En J.

E. García y J.L. Álvarez (Eds.), Elementos y razonamientos en la competencia
matemática (pp. 47- 78). Madrid: Ministerio de Educación, Cultura y Deporte.
Barba, D., y Calvo, C. (2015). Calcular con números y no con dígitos. Suma, 78, 73-81.
Baroody, A.J. (1988). El pensamiento matemático de los niños. Madrid: MEC-Visor.
Barth, H., Beckmann, L., y Spelke, E. S. (2008). Nonsymbolic, approximate arithmetic

in children: Abstract addition prior to instruction. Developmental Psychology,
44(5), 1466–1477.
Barth, H., La Mont, K., Lipton, J., Dehaene, S., Kanwisher, N., y Spelke, E. (2006).
Non- symbolic arithmetic in adults and young children. Cognition, 98(3), 199–
222.
Barth, H., La Mont, K., Lipton, J. y Spelke, E.S. (2005). Abstract number and
arithmetic in preschool children. Proceedings of the National Academy of
Sciences, 102, 14116–14121.
Barth. H. y Paladino, A.M. (2011). The development of numerical estimation:

Evidence against a representational shift. Developmental Science, 14, 125 – 135.
Berteletti, M., Lucangeli, D., Piazza, M, Dehaene, S. y Zorzi, M. (2010). Numerical

Estimation in Preschoolers. Developmental Psychology, 46 (2), 545–551.
Booker, G., Bond, D., Sparrow, L., y Swan, P. (2010). Teaching primary Mathematics.
Frenchs Forest: Pearson Hall.
Booth, J. L., y Siegler, R. S. (2006). Developmental and individual differences in pure

numerical estimation. Developmental Psychology, 41, 189–201.
Booth, J. L.; Siegler, R. S. (2008). Numerical magnitude representations influence

arithmetic learning. Child development, 79(4), 1016-1031.
Bracho-López, R. (2013). Menos reglas y más sentido: alternativas metodológicas a los

algoritmos de cálculo tradicionales para el desarrollo del sentido numérico en la
Educación Primaria. Comunicación presentada en el VII Congreso
Iberoamericano de Educación Matemática. Montevideo.
177
Bracho-López, R., Adamuz-Povedano, N., Gallego-Espejo, M. C., Jiménez-Fanjul, N.

(2014). Alternativa metodológica para el desarrollo integral del sentido numérico
en niños y niñas de primer ciclo de educación primaria. En M. T. González, M.
Codes, D. Arnau y T. Ortega (Eds.), Investigación en Educación Matemática
XVIII (pp. 167-176). Salamanca: SEIEM.
Bracho-López, R., Adamuz-Povedano, N. (2014). Algoritmos flexibles para las

operaciones básicas como modo de favorecer la inclusión social. Revista
Internacional de Educación para la Justicia Social (RIEJS), 3(1), 37-53.
Brankaer, C., Ghesquie`re, P., y De Smedt, B. (2014). Children’s mapping between

nonsymbolic and symbolic numerical magnitudes and its association with timed
and untimed tests of mathematics achievement. PLoS One, 9(4), e93565.
Brannon, E.M., Cantlon, J.F. y Terrace, H.S (2006). The role of reference points in
ordinal numerical comparisons by rhesus macaques (Macaca mulatta). Journal of
Experimental Child Psychology, 32(2):120-34.
Brown, H.I. (1994). La nueva filosofía de la ciencia. Tercera Edición. Madrid: Tecnos
Bruner, J. (1967). Towards a theory of instruction. Belknap Press: Cambridge.
Bryant, P. y Nunes, T. (2009). Multiplicative reasoning and mathematics achievement.

En M. Tzekaki, M. Kaldrimidou y, H. Sakonidi (Eds.), Proceedings of the 33 the
International Group for the Psychology of Mathematics Education, 2, 217-224.
Thessaloniki, Greece: PME.
Burrows, J. K. (1976). A review of the literature on computational errors with whole

numbers. Vancouver, B.C.: Mathematics Education Diagnostic and Instruction
Centre, Department of Mathematics Education, Faculty of Education, University
of British Columbia.
Buswell, G., y Judd, C. (1925). Summary of educational investigation relating to

arithmetic. Chicago: The University of Chicago.
Butterworth, B. (2005).The development of arithmetical abilities. Journal of Child

Psychology and Psychiatry, 46 (1), 3–18. doi: 10.1111/j.1469-7610.2005.00374.x
178
Butterworth, B., Granà, A., Piazza, M., Girelli, L., Price, C., y Skuse, D. (1999).
Language and the origins of number skills: karyotypic differences in Turner’s
syndrome. Brain & Language, 69, 486–488.
Campbell, J. I. D. y Clark, J. M. (1988). An encoding complex view of cognitive

number processing: Comment on McCloskey, Sokol and Goodman (1986).
Journal of Experimental Psychology, General, 117, 204-214.
Campbell, J. I. D., y Clark, J. M. (1992). Cognitive number processing: an encoding

complex perspective. En J. I. D. Campbell (Ed.), The nature and origins of
mathematical skills (pp. 457–492). North-Holland: Elsevier Science Publishers.
Campbell, P. F., y Johnson, M.L. (1995) How Primary Students Think and Learn.
Prospects for School Mathematics (pp. 21-42). Reston, VA: National Council of
Teachers of Mathematics.
Canals, M. A., Carbonell, F., Estaún, S. y Añañaos, E. (1991). Pruebas

Psicopedagógicas de Aprendizajes Instrumentales. Ciclos Inicial y Medio de
E.G.B. Barcelona: Onda.
Cantos, S. (2016). Entrevista a Jaime Martínez Montero. La Voz de Cádiz. Recuperado

el 26-07-2016 http://www.lavozdigital.es/cadiz/provincia/lvdi-jaime-martinez-
ocho-anos-metodo-tradicional-ensenar-matematicas-desaparecera-
201607240917_noticia.html
Carroll, W. M. y Porter, D. (1998). Alternative Algorithms for Whole-Number

Operations. En L. J. Morrow y M. J. Kenney (Eds.) The Teaching and Learning of
Algorithms in School Mathematics (pp. 106-114). Reston, VA: National Council
of Teachers of Mathematics.
Carpenter, T. P. y Moser J. M. (1982). The development of adition and subtraction

problem solving skills. En T. P. Carpenter, J. M. Moser y T. A. Romberg (Eds.)
Adition and subtraction: A cognitive perspective (pp. 9-24). Hillsdale, NJ:
Erlbaum.
Chamorro, M. C, (coord.) (2005). Didáctica de las matemáticas. Madrid. Prentice Hall.
179
Resnick, L.B., y Ford, W.W. (1990). La enseñanza de las matemáticas y sus

fundamentos psicológicos. Madrid: MEC_Paidos.
De Corte, E., Greer, B., y Verschaffel, L. (1996). Mathematics teaching and learning.
En D. C. Berliner y R. C. Calfee (Eds.), Handbook of educational psychology (pp.
491–549). New York, NY: Macmillan.
Dehaene, S. (1992). Varieties of numerical abilities. Cognition, 44, 1-42.
Dehaene, S. (1997). The number sense: How the mind creates mathematics. New York:
Oxford University Press.
Dehaene, S. (2011). The number sense. New York: Oxford University Press.
Dehaene, S., y Akhavein, R. (1995). Attention, automaticity and levels of representation

in number processing. Journal of Experimental Psychology: Learning, Memory,
and Cognition, 21, 314-326.
Dehaene S., Bossini S. y Giraux P. (1993). The mental representation of parity and
numerical magnitude. Journal of Experimental Psychology, General 122, 371–
396.
Dehaene, S. y Cohen, L. (1995). Towards an anatomical and functional model of

number processing. Mathematical Cognition, 1, 83–120.
Dehaene, S., Dehaene-Lambertz, G., y Cohen, L. (1998). Abstract representations of

numbers in the animal and human brain. Trends in Neuroscience, 21, 355-361.
Dehaene, S., Dupoux, E. y Mehler, J. (1990). Is numerical comparison digital?

Analogical and Symbolic Effects in two-digit number comparison. Journal of
Experimental Psychology, 16(3), 626-641.
Dehaene, S., Spelke, E., Pinel, P., Stanescu, R. y Tsivkin, S. (1999). Sources of
mathematical thinking: behavioral and brain-imaging evidence. Science,
284(5416), 970-974.
De Hevia, M. D., Spelke, E. S. (2010) Number-space mapping in human infants.

Psychol Sci, 21(5), 653–660.
180
De Smedt, B., y Gilmore, C. K. (2011). Defective number module or impaired access?

Numerical magnitude processing in first graders with mathematical difficulties.
Journal of Experimental Child Psychology, 108, 278-292.
De Smedt, B., Verschaffel, L., y Ghesquiere, P. (2009). The predictive value of

numerical magnitude comparison for individual differences in mathematics
achievement. Journal of Experimental Child Psychology, 103, 469–479. doi:
10.1016/j.jecp.2009.01.010
Department for Education and Skills (DfES) (2007). Primary Framework for literacy
and mathematics: Guidance paper – Calculation. London: DfES.
Diamantopoulou, S., Pina, V., Valero, A., González, C. y Fuentes, L. (2012). Validation
of the Spanish Version of the Woodcock-Johnson Mathematics Achievement
Tests for Children Aged 6 to 13. Journal of Psychoeducational Assessment, 30
(5), 466-477.
Dickson, L., Brown, M. y Gibson, O. (1991). El aprendizaje de las matemáticas.

Madrid: MEC-Labor.
Farnham-Diggory, S. (1994). Paradigms of knowledge and instruction. Review of

Educational Research, 64, 463-477.
Fauzan, A. Plomp, T., Slettenhaar, D. (2002). Traditional mathematics education vs.

realistic mathematics education: Hoping for Changes. En Proceedings of the 3rd
International Mathematics Education and Society Conference (pp. 1-4).
Copenhagen: Centre for Research in Learning Mathematics.
Feigenson, L., Dehaene, S. y Spelke, E. (2004). Core systems of number. Trends in

cognitive sciences, 8 (7), 307-314.
Fernández Bravo, J.A. (2002a). La numeración y las cuatro operaciones básicas.

Madrid: CCS.
Fernández Bravo, J.A. (2002b). Numerator. Madrid: CCS.
Fernández Bravo, J.A. (2006). Didáctica de la matemática en Educación Infantil.

Madrid: Grupo Mayéutica Conpa.
181
Fernández Bravo, J.A. (2010a). La corona de la princesa de los labios de fresa. Madrid:
Grupo Mayéutica Conpa.
Fernández Bravo, J.A. (2010b). Resolución de problemas matemáticos. Madrid: Grupo

Mayéutica Conpa.
Fernández Bravo, J.A. (2008). Desarrollo del pensamiento lógico y matemático.

Madrid: Grupo Mayéutica Conpa.
Fernández Bravo, J.A. (2014). Enséñame a contar y no contar. Madrid: Grupo

Mayéutica Conpa.
Ferrero, L. (1984). Operaciones con números naturales. Madrid: Papeles de Acción

Educativa.
Friso-van den Bos, I., van der Ven, S. H. G., Kroesbergen, E. H., y Van Luit, J. E. H.
(2013). Working memory and mathematics in primary school children: A meta-
analysis. Educational Research Review, 10, 29–44.
Fuson, K. C. (1992). Research and learning and teaching addition and subtraction whole
numbers. En G. Leinhardt, R. Putnam y R. A. Hattrup (Eds.), Analysis of
arithmetic for mathematics teaching (pp. 53-187). Hillsdale, NJ: Erlbaum.
Fuson, K. C., y Beckmann, S. (2013). Standard Algorithms in the Common Core State
Standards. NCSM Journal of Mathematics Education Leadership, 14, 2, 14–30.
Fuson, K.C. y Hall, J.W. (1983). The acquisition of early number word meanings: A
conceptual analysis and overview. En H.P. Ginsburg (Ed.), The development of
mathematical thinking (pp. 49-107). New York: Academic Press.
Fuson, K. y Briars, D.J. (1990). Using base-ten blocks learning/teaching approach for
first and second grace place value and multidigit additions and subtraction.
Journal for Research in Mathematics Education, 21, 180-206.
Fuson, K. C., Wearne, D., Hiebert, J., Murray, H., Human, P., Olivier, A., Carpenter, T.,
y Fennema, E. (1997). Children's conceptual structures for multidigit numbers and
methods of multidigit addition and subtraction. Journal for Research in
Mathematics Education, 28, 130-162.
182
Freudenthal, H. (1968). Why to Teach Mathematics so as to Be Useful, Educational

Studies in Mathematics, 1, 3-8.
Gairín, M., y Sancho, J. (2002). Números y algoritmos. Madrid: Síntesis.
Gallardo Romero, (2014). Enseñanza y Aprendizaje del Cálculo Aritmético Elemental

en Primaria. UMA.
García, T.; Bracho, R.; Maz, A.; Lucena, M.; Hidalgo, M.D.; Adrián, C., y Jiménez, N.
(2011). Una comunidad de investigación orientada al aprovechamiento de
recursos didácticos para el desarrollo del sentido numérico en niños y niñas de
primer ciclo de Educación Primaria. En J.L. Lupiáñez, M.C. Cañadas, M. Palarea
y A. Maz (Eds.), Investigaciones en Pensamiento Numérico y Algebraico e
Historia de las Matemáticas y Educación Matemática (pp. 113-121). Granada:
Dpto. Didáctica de la Matemática, Universidad de Granada.
Geary, D. C., Hoard, M. K., Byrd-Craven, J., Nugent, L., y Numtee, C. (2007).
Cognitive mechanisms underlying achievement deficits in children with
mathematical learning disability. Child Development, 78, 1343–1359.
Gebuis, T. y Van der Smagt, M.J (2011). False approximations of the approximate
number system. PLoS One, 6(10), e25405.
Gelman, R. y Gallistel, C. (1978). The child`s understanding of number. Cambridge,

Mass: Harvard University Press.
Gelman, R. y Meck, E. (1983). Preschooler´s counting: principles before skill.

Cognition, 13, 343 – 360.
Gelman, R. y Gallistel, C. (2004). Language and the Origin of Numerical. Concepts.

Science, 306 (5695), 441-443.
Gervasoni, A. (2005). The diverse learning needs of young children who were selected
for an intervention program. En H. L. Chick y J. L. Vincent (Eds.), Proceedings of
the 29th annual conference of the International Group for the Psychology of
Mathematics Education, Vol. 3 (pp. 33-40). Melbourne, Australia: PME.
Gilmore, C., Attridge, N., y Inglis, M. (2011). Measuring the approximate number
system. Quarterly Journal of Experimental Psychology, 64(11), 2099–2109.
183
Gilmore, C.K., McCarthy, S.E., y Spelke, E.S. (2007). Symbolic arithmetic knowledge
without instruction. Nature, 447 (7144), 589 – 591.
Gilmore, C.K., McCarthy, S.E., y Spelke, E.S. (2011). Non-symbolic arithmetic

abilities and mathematics achievement in the first year of formal schooling.
Cognition, 115 (3), 394–406.
Gómez Alfonso (1999). El futuro del cálculo. Uno, 22, 20-27.
Gómez Alfonso, B. (1988). Numeración y cálculo. Madrid: Síntesis.
Gravemeijer, K. y Van Galen, F. (2003). Facts and Algorithms as Products of Students’

Own Mathematical Activity. En J. Kilpatrick; W.G. Martin y D. Schifter (Eds.). A
Research Companion to Principles and Standards for School Mathematics (pp.
114-122). Reston VA, NCTM.
Griffin, S., Case, R., y Siegler, R. (1994). Rightstart: Providing the central conceptual
prerequisites for first formal learning of arithmetic to students at risk for school
failure. En K. McGilly (Ed.), Classroom lessons: Integrating cognitive theory and
classroom practice (pp. 24–49). Cambridge, MA: MIT Press.
Halberda J, Feigenson L (2008) Developmental change in the acuity of the ‘number

sense’: The approximate number system in 3-, 4-, 5-, and 6-year-olds and adults.
Developmental Psychology, 44, 1457–1465.
Halberda, J., Mazzocco, M. M., y Feigenson, L. (2008). Individual differences in non-

verbal number acuity correlate with math achievement. Nature, 455, 665–668.
doi:10.1038/nature07246.
Hatano, G., Amaiwa, S. y Inagaki, K. (1996). “Buggy Algorithms” as Attractive

Variants. Journal of mathematical Behavior, 15, 285-302.
Hedrén, R. (1998). The teaching of traditional standard algorithms for the four
arithmetic operations versus the use of pupils’ own methods. En I. Schwank (Ed.)
Proceedings of the First Conference of the European Society in Mathematics
Education, Vol. 1 (pp. 233- 244). Osnabrück, Germany.
184
Heirdsfield, A. M., y Cooper. T. J. (2002). Flexibility and inflexibility in accurate

mental addition and subtraction: Two case studies. Mathematical Behavior, 21,
57-74.
Hennessy, S. (1993). The stability of children’s mathematical behavior: when is a bug

really a bug? Learning and Instruction, 3, 315-338.
Hidalgo, S., Maroto, A. y Palacios, A. (1999). La presencia de la cultura icónica en una

propuesta de acción educativa en Matemáticas, en Actas del II Congreso
Internacional de Formación y Medios. Universidad de Valladolid, 213-217.
Holloway, I.D., y Ansari, D. (2009). Mapping numerical magnitudes onto symbols: the
numerical distance effect and individual differences in children’s mathematics
achievement. Journal of Experimental Child Psychology, 103 (1), 17–29.
Hyde, D.C., Boas, D. A., Blair, C., y Carey, S. (2010). Near-infrared spectroscopy
shows right parietal specialization for number in pre-verbal infants. NeuroImage,
53(2), 647-652.
Ifrah, G. (1998). Historia Universal de las Cifras. Madrid: Espasa Calpe.
Iglesias, J. M. y Martín-Adrián, A.R. (2011). Algorismes personals per al

desenvolupament del càlcul mental: una experiència real. Perspectiva escolar,
355, 46-53.
Inglis, M., Attridge, N., Batchelor, E. S., y Gilmore, C. (2011). Non-verbal number
acuity correlates with symbolic mathematics achievement: But only in children.
Psychonomic Bulletin & Review, 18(6), 1222–1229.
Izard, V., y Dehaene, S. (2007). Calibrating the mental number line. Cognition, 106(3),
1221-1247.
Izard V, Dehaene-Lambertz G, Dehaene S. (2008). Distinct cerebral pathways for object

identity and number in 3-month-old infants. PLoS Biology, 6(11), 1–11.
Jaulin-Mannoni (1980). Las cuatro operaciones básicas de la matemática. Madrid:

Pablo del Río.
Kamii, C. (1986). El niño reinventa la aritmética. Madrid: Visor.
185
Kamii, C. (1989). Double-column addition: A teacher uses Piaget's theory (videotape).

Teachers College Press: New York.
Kamii, C. (1995). Reinventando la aritmética III. Madrid: Visor.
Kamii, C., y Dominick, A. (1998). The harmful effects of algorithms in grades 1-4. En
L. J. Morrow y M. J. Kenney (Eds.), The teaching and learning of algorithms in
school mathematics, 1998 yearbook. (pp. 130-140). Reston, VA: NCTM.
Landerl, K., Fussenegger, B., Moll, K. y Willburger, E. (2009). Dyslexia and

dyscalculia: two learning disorders with different cognitive profiles. Journal of
Experimental Child Psychology, 103(3):309-24. doi: 10.1016/j.jecp.2009.03.006.
Landerl, K., y Kölle, C. (2009). Typical and atypical development of basic numerical
skills in elementary school. Journal of Experimental Child Psychology, 103, 546–
565.
Le Corre, M. y Carey, S. (2007). One, two, three, four, nothing more: an investigation
of the conceptual sources of the verbal counting principles. Cognition, 105(2),
395-438.
LeFevre, J. A., Greenham, S. L., y Waheed, N. (1993). The development of procedural

and conceptual knowledge in computational estimation. Cognition and
Instruction, 11, 95–132.
Libertus, M.E., Feigenson, L., y Halberda, J. (2011). Preschool acuity of the aproxímate
number system correlates with school math ability. Developmental Science, 14
(6), 1292–1300.
Lipton, J. S., y Spelke, E. S. (2003). Origins of number sense: Large number

discrimination in human infants. Psychological Science, 14, 396–401.
Lyons, I. M. y Ansari D. (2015). Foundations of Children's Numerical and

Mathematical Skills: The Roles of Symbolic and Nonsymbolic Representations of
Numerical Magnitude. En Janette B. Benson, editor, Advances in Child
Development and Behavior, Vol. 48, Burlington: Academic Press.
186
Lyons, I. M., Ansari, D., y Beilock, S. L. (2012). Symbolic estrangement: Evidence

against a strong association between numerical symbols and the quantities they
represent. Journal of Experimental Psychology, General, 141(4), 635–641.
Madell, R. (1985). Children's natural processes. Arithmetic Teacher, 32 (7), 20-22.
Martín-Adrián, A.R. (2005). Los algoritmos tradicionales de las cuatro operaciones

aritméticas. Actualidad, 8.
Martín-Adrián, A.R. (2003). Apuntes sobre la didáctica de la operación aritmética: la

división. Matemática para todos, 25, 3.
Martínez Montero, J. (1977). El cálculo en las escuelas. Algunas consideraciones. La

vida en la escuela, 2387. Pag. 11.
Martínez Montero (1984). La programación del cálculo en la EGB por las bases y los
cuadros. Madrid: Escuela Española.
Martínez Montero (1990). Numeración y operaciones básicas en la educación primaria.

Madrid: Escuela Española.
Martínez Montero, J. (1995). Los problemas aritméticos elementales verbales de una

etapa desde el punto de vista de las categorías semánticas, en los cursos 3º, 4º y
5º de la E.G.B. Tesis Doctoral.
Martínez Montero, J. (2000). Una nueva didáctica del cálculo para el siglo XXI.
Barcelona: CISS-Praxis.
Martínez Montero, J. (2001). Los efectos no deseados (y devastadores) de los métodos

tradicionales de aprendizaje de la numeración y de los algoritmos de las cuatro
operaciones básicas. Epsilon: Revista de la Sociedad Andaluza de Educación
Matemática "Thales", 49, 13-26.
Martínez Montero, J. (2010a). Enseñar matemáticas a alumnos con necesidades

educativas especiales. Madrid: Wolters Kluwer S.A.
Martínez Montero, J. (2010b). Algoritmos ABN. El cálculo del futuro. Clave XXI.
Cádiz
187
Martínez Montero, J. (2011). El método de cálculo abierto basado en números (ABN)

como alternativa de futuro respecto a los métodos tradicionales cerrados basados
en cifras (CBC). Bordón. Revista de pedagogía, 63(4), 95-110.
Martínez Montero, J. y Sánchez Cortés (2011). Desarrollo y mejora de la inteligencia

matemática en educación infantil. Madrid: Wolters Kluwer S.A.
Mathematics engagement in an Australian lower secondary school. Recuperado desde:

https://www.researchgate.net/publication/294109119_Mathematics_engagement_i
n_an_Australian_lower_secondary_school#pag:16:mrect
Maza, C. (1989). Sumar y restar. Madrid: Visor.
Maza, C. (1991). Multiplicar y dividir. Madrid: Visor.
Mazzocco, M.M., Feigenson, L., y Halberda, J. (2011a). Impaired acuity of the

approximate number system underlies mathematical learning disability
(dyscalculia). Child Development, 82 (4), 1224–1237.
Mazzocco, M.M., Feigenson, L., y Halberda, J. (2011b). Preschoolers’ precision of the

approximate number system predicts later school mathematics performance. PLoS
One, 6 (9), e23749.
McCloskey, M., Macaruso, P., y Whetstone, T. (1992). The functional architecture of

numerical processing mechanisms: Defending the modular model. En J. I. D.
Campbell (Ed.), The nature and origins of mathematical skills (pp. 493–538).
North-Holland: Elsevier Science Publishers.
McCloskey, M.; Caramazza, A., y Basili, A. (1985). Cognitive mechanisms in number

processing and calculation: Evidence from dyscalculia. Brain and Cognition, 4,
171-196.
MECD. PISA 2012. Programa para la evaluación internacional de alumnos. OCDE.

Informe español. Disponible en: http://www.mecd.gob.es/prensa-
mecd/actualidad/2013/12/20131203-pisa.html
Meindert, B. (1997). La aritmética mental ¿el recuerdo mental o las estrategias

mentales? Leinden University en Netherland: MT.
188
Mialaret (1977). Las matemáticas. Cómo se aprenden. Cómo se enseñan. Madrid: Pablo
del Río.
Moreno, R. y Vegas, J.M. (2006). Una historia de las Matemáticas para jóvenes. Desde
la Antigüedad hasta el Renacimiento. Madrid: Nivola Libros y Ediciones.
Moyer, R. S., y Landauer, T. K. (1967). Time required for judgements of numerical

inequality. Nature, 215(109), 1519–1520.
Mullis, I. V. S., Martin, M. O., Beaton, A. E., Gonzalez, E. J., Kelly, D. L. y Smith, T.
A. (1997) Mathematics Achievement in the Primary School Years: IEA’s Third
International Mathematics and Science Study (TIMSS), MA: Boston College,
Chestnut Hill.
Mundy, E., y Gilmore, C. K. (2009). Children's mapping between symbolic and

nonsymbolic representations of number. Journal of Experimental Child
Psychology, 103(4), 490–502.
Muñoz-Sandoval, A. F., Woodcock, R. W., McGrew, K. S., y Mather, N. (2005).

Batería III Woodcock-Muñoz. Itasca, IL: Riverside Publishing.
Mussolin, C., Mejias, S., y Noel, M. P. (2010). Symbolic and nonsymbolic number
comparison in children with and without dyscalculia. Cognition, 115(1), 10–25.
National Council of Teachers of Mathematics (NCTM) (2000). Principles and

standards for school mathematics. Reston, VA: Author.
Nesher, P. Greeno, J. G. y Riley, M. S. (1982). The Development of Semantic

Categories for Addition and Subtraction. Educational studies in Mathematics, 13,
373-394.
Nieder A, y Dehaene, S (2009). Representation of number in the brain. Ann Rev

Neurosci, 32, 185–208.
Nieder, A., Freedman, D. J., y Miller, E. K. (2002). Representation of the quantity of

visual items in the primate prefrontal cortex. Science, 297, 1708-1711.
Noel, M. P., y Seron, X. (1993). Arabic number reading deficit: A single case study.
Cognitive Neuropsychology, 10, 317-339.
189
Norton, S. (2012). The use of alternative algorithms in whole number computation.

International Journal of Mathematics Teaching and Learning, 26, 2–16.
Recuperado desde: http://www.cimt.plymouth.ac.uk/journal/default.html
Nosworthy, N. (2013). An Investigation of the Association Between Arithmetic

Achievement and Symbolic and Nonsymbolic Magnitude Processing in 5-9 Year-
old Children: Evidence from a Paper-and-pencil Test. University of Western
Ontario - Electronic Thesis and Dissertation Repository. Recuperado desde
http://ir.lib.uwo.ca/etd/1387
Nosworthy, N., Bugden, S., Archibald, L., Evans, B., y Ansari, D. (2013). A Two-
Minute Paper-and- Pencil Test of Symbolic and Nonsymbolic Numerical
Magnitude Processing Explains Variability in Primary School Children’s
Arithmetic Competence. PloS One, 8(7), e67918.
doi:10.1371/journal.pone.0067918
Nunes, T., Dorneles, B. V., Lin, P. J., y Rathgeb-Schnierer, E. (2016). Teaching and
Learning About Whole Numbers in Primary School. En Teaching and Learning
About Whole Numbers in Primary School (pp. 1-50). Springer International
Publishing. doi: 10.1007/978-3-319-45113-8_1
Opfer, J. E., y Siegler, R. S. (2007). Representational change and children’s numerical

estimation. Cognitive Psychology, 55, 169–195.
Opfer, J. E., Thompson, C. A., y DeVries, J. (2007). Why children make better
estimates of fractional magnitude than adults. En McNamara, D. S., y Trafton, G.
(Eds.), Proceedings of the XIX Annual Conference of the Cognitive Science
Society. Mahwah, NJ: Erlabum.
Opfer, J.E. (2003). Analyzing the number-line task: a tutorial. Retrieved from
http://www.psy.cmu.edu/~siegler/publications-all.html.
Orrantia, J., González, L., y Vicente, S. (2005). Un análisis de los problemas aritméticos
en los libros de texto de Educación Primaria. Infancia y Aprendizaje, 28 (4), 429-
451
Papy, G. (1963). Mathematique Moderne. Bruxelles: Didier.
190
Passolunghi, M. C. y Siegel, L. S. (2004). Working memory and access to numerical

information in children with disability in mathematics. Journal of Experimental
Child Psychology, 88, 348-367.
Paterson, J. S. (2001) The Scholar Project. Academic Exchange Quarterly Journal,

Winter 2001/2002, New York
Pereda, L. (1987). Didáctica de las cuatro operaciones. Bilbao: D. De Brouwer.
Petitto, A. L. (1990). Development of numberline and measurement concepts. Cognition

and Instruction, 7, 55-78.
Piazza, M. (2010). Neurocognitive start-up tools for symbolic number representations.

Trends in Cognitive Sciences, 1–10. doi: 10.1016/j.tics.2010.09.008.
Piazza, M., Facoetti, A., Trussardi, A., Berteletti, I., Conte, S., Lucangeli, D., et al.
(2010). Developmental trajectory of number acuity reveals a severe impairment in
developmental dyscalculia. Cognition, 116(1), 33–41.
Pinel, P., Piazza, M., Le Bihan, D., y Dehaene, S. (2004). Distributed and overlapping
cerebral representations of number, size, and luminance during comparative
judgments. Neuron, 41, 983–993.
Price, G.R., Palmer, D., Battista, C., y Ansari, D. (2012). Nonsymbolic numerical
magnitude comparison: reliability and validity of different task variants and
outcome measures, and their relationship to arithmetic achievement in adults. Acta
Psychologica, 140 (1), 50–57.
Ralston, A. (1999), Let's Abolish Pencil-and-Paper Arithmetic. Journal of Computers in

Mathematics and Science Education, 18(2), 173-194
Ramírez. A. y Usón, C. (1996). ...Por los trillados caminos de la aritmética escolar de

las cuatro operaciones. Suma, 21, 63-71.
Real Decreto 126, de 28 de febrero, por el que se establece el currículo básico de la

Educación Primaria (2014). BOE nº 52 de 1/3/2014.
Reisman, F. (1978). A guide to the diagnostic teaching of arithmetic. Columbus:

Charles E. Merrill Publishing.
191
Rico y Castro (1987). Números y operaciones. Madrid: Síntesis.
Riley, M. S. y Greeno, J. G. (1988). Developmental analysis of understanding language

about quantities and solving problems. Cognition and instruction, 5, 49-101.
Riley, N. S., Greeno, J. y Heller, J. I. (1983). Development of children's problem

solving ability in aritmetic. En H. P. Ginsburg (Ed.), The development of
mathematical thinking (pp. 153-196). Nueva York: Academic Press.
Rousselle, L., y Noël, M. (2007). Basic numerical skills in children with mathematics
learning symbolic magnitude processing. Cognition, 102(3), 361-395.
Sasanguie, D., Göbel, S.M., Moll, K., Smets, K., y Reynvoet, B. (2013). Acuity of the
approximate number sense, symbolic number comparison or mapping numbers
onto space: what underlies mathematics achievement? Journal of Experimental
Child Psychology, 114, 418–431.
Santamaría, F. (2006). La contextualización de la matemática en la escuela primaria de

Holanda. Tesis de maestría. Universidad Nacional de Camahue.
Schneider, M., Grabner, R. H., y Paetsch, J. (2009). Mental number line, number line
estimation, and mathematical achievement: Their interrelations in grades 5 and 6.
Journal of Educational Psychology, 101(2), 359-372. doi:10.1037/a0013840
Schrank, F. A., McGrew, K. S., Ruef, M. L., Alvarado, C. G., Muñoz-Sandoval, A. F., y
Woodcock, R. W. (2005). Overview and technical supplement (Batería III Woodcock-
Muñoz Assessment Service Bulletin No. 1). Itasca, IL: Riverside Publishing.
Siegler, R. S., y Booth, J. L. (2004). Development of numerical estimation in young

children. Child Development, 75, 428–444.
Siegler, R. S., y Opfer, J. (2003). The development of numerical estimation: Evidence

for multiple representations of numerical quantity. Psychological Science, 14,
237–243.
Skemp, R. (1993). Psicología del aprendizaje de las matemáticas. Madrid: Morata.
192
Stefanich, G. P. y Rokusek, T. (1992). An Analysis of Computacional Errors in the Use

of Division Algorithms by Fourth-Grade Students. School Science and
Mathematics, 92, 4, 201-205.
Torbeyns, J., Verschaffel, L. y Ghesquiere, P. (2005). Simple addition strategies in a

first- grade class with multiple strategy instruction. Cognition and Instruction, 23,
1-21.
Trajtenbrot, B.A. (1977). Los algoritmos y la resolución automática de problemas.

Moscú: M.I.R.
Treffers, A., de Moor, E., y Feijs, E. (1989). Proeve van een nationaal programma voor
het reken-wiskundeonderwijs op de basisschool. Deel I. Overzicht einddoelen
[Diseño de un programa nacional para la educación matemática en las escuelas
primarias. Parte I. Perspectiva general de las metas]. Tilburg: Zwijsen.
Treffers, A., Van den Heuvel-Panhuizen, M., y Buys, K. (1999). Jonge kinderen leren
rekenen Tussendoelen annex leerlijnen Hele getallen onderbouw basisschool.
Groningen: Wolters-Noordhoff.
Udwin, O., Davies, M., y Hosylin, P. (1996) A longitudinal study of cognitive and
education attainment in Williams syndrome. Developmental Medicine and Child
Neurology, 38, 1020 - 1 029.
Usiskin, Z. (1998). Paper-and-Pencil Algorithms in a Calculator-and-Computer Age. En

L. J. Morrow y M. J. Kenney (Eds.) The Teaching and Learning of Algorithms in
School Mathematics (pp. 7-20). Reston, VA: National Council of Teachers of
Mathematics.
Van den Heuvel-Panhuizen, M. (1998). Realistic Mathematics Education. En Breiteig,

T. y Brekke, G. (eds.), Theory into practice in Mathematics Education.
Kristiansand (Noruega): Facultad de Matemáticas y Ciencias.
Van den Heuvel-Panhuizen, M. (2000). Mathematics education in the Netherlands: A

guided tour. Freudenthal Institute CD-rom for ICME9, 1-32.
193
Van den Heuvel-Panhuizen, M. (2001). Children Learn Mathematics, A Learning-

Teaching Trajectory with Intermediate Attainment Targets for Calculation with
Whole Numbers in Primary School. Utrecht: Freudenthal Institute.
Van den Heuvel-Panhuizen, M. (2002) Realistic Mathematics Education as work in

progress. En F.L. Lin (ed.), Common Sense in Mathematics Education.
Proceedings of 2001 (pp. 1–42). The Netherlands and Taiwan Conference on
Mathematics Education, Taipei, Taiwan, National Taiwan Normal University,
Taipei, Taiwan.
Van den Heuvel-Panhuizen, M. (2008) Children learn mathematics. A learning-

teaching trajectory with intermediate attainment targets for calculation whole
numbers in primary school. Rotterdam/Tapei: Sense Publishers.
Van den Heuvel-Panhuizen, M., y Buys, K. (2005). Young Children Learn

Measurement and Geometry. A Learning-Teaching Trajectory with Intermediate
Attainment Targets for the Lower Grades in Primary School. Utrecht: Freudenthal
Institute
Van den Heuvel-Panhuizen, M. y Wijers, M. (2005). Mathematics standards and

curricula in the Netherlands. ZDM, vol. 37 (4) Utrecht.
Vasuki, K. (2013). Informe impacto del aprendizaje de aritmética mental con ábaco en
las habilidades cognitivas de los niños. Aloha Mental Arithmetic. Universidad de
Madras.
VV.AA. (2007). Aprender matemáticas. Metodología y modelos europeos. Madrid: S.P.

del MECD.
Verschaffel, L., Greer, B. y De Corte, E. (2007). Whole number concepts and

operations. En F. K. Lester (Ed.), Second handbook of research on mathematics
teaching and learning (pp. 557-628). Reston, VA: NCTM.
Vergnaud, G. (1982). A classification of cognitive tasks and operations of thought

involved in addition and substration problem. En T. P. Carpenter, J. M. Moser y
T. A. Romberg (Eds.), Addition and subtraction: A cognitive perspective (pp. 39-
59). Hillsdale, NJ: Erlbaum.
194
Vergnaud, G. (1991). El niño, las matemáticas y la realidad. México DF: Trillas.
Wynn, K. (1998). Phsychological Foundation of Number: Numerical Competence in

Human Infants. Trends in Cognitive Science, 2 (8).
Wynn, K., Bloom, P. y Chiang, W. (2002). Enumeration of Collective Entities by 5-

Month-Old Infants. Cognition, 83, B55–B62.
Xu, F. (2003). Numerosity discrimination in infants: evidence for two systems of

representations. Cognition, 89(1), B15-25.
Xu, F. y Spelke, E.S. (2000). Large number discrimination in 6-month-old infants.

Cognition, 74, B1-B11.
Zolkower, B.; Bressan, A. y Gallego, F. (2006). La corriente realista de didáctica de la

matemática. Experiencias de un grupo de docentes y capacitadores. Yupana, 1(3),
11-33.
195
ANEXOS
ANEXO I Prueba ad-hoc 4º Educación Primaria
Anexo I
197
PRUEBA EVALUACIÓN MATEMÁTICAS

4º EDUCACIÓN PRIMARIA
Centro: _________________________________________________________ Fecha: __________________________
Nombre y apellidos:______________________________________________________________ Núm: _________
MÓDULO Nº 1. NUMERACIÓN
1.1. En las siguientes tres series debes colocar en su orden el número 2689:
A 2674 2684 2701 2729

B 2400 2450 2500 2550
C 500 1000 2000 3000
1.2. Rodea los números que tienen 51 D o menos y subraya los números que tienen
15 C o más:
1240 1152 1568
2160 1354 210
317 1690 509
1.3. Escribe los siguientes números:

24 UM 31 C 123 D 47 U 
138 UM 45 C 284 D 112 U 
248 UM 28 C 172 D 236 U 
1.4. Descompón los números siguientes, como se hace en el ejemplo:
25894 (2 x 10000) + (5 x 1000) + (8 x 100) + (9 x 10) + 4

132409
60596
300003
1.5. Rellena los espacios en blanco de la tabla siguiente. Fíjate en el ejemplo:
U. de millar. Centenas Decenas Unidades

53284 0 532 0 84
61196 0
4440 0 0
10100 0 0
198
Centro: _________________________________________________________ Fecha: __________________________
1.6. Completa los espacios en blanco de la tabla. Fíjate en el ejemplo:
Nº decimal Fracción
Treinta céntimos de euro. 0,30 30/100
45/100
Dos monedas de 10 céntimos de euro.
2,08
MÓDULO Nº 2. OPERACIONES Y PROBLEMAS.
2.1. Convierte las operaciones en suma o multiplicación, según se indique:
Convierte la siguiente suma en una multiplicación:
148 + 148 + 148 + 148 = 592
____________________________________________________________________________
Convierte la siguiente multiplicación en una suma:
1246 x 3 = 3738
____________________________________________________________________________
Indica que cuál es posible convertir en multiplicación y cuál:
33+33+33+33 SI  NO 
28+28+28+27+28+28 SI  NO 
2.2. Completa, convirtiendo la multiplicación en dos divisiones:
MULTIPLICACIÓN DIVISIÓN
____________________________
328 X 53 = 17384
____________________________
____________________________
1198 x 9 = 10782
____________________________
199
Centro: _________________________________________________________ Fecha: __________________________
____________________________
1456 x 51 =
____________________________
____________________________
2473 x 135 =
____________________________
2.3. Completa las tablas extendidas a decenas y centenas:
2 x ______= 16 60 x ______ =1800 2000 x ______ = 12000
______ x 300 = 900 ______ x 300 = 18000 ______ x 500 = 25000
500 x ______ = 1500 ______ x 20 = 8000 700 x ______= 14000
2.4. Tienes que descomponer el problema de dos operaciones en dos problemas de

una operación. Fíjate en el ejemplo:
PROBLEMA DE DOS OPERACIONES:
a) En un jarrón se ponen 13 rosas y 48 claveles. Si en total se llenan 8 jarrones,

¿cuántas flores se necesitan?
PROBLEMA 1: En un jarrón se ponen 13 rosas y 48 claveles. ¿Cuántas flores hay en el

jarrón?
PROBLEMA 2: Un jarrón se llena con 61 flores. Si en total se llenan 8 jarrones, ¿cuántas

flores se necesitan?
200
Centro: _________________________________________________________ Fecha: __________________________
b) Tengo 39 €, y me dan 48 €. Me gasto en el cine 16 €. ¿Cuánto dinero me queda?
PROBLEMA 1:
__________________________________________________________________________
_________________________________________________________________________
__________________________________________________________________________
__________________________________________________________________________
PROBLEMA 2:
__________________________________________________________________________
__________________________________________________________________________
__________________________________________________________________________
__________________________________________________________________________
c) En una biblioteca llegan 75 libros de aventuras y 81 comics, hay 4 estanterías

libres ¿Cuántos libros se pueden colocar en cada estantería?
PROBLEMA 1:
__________________________________________________________________________
_________________________________________________________________________
__________________________________________________________________________
__________________________________________________________________________
PROBLEMA 2:
__________________________________________________________________________
_________________________________________________________________________
__________________________________________________________________________
__________________________________________________________________________
201
Centro: _________________________________________________________ Fecha: __________________________
MÓDULO Nº 3. CÁLCULO MENTAL.
3.1. Resuelve mentalmente las siguientes operaciones.
13572 + 8469 =
9368 - 3995 =
453 x 3 =
688 : 7 =
3.2. Resuelve mentalmente las siguientes operaciones:
a) 347 x 8 =
b) 4153 x 6 =
c) 3284 : 6 =
d) 5398 : 7 =
3.3. Sin hacer cálculos, subraya cuál crees que es el resultado de la operación
que se plantea a la izquierda.
13 x 56 = a) 928 b) 728 c) 918 d) 208
31 x 24 = a) 744 b) 654 c) 574 d) 904
19 x 52 = a) 568 b) 578 c) 898 d) 988
43 x 22 = a) 826 b) 946 c) 896 d) 996
202
ANEXO II Prueba fluidez de Cálculo de Canals (Canals, Carbonell, Estaún, y Añaños, 1991)
Anexo II
203
Prueba fluidez de Cálculo de Canals (Canals, Carbonell, Estaún, y Añaños,

1991).
204
205
206
207
208
209
210
211
Anexo III Subprueba de fluidez de Woodcock-Muñoz (Diamantopoulou et al., 2012)
Anexo III
212
Subprueba de fluidez de la Bateria III de Woodcock-Muñoz

(Diamantopoulou et al., 2012)
NOMBRE Y APELLIDOS: ______________________________________________ Nº: ________
COLEGIO: ______________________________________________ FECHA:________________
Dale la vuelta a la página y sigue 
213
NOMBRE Y APELLIDOS: ______________________________________________ Nº: ________
COLEGIO: ______________________________________________ FECHA:________________
214
Anexo IV Test BADyG (E3) (Yuste, Martínez y Gálvez, 1998)
Anexo IV
215
Test BADyG (E3) Batería de Aptitudes Diferenciales y Generales (Yuste,

Martínez y Gálvez, 1998).
Series numéricas (Rn)
216
217
218
Problemas numéricos verbales (Sn)
219
220
221
Anexo V Tarea de Estimación en la recta numérica 0-1000
Anexo V
222
Tarea de Estimación en la recta numérica 0-1000

Tarea Número – Posición (Opfer y Siegler, 2007)
2
223
Tarea Posición – Número (Ashcraft y Moore, 2012)

¿?
¿?
224

Tesis Doctoral Mari Canto ABN Frente A CBC

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tesis Doctoral Mari Canto ABN Frente A CBC

Uploaded by

Copyright:

Available Formats

䴀준吀伀䐀伀 䄀倀刀䔀一䐀䤀

A continuación, debo dedicar un agradecimiento especial a los centros, directores

A mi Tutor de Tesis, Manuel Aguilar, por esa paciencia para apoyarme y

Un agradecimiento infinito a mi Director de Tesis, Manuel García Sedeño, por

4.6. Investigación en el método ABN.................................................................................... 90

Tabla 1. Principios fundamentales de la EMR. Fuente: Alsina (2009)

Tabla 3. Tipos de problemas en categoría de Cambio. Fuente: Elaboración propia

Tabla 4. Tipos de problemas en categoría de Combinación. Fuente: Elaboración propia

Tabla 5. Tipos de problemas en categoría de Comparación. Fuente: Elaboración propia

Tabla 6. Tipos de problemas en categoría de Igualación. Fuente: Elaboración propia

Tabla 7. Tipos de problemas en categoría de Isomorfismo de medidas. Fuente:

Tabla 8. Tipos de problemas en categoría de Escalares Grandes y Pequeños. Fuente:

Tabla 9. Tipos de problemas en categoría de Producto cartesiano. Fuente: Elaboración

Tabla 10. Estadísticos descriptivos y prueba t por grupos (experimental y control)

Tabla 11. Análisis puntuaciones en prueba de fluidez de cálculo Woodcock-Muñoz

Tabla 12. Análisis puntuaciones en prueba de fluidez de cálculo de Canals et al (1998)

Tabla 13. Análisis puntuaciones en prueba de fluidez de cálculo de Canals et al (1998)

Tabla 14. Análisis puntuaciones en BADyG (E2)

Tabla 15. Resumen del modelo elaborado por el análisis de regresión

Tabla 16. Resumen del modelo elaborado por el análisis de regresión

Tabla 18. Análisis de correlaciones entre la ejecución matemática y la estimación en

Tabla 19. Análisis de descriptivos de la media de errores en la tarea de estimación en la

Tabla 21. Modelo elaborado por el análisis de regresión en la tarea de estimación NP

Tabla 24. Modelo elaborado por el análisis de regresión en la tarea de estimación PN

Figura 1. Resultados en matemáticas PISA 2012. Fuente: MECD PISA 2012

Figura 3. Algoritmo en rejilla 532 x 4. Fuente Elaboración propia

Figura 4. Algoritmo en rejilla 649 + 586. Fuente Elaboración propia

Figura 5. Algoritmo chino 21 x 13. Fuente Boletín de divulgación Matemática nº 2. IES

Figura 6. Algoritmo egipcio 85 x 18. Fuente: Elaboración propia

Figura 7. Algoritmo multiplicación rusa 27 x 82. Fuente: Elaboración propia

Figura 8. Algoritmo división rusa 1.860:25. Fuente: Elaboración propia

Figura 9. Tabla Pitagórica. Fuente: Elaboración propia

Figura 12. Problemas de estimación. Fuente: Van den Heuvel-Panhuizen y Wijers, M.

Figura 14. Algoritmos alternativos de suma y resta basados en la descomposición

Figura 15. Algoritmos alternativos de multiplicación basados en la descomposición

Figura 23. Estrategias de descomposición I. Fuente: Barba y Calvo (2011)

Figura 24. Estrategias de descomposición II. Fuente: Barba y Calvo (2015)

Figura 25. Algoritmo de la suma basado en la descomposición, para números grandes.

Figura 26. Algoritmo de la suma en columna. Fuente: Barba y Calvo (2011)

Figura 27. Representación gráfica de cantidades. Fuente: Barba y Calvo (2011)

Figura 35. Formato de algoritmo en columnas para la multiplicación. Fuente: Barba y

Figura 36. Formato de división basado en la descomposición. Fuente: Barba y Calvo

Figura 37. Formatos de algoritmos de dividir tradicionales. Fuente: Martín-Adrián (2003)

Figura 38. Formatos de algoritmos alternativos para la división. Fuente: Martín-Adrián

Figura 40. Tarea de cálculo mental. Fuente: Martínez Montero (2011)

Figura 41. Tarea de resolución de operaciones. Fuente: Martínez Montero (2011)

Figura 42. Tarea de resolución de explicada de problemas. Fuente: Martínez Montero

Figura 44. Modelo de equivalencia, conservación de la cantidad y reversibilidad. Fuente:

Figura 45. Modelo de no equivalencia, con conservación de la cantidad y sin

Figura 48. Descomposición en formato posicional y aditivo (ABN). Fuente: Blog

Figura 52. Representación simbólica de la resolución de problemas (ABN). Fuente:

Figura 56. Fase 6 de la iniciación al algoritmo de la suma (ABN). Fuente: Blog

Figura 58. Formato de detracción para el algoritmo de la resta (ABN). Fuente:

Figura 61. Formato de comparación para el algoritmo de la resta (ABN). Fuente:

Figura 62. Formato de comparación para el algoritmo de la resta (ABN). Fuente:

Figura 64. Algoritmos para la multiplicación de 1 cifra (ABN). Fuente: Elaboración

Figura 65. Algoritmo para la multiplicación de 2 cifras (ABN). Fuente: Elaboración

Figura 73. Ejemplo comparación de magnitudes en bebes. Fuente: Xu y Spelke (2000)

Figura 74. Modelos para la representación de magnitudes en la línea numérica mental.

Figura 75. Ejemplos de tareas de comparación de magnitudes no simbólicas (con

Figura 76. Presentaciones diferentes de la tarea de comparación de magnitudes no

Figura 77. Páginas de ejemplo de la prueba de procesamiento magnitud numérica de papel

Figura 80. Ejemplo de tarea de sumas aproximadas simbólicas. Fuente: Gilmore,

䴀준吀伀䐀伀䄀倀刀䔀一䐀䤀