Estrategias Neurodidácticas para el Aprendizaje del Álgebra y Funciones: Un Estudio Cuasiexperimental Longitudinal en Décimo Grado
Barra lateral del artículo
Contenido principal del artículo
Resumen
El bajo rendimiento en álgebra y funciones matemáticas en el subnivel Superior de Educación General Básica del Ecuador constituye un problema persistente cuyas raíces combinan déficit metodológico e inhibición afectiva ante la disciplina. Este estudio evaluó el efecto de un programa de estrategias neurodidácticas sobre el rendimiento algebraico de estudiantes de décimo grado mediante un diseño cuasiexperimental con grupos control y experimental, con medidas longitudinales durante ocho meses. La muestra estuvo conformada por 86 estudiantes —grupo experimental: n = 44; grupo control: n = 42— de la Unidad Educativa Particular José Antonio Eguiguren - La Salle, Loja, Ecuador. Se aplicó una prueba de rendimiento de 30 ítems validada por juicio de expertos (CVI = .91, α = .87) y estructurada en tres dimensiones: manipulación algebraica, análisis de funciones y modelización contextual. El análisis principal mediante ANCOVA, con el pretest como covariable, reveló diferencias estadísticamente significativas a favor del grupo experimental (F(1, 83) = 47.32, p < .001, η²p = .363, d = 1.48). El modelo lineal mixto aplicado sobre los cuatro puntos de medición confirmó una trayectoria de crecimiento diferencial significativa (F(3, 250) = 18.74, p < .001, η²p = .184), con aceleración progresiva en el grupo experimental a partir del tercer mes. Los resultados indican que la integración de estrategias neurodidácticas multicomponente produce ganancias algebraicas de magnitud grande, con implicaciones directas para la renovación metodológica de la enseñanza de las matemáticas en el subnivel Superior de Educación General Básica del Ecuador.
Downloads
Detalles del artículo
Número
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Términos de la Licencia
Creative Commons Reconocimiento–NoComercial 4.0 Internacional (CC BY-NC 4.0)
Usted es libre de:
Compartir
Copiar y redistribuir el material en cualquier medio o formato.
Bajo los siguientes términos:
1. Reconocimiento (Atribución).
Debe dar crédito de manera adecuada, lo que implica:
- Mencionar al autor o titular de derechos.
- Incluir el título de la obra (si se proporciona).
- Incluir un enlace o referencia a la licencia CC BY-NC 4.0.
- Indicar si realizó cambios en la obra.
El reconocimiento debe hacerse de forma razonable, pero no de manera que sugiera que el autor respalda su uso.
2. NoComercial
No puede utilizar el material con fines comerciales.
Se considera uso comercial aquel cuyo propósito principal sea obtener una ventaja comercial o compensación monetaria.
Cómo citar
Share
Referencias
American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000 DOI: https://doi.org/10.1037/0000165-000
Ashcraft, M. H. (2002). Math Anxiety: Personal, Educational, and Cognitive Consequences. Current Directions in Psychological Science, 11(5), 181-185. https://doi.org/10.1111/1467-8721.00196 DOI: https://doi.org/10.1111/1467-8721.00196
Barroso, C., Ganley, C. M., McGraw, A. L., Geer, E. A., Hart, S. A., & Daucourt, M. C. (2021). A meta-analysis of the relation between math anxiety and math achievement. Psychological Bulletin, 147(2), 134–168. https://doi.org/10.1037/bul0000307 DOI: https://doi.org/10.1037/bul0000307
Caballero-Cobos, M., & Llorent, V. J. (2022). Los efectos de un programa de formación docente en neuroeducación en la mejora de las competencias lectoras, matemática, socioemocionales y morales de estudiantes de secundaria. Un estudio cuasi-experimental de dos años. Revista De Psicodidáctica, 27(2), 158–167. https://doi.org/10.1016/j.psicod.2022.04.001 DOI: https://doi.org/10.1016/j.psicod.2022.04.001
Caine, R. N., & Caine, G. (1990). Understanding a brain-based approach to learning and teaching. Educational Leadership, 48(2), 66-70.
Campbell, D. T., & Stanley, J. C. (1966). Experimental and quasi-experimental designs for research. Rand McNally.
Castro-Alonso, J. C., Ayres, P., Zhang, S., De Koning, B. B., & Paas, F. (2024). Research avenues supporting embodied cognition in learning and instruction. Educational Psychology Review, 36(1). https://doi.org/10.1007/s10648-024-09847-4 DOI: https://doi.org/10.1007/s10648-024-09847-4
Caviola, S., Toffalini, E., Giofrè, D., Ruiz, J. M., Szűcs, D., & Mammarella, I. C. (2021). Math Performance and Academic Anxiety Forms, from Sociodemographic to Cognitive Aspects: a Meta-analysis on 906,311 Participants. Educational Psychology Review, 34(1), 363–399. https://doi.org/10.1007/s10648-021-09618-5 DOI: https://doi.org/10.1007/s10648-021-09618-5
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE Publications.
Fukaya, T., Nakamura, D., Kitayama, Y., & Nakagoshi, T. (2024). A systematic review and meta-analysis of intervention studies on mathematics and science pedagogical content knowledge. Frontiers in Education, 9. https://doi.org/10.3389/feduc.2024.1435758 DOI: https://doi.org/10.3389/feduc.2024.1435758
Hart, L. (1981). Don't teach them; help them learn. Learning, 9(8), 39-40.
Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.
Hernández Cueva, E. J., & Idrobo Gutiérrez, M. A. (2025). Neurociencia aplicada al proceso de aprendizaje. Green World Journal, 8(01). https://doi.org/10.53313/gwj81202 DOI: https://doi.org/10.53313/gwj81202
Hernández Cueva, E. J., Ramón Namcela, W. D., Ramírez Veintimilla, K. R., Jiménez Jara, C. E., & Lima Morocho, A. D. R. (2024). Estrategias Neurodidácticas Empleadas por los Docentes para Fortalecer el Proceso de Enseñanza y Aprendizaje en Educación Básica. Ciencia Latina Revista Científica Multidisciplinar, 8(1), 1389-1411. https://doi.org/10.37811/cl_rcm.v8i1.9528 DOI: https://doi.org/10.37811/cl_rcm.v8i1.9528
Hernández Cueva, E., Ramón Namcela, W., Rojas Pérez, C., Jara Saraguro, E., Espinosa Cuenca, A., & Guamán Patiño, A. (2026). Efecto de un Programa de Estimulación Neurocognitiva en la Competencia Lectoescritora en Estudiantes de Décimo Grado de Educación Básica. Revista Latinoamericana De Calidad Educativa, 3(1), 473-448. https://doi.org/10.70625/rlce/512 DOI: https://doi.org/10.70625/rlce/512
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Hidayat, R., Saad, M. R. M., & Wewe, M. (2025). A meta-analysis of the effect of metacognitive instruction on mathematics achievement. Cogent Education, 12(1). https://doi.org/10.1080/2331186x.2025.2517510 DOI: https://doi.org/10.1080/2331186X.2025.2517510
Immordino‐Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: the relevance of affective and social neuroscience to education. Mind Brain and Education, 1(1), 3–10. https://doi.org/10.1111/j.1751-228x.2007.00004.x DOI: https://doi.org/10.1111/j.1751-228X.2007.00004.x
Irmayanti, M., Chou, L., & Anuar, N. N. B. Z. (2024). Storytelling and math anxiety: a review of storytelling methods in mathematics learning in Asian countries. European Journal of Psychology of Education, 40(1). https://doi.org/10.1007/s10212-024-00927-1 DOI: https://doi.org/10.1007/s10212-024-00927-1
Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863 DOI: https://doi.org/10.3389/fpsyg.2013.00863
List, J. A. (2022). The voltage effect: How to make good ideas great and great ideas scale. Penguin Random House.
OECD. (2023). PISA 2022 results (Volume I): The state of learning and equity in education. https://doi.org/10.1787/53f23881-en DOI: https://doi.org/10.1787/53f23881-en
Pizzie, R. G., & Kraemer, D. J. M. (2023). Strategies for remediating the impact of math anxiety on high school math performance. Npj Science of Learning, 8(1), 44. https://doi.org/10.1038/s41539-023-00188-5 DOI: https://doi.org/10.1038/s41539-023-00188-5
Pradeep, K., Anbalagan, R. S., Thangavelu, A. P., Aswathy, S., Jisha, V. G., & Vaisakhi, V. S. (2024). Neuroeducation: understanding neural dynamics in learning and teaching. Frontiers in Education, 9. https://doi.org/10.3389/feduc.2024.1437418 DOI: https://doi.org/10.3389/feduc.2024.1437418
Rohrer, D., Dedrick, R. F., Hartwig, M. K., & Cheung, C.-N. (2020). A randomized controlled trial of interleaved mathematics practice. Journal of Educational Psychology, 112(1), 40–52. https://doi.org/10.1037/edu0000367 DOI: https://doi.org/10.1037/edu0000367
Sousa, D. A., & Tomlinson, C. A. (2018). Differentiation and the brain: How neuroscience supports the learner-centered classroom (2nd ed.). Solution Tree Press.
Thomas, M. S. C., & Arslan, Y. (2024). Why does the brain matter for education? British Journal of Educational Psychology, 95(2), 303–320. https://doi.org/10.1111/bjep.12727 DOI: https://doi.org/10.1111/bjep.12727
Villamizar Acevedo, G., Araujo Arenas, T. Y., & Trujillo Calderón, W. J. (2020). Relación entre ansiedad matemática y rendimiento académico en matemáticas en estudiantes de secundaria. Ciencias Psicológicas, 14(1), e-2174. https://doi.org/10.22235/cp.v14i1.2174 DOI: https://doi.org/10.22235/cp.v14i1.2174
Zakariya, Y. F. (2022). Cronbach's alpha in mathematics education research: Its appropriateness, overuse, and alternatives in estimating scale reliability. Frontiers in Psychology, 13, Article 1074430. https://doi.org/10.3389/fpsyg.2022.1074430 DOI: https://doi.org/10.3389/fpsyg.2022.1074430