EVALUACIÓN FORMATIVA PARA LA
CONSTRUCCIÓN DE SIGNIFICADO ROBUSTO: UN
MODELO BASADO EN LA INTEGRACIÓN TRU-DNR
Y PROBLEMAS RETADORES EN SEXTO GRADO
FORMATIVE ASSESSMENT FOR ROBUST MEANING
CONSTRUCTION: A MODEL BASED ON TRU-DNR INTEGRATION
AND CHALLENGING PROBLEMS IN SIXTH GRADE
Lady Johana Julio Barrera
Universidad Antonio Narino – Colombia
Mary Falk De Losada
Universidad Antonio Nariño - Colombia

pág. 6843
DOI: https://doi.org/10.37811/cl_rcm.v10i1.22786
Evaluación formativa para la construcción de significado robusto: un
modelo basado en la integración TRU-DNR y problemas retadores en sexto
grado
Lady Johana Julio Barrera1
Ljulio64@uan.edu.co
https://orcid.org/0009-0006-5572-020X
Universidad Antonio Narino
Bogotá, Colombia
Mary Falk De Losada
Mariadelosada@gmail.com
https://orcid.org/0000-0002-6380-0481
Universidad Antonio Nariño
Bogotá, Colombia
RESUMEN
La investigación en educación matemática ha señalado una brecha persistente entre los avances teóricos
en evaluación formativa y lo que ocurre en las aulas, donde la evaluación sigue centrándose en medir
productos finales. Este estudio presenta el diseño, implementación y validación del modelo
MECSIRCOM (Modelo de Evaluación para la Construcción de Significado Robusto de Conceptos
Matemáticos), fundamentado en la integración de los marcos Teaching for Robust Understanding (TRU)
y Duality, Necessity, and Repeated Reasoning (DNR). Mediante Investigación Basada en el Diseño
(DBR) con dos ciclos iterativos, se implementó una secuencia de cuatro fases evaluativas progresivas
con 20 estudiantes de sexto grado en una institución educativa pública de Bogotá, Colombia, en el
dominio de teoría de números. Los resultados mostraron una progresión coherente: activación de
necesidad intelectual (80%), coordinación de actos mentales (60%), consolidación mediante
razonamiento repetido (60%) y transferencia con autorregulación (65%). La validación, realizada
mediante el enfoque de Kane con triangulación de evidencias de 13 expertos internacionales, 16
docentes y análisis de producciones estudiantiles, permite sostener que MECSIRCOM es una propuesta
evaluativa válida que transforma la evaluación de mecanismo de medición en motor de aprendizaje
matemático.
Palabras clave: evaluación formativa; construcción de significado robusto; problemas retadores;
pensamiento matemático; investigación basada en el diseño
1 Autor principal.
Correspondencia: Ljulio64@uan.edu.co

pág. 6844
Formative assessment for robust meaning construction: a model based on
TRU-DNR integration and challenging problems in sixth grade
ABSTRACT
Research in mathematics education has identified a persistent gap between theoretical advances in
formative assessment and classroom practices, which remain focused on measuring final products. This
study presents the design, implementation, and validation of the MECSIRCOM model (Assessment
Model for the Construction of Robust Meaning of Mathematical Concepts), grounded in the integration
of the Teaching for Robust Understanding (TRU) and Duality, Necessity, and Repeated Reasoning
(DNR) frameworks. Through Design-Based Research (DBR) with two iterative cycles, a sequence of
four progressive assessment phases was implemented with 20 sixth-grade students at a public school in
Bogotá, Colombia, in the domain of number theory. Results showed a coherent progression: activation
of intellectual necessity (80%), coordination of mental acts (60%), consolidation through repeated
reasoning (60%), and transfer with self-regulation (65%). Validation through Kane’s argument-based
approach, triangulating evidence from 13 international experts, 16 teachers, and student production
analysis, supports MECSIRCOM as a valid assessment proposal that transforms assessment from a
measurement mechanism into a driver of mathematical learning.
Keywords: formative assessment; robust meaning construction; challenging problems; mathematical
thinking; design-based research
Artículo recibido 10 diciembre 2025
Aceptado para publicación: 10 enero 2026

pág. 6845
INTRODUCCIÓN
El desarrollo del pensamiento matemático es uno de los propósitos centrales de la educación
contemporánea, pero la forma en que se evalúa este desarrollo en las aulas dista mucho de lo que la
investigación considera efectivo. Black y Wiliam (2009) mostraron que la evaluación formativa tiene
un impacto significativo en el aprendizaje cuando se diseña como un proceso de búsqueda e
interpretación de evidencias que orienta tanto la enseñanza como el aprendizaje. Sin embargo, como
advierten Burkhardt y Schoenfeld (2018), la brecha entre estos avances y las prácticas cotidianas sigue
siendo considerable: las evaluaciones continúan centradas en verificar resultados y calificar productos
finales.
Esta tensión es especialmente problemática en matemáticas. Construir conocimiento matemático
implica desarrollar comprensión conceptual, fluidez procedimental, capacidad de resolver problemas,
razonamiento adaptativo y una disposición a ver las matemáticas como algo con sentido (Kilpatrick et
al., 2001). Cuando la enseñanza ayuda a los estudiantes a dar sentido a los conceptos y a construir
conexiones entre ideas, se favorece un aprendizaje más profundo y transferible (Hiebert y Grouws,
2007). Pero las evaluaciones convencionales rara vez capturan estos procesos, dejando invisibles las
trayectorias de pensamiento que son, precisamente, el núcleo del aprendizaje matemático.
La noción de significado en educación matemática ha sido abordada desde varias perspectivas. Kaiser
(2017) distingue entre un significado personal —la relevancia que el estudiante atribuye a una
actividad— y significados más objetivos, compartidos dentro de una comunidad matemática. Pérez
Duarte (2016) propone el constructo de construcción de significado robusto, asociándolo con la
configuración de redes conceptuales que realizan los estudiantes al resolver problemas no rutinarios.
Este constructo me resultó particularmente útil porque permite describir y observar cómo se configura
y enriquece el pensamiento matemático durante la resolución de problemas retadores, algo que otros
constructos dejan en un plano más abstracto.
En el contexto colombiano, la experiencia en olimpiadas matemáticas ha aportado evidencia empírica
sobre cómo los problemas retadores fomentan redes conceptuales. Falk de Losada (2001) documenta
que en la preparación de estudiantes para concursos se proponen series de problemas cuya resolución
demanda establecer conexiones entre conceptos previamente trabajados, generando nuevos nexos

pág. 6846
conceptuales. En mi trabajo como docente de matemáticas en el sector público de Bogotá, he observado
que esta lógica de las olimpiadas tiene un potencial formativo que rara vez se aprovecha en el aula
regular. Esa observación fue, en buena medida, el punto de partida de esta investigación.
Dos marcos teóricos ofrecen herramientas complementarias para fundamentar la transformación que
propongo. El modelo Teaching for Robust Understanding (TRU), de Schoenfeld (2014, 2016),
proporciona cinco dimensiones para caracterizar ambientes de aprendizaje efectivos. El sistema Duality,
Necessity, and Repeated Reasoning (DNR), de Harel (2008a, 2008b, 2010), explica los mecanismos
cognitivos mediante los cuales los estudiantes construyen conocimiento matemático. La articulación de
ambos marcos no había sido operacionalizada previamente en prácticas evaluativas específicas, y esa es
la apuesta teórica central de este trabajo.
El problema de investigación que orienta el estudio es: ¿cómo construir un modelo de evaluación que
integre los principios de diseño curricular DNR y la caracterización de ambientes de aprendizaje TRU
para la construcción de significado robusto de conceptos matemáticos que favorezcan el desarrollo del
pensamiento matemático en estudiantes de sexto grado? El objetivo general es diseñar y validar dicho
modelo en el contexto de problemas retadores, con estudiantes de grado sexto de una institución
educativa de Bogotá.
El artículo se organiza así: primero se presentan los referentes conceptuales que fundamentan la
integración TRU-DNR; luego se describe la metodología de Investigación Basada en el Diseño;
posteriormente se presentan los resultados por fases evaluativas; la discusión interpreta los hallazgos a
la luz de la literatura; y las conclusiones sintetizan las contribuciones del estudio.
Marco teórico
El modelo TRU: condiciones ambientales para el aprendizaje
El marco Teaching for Robust Understanding (TRU) de Schoenfeld (2014, 2016) identifica cinco
dimensiones de los ambientes de aprendizaje que predicen el desarrollo del pensamiento matemático:
contenido matemático, demanda cognitiva, acceso equitativo, agencia e identidad, y evaluación
formativa. Lo que distingue a TRU de otros marcos es que no se centra en las acciones del docente, sino
en las condiciones que experimentan los estudiantes. Esto resulta clave para el modelo que propongo,

pág. 6847
porque permite establecer criterios observables para determinar si un ambiente favorece realmente el
aprendizaje profundo.
Las cinco dimensiones operan de manera articulada. El contenido matemático exige que los estudiantes
accedan a ideas centrales de la disciplina presentadas de manera conectada. La demanda cognitiva
requiere tareas que planteen desafíos genuinos sin resultar inabordables. El acceso equitativo asegura
oportunidades reales de participación para todos. La agencia e identidad se refieren a la capacidad de
los estudiantes para desarrollar confianza como pensadores matemáticos. La evaluación formativa
proporciona información sistemática sobre el pensamiento estudiantil (Schoenfeld y TRU Project,
2016).
El modelo DNR: mecanismos cognitivos de construcción de conocimiento
El sistema Duality, Necessity, and Repeated Reasoning (DNR) de Harel (2008a, 2008b, 2010, 2021)
proporciona un marco para comprender cómo se construye el conocimiento matemático. Se fundamenta
en premisas epistemológicas y cognitivas que establecen la naturaleza del aprendizaje matemático como
un proceso de coordinación progresiva de actos mentales: interpretar, conjeturar, inferir, estructurar y
generalizar (Harel y Koichu, 2010).
Los tres principios del DNR operan de manera coordinada. El principio de dualidad establece una
relación recíproca entre ways of understanding (formas de entender: los productos de un acto mental
aplicado a una situación particular) y ways of thinking (formas de pensar: las características cognitivas
del acto mental, más generales y transferibles). La dualidad consiste en que ambas se desarrollan
mutuamente: las formas de entender son el medio a través del cual se desarrollan las formas de pensar,
y estas, a su vez, determinan las formas de entender que el estudiante puede construir (Harel, 2008a). El
principio de necesidad —que Harel desarrolló originalmente en el contexto de estudiantes universitarios
de cálculo— postula que los estudiantes construyen conocimiento cuando experimentan una necesidad
intelectual genuina, es decir, cuando sus conocimientos previos resultan insuficientes para abordar una
situación problemática. Aplicar este principio con niños de 10-12 años requiere adaptaciones que discuto
más adelante. El principio de razonamiento repetido señala que la consolidación del conocimiento
requiere múltiples experiencias con la misma estructura matemática en contextos variados (Harel, 2021).

pág. 6848
Integración TRU-DNR: una convergencia funcional
La construcción de significado robusto, tal como la entiendo en esta investigación, requiere articular las
condiciones ambientales que describe TRU con los mecanismos cognitivos que explica DNR. La
integración entre ambos es intencionada: TRU describe las condiciones del entorno y DNR explica qué
ocurre cognitivamente dentro de esas condiciones, de modo que cada marco complementa la perspectiva
del otro. La convergencia funcional entre ambos genera experiencias de dotación de significado que
consolidan redes conceptuales estables y transferibles.
Esta convergencia se materializa en cuatro dimensiones operativas. La primera, activación de necesidad
intelectual, articula la demanda cognitiva de TRU con el principio de necesidad del DNR: problemas
retadores bien diseñados generan el desequilibrio cognitivo que impulsa la búsqueda de nuevas
estrategias. La segunda, coordinación de actos mentales, vincula el contenido matemático de TRU con
el principio de dualidad del DNR: cuando el ambiente ofrece contenido rico y conectado, los estudiantes
generan formas de entender situadas (ways of understanding) que, al ser reflexionadas y reutilizadas,
desarrollan formas de pensar más generales (ways of thinking), lo que se manifiesta en la coordinación
de actos mentales como interpretar, conjeturar, inferir y estructurar. La tercera, consolidación mediante
razonamiento repetido, conecta el acceso equitativo y la agencia de TRU con el razonamiento repetido
del DNR: múltiples experiencias en contextos diversos estabilizan las redes conceptuales. La cuarta,
autorregulación y transferencia, integra la evaluación formativa de TRU con el razonamiento repetido
reflexivo del DNR.
Construcción de significado robusto
A partir de Pérez Duarte (2016), quien asocia la construcción de significado robusto con la configuración
de redes conceptuales durante la resolución de problemas no rutinarios, en esta investigación propongo
una diferenciación conceptual en tres niveles. El primero, dotar de significado, corresponde al resultado
de un acto mental específico desarrollado en un contexto determinado; representa un avance parcial en
la comprensión. El segundo, dotar de significado robusto, es el resultado de la interacción coordinada y
reflexiva de dos o más actos mentales en diferentes contextos durante la resolución de problemas
retadores. El tercero, construcción de significado robusto, designa el proceso progresivo y acumulativo
mediante el cual se desarrollan y fortalecen redes conceptuales transferibles entre campos matemáticos

pág. 6849
diversos. Esta diferenciación enfatiza el proceso progresivo mediante problemas retadores y sitúa la
transferencia entre campos matemáticos como evidencia central de robustez.
La noción de redes conceptuales, entendidas como instrumentos gráfico-semánticos que muestran
conexiones no jerárquicas entre conceptos (Ciliberti y Galagovsky, 1999), proporciona un indicador
observable de la robustez del significado construido. Cuando un estudiante puede movilizar un concepto
en campos matemáticos diversos, justificar por qué funciona un método y discriminar cuándo aplicarlo,
hay evidencia de un significado robusto que trasciende la reproducción procedimental.
Evaluación para el aprendizaje
La evaluación para el aprendizaje, fundamentada en Black y Wiliam (1998, 2009), Wiliam (2011) y
Shepard (2000), es el componente evaluativo que operacionaliza la integración TRU-DNR. Su
característica distintiva es que transforma la evaluación de un mecanismo de medición a un motor de
aprendizaje, proporcionando retroalimentación continua que orienta las decisiones pedagógicas. Hattie
y Timperley (2007) identifican que la retroalimentación más efectiva responde a tres preguntas: ¿hacia
dónde voy?, ¿cómo voy? y ¿qué sigue? Esta estructura se integra en las fases del modelo MECSIRCOM
mediante instrumentos que hacen visibles procesos de pensamiento que las evaluaciones convencionales
pasan por alto.
Problemas retadores como contexto de construcción
Los problemas retadores, inspirados en las tradiciones de olimpiadas matemáticas (Falk de Losada,
2001, 2020), son el instrumento central de evaluación en MECSIRCOM. Kapur (2014) ha mostrado que
el fracaso productivo en contextos de resolución de problemas genera aprendizaje más profundo que la
instrucción directa. Schoenfeld (1985, 1992) establece que la resolución de problemas moviliza no solo
conocimientos conceptuales, sino también estrategias heurísticas, metacognición y disposiciones
matemáticas. En este estudio, los problemas retadores operan en un doble nivel: como activadores de la
necesidad intelectual que inicia la construcción de significado, y como contextos donde se hace visible
la coordinación progresiva de actos mentales.

pág. 6850
METODOLOGÍA
Enfoque y diseño
La investigación se sitúa en el paradigma cualitativo, de enfoque interpretativo, y adopta la Investigación
Basada en el Diseño (Design-Based Research, DBR) como enfoque metodológico (Cobb et al., 2003;
Prediger, 2019). Opté por la DBR porque responde a un doble propósito que me resultaba inseparable:
desarrollar una intervención práctica implementable en el aula y, al mismo tiempo, generar teoría
contextualizada sobre los procesos de construcción de significado robusto. El proceso se desarrolló en
dos ciclos iterativos: diseño de instrumentos, implementación en el aula, análisis de datos y refinamiento
del modelo (Confrey et al., 2006; Sandoval, 2014).
Conjetura central de diseño. Se plantea que la implementación de un modelo de evaluación
fundamentado en la integración TRU-DNR y operacionalizado mediante problemas retadores, en una
secuencia progresiva de cuatro fases, favorecerá la construcción de significado robusto de conceptos
matemáticos y, en consecuencia, aportará al desarrollo del pensamiento matemático autónomo en
estudiantes de básica secundaria (véase Anexo metodológico, Tabla A2).
Participantes y contexto
Participaron 20 estudiantes de grado sexto (10-12 años) del Colegio Fabio Lozano Simonelli, institución
educativa distrital ubicada en Bogotá, Colombia. La muestra fue seleccionada por conveniencia,
trabajando con un grupo-curso completo para preservar la naturaleza ecológica de la investigación. El
contenido se centró en teoría de números: divisibilidad, mínimo común múltiplo (MCM), máximo
común divisor (MCD) y números primos. La decisión de trabajar con este dominio obedeció a que
permite diseñar problemas retadores con progresión de demanda cognitiva accesible para este nivel
escolar.
Modelo MECSIRCOM: estructura y fases
El modelo se estructura en cinco componentes interdependientes: contenido matemático, problemas
retadores, discurso matemático, evaluación para el aprendizaje e integración TRU-DNR para la
construcción de significado robusto. Estos componentes se operacionalizan en cuatro fases evaluativas
progresivas, cada una inspirada en formatos de olimpiadas matemáticas con adaptación pedagógica. La

pág. 6851
Tabla 1. Estructura y fases evaluativas del modelo MECSIRCOM
Fase Formato y
tiempo
Dimensión
prioritaria
Evidencias principales Indicador de
logro
Inicial 1 sesión
(90 min).
Selección
múltiple
(tipo
Canguro)
Necesidad
intelectual
Disposición inicial;
compromiso sostenido;
persistencia; trayectoria
emocional
80% activación
alta/moderada
Desarrollo 3 sesiones
(45 min).
Respuesta
única +
método
completo
Coordinación
de actos
mentales
Pasos organizados;
justificación; verificación;
flexibilidad estratégica
60% métodos
organizados
(≥3/5
problemas)
Consolidación 3 sesiones
(90 min).
Variaciones
A-B-C por
problema
Razonamiento
repetido
Aplicación consistente del
método; discriminación
MCM/MCD; redes
conceptuales
60%
razonamiento
repetido
consistente
Transferencia 1 fase final.
4
problemas
no
rutinarios,
campos
diversos
Transferencia
+
autorregulación
Transferencia aritmético-
geométrica/aplicada/algebraica;
estrategia autónoma
65%
transferencia
funcional con
autorregulación
Nota. Elaboración propia a partir del diseño e implementación reportados.
La Fase Inicial (90 minutos, formato inspirado en Canguro Matemático) prioriza la activación de
necesidad intelectual mediante cuatro problemas de selección múltiple con demanda cognitiva
progresiva. La decisión de usar este formato obedeció a que reduce la ansiedad inicial de los estudiantes
frente a problemas abiertos, al tiempo que permite observar cómo activan —o no— sus conocimientos
previos. La Fase de Desarrollo (tres sesiones de 45 minutos) se centra en la coordinación de actos
mentales mediante cinco problemas que exigen respuesta numérica única y construcción de método
completo. La Fase de Consolidación (tres sesiones de 90 minutos) busca consolidar comprensiones
mediante razonamiento repetido en variaciones de la misma estructura matemática. La Fase de
Transferencia evalúa la construcción de significado robusto en su expresión plena, con cuatro problemas
no rutinarios que requieren transferencia entre campos matemáticos diversos.

pág. 6852
Instrumentos de recolección de datos
Los instrumentos conforman un sistema de triangulación con múltiples fuentes. Las hojas de trabajo del
estudiante, diferenciadas por fase, se estructuran en cuatro partes: (A) evaluación de disposición inicial
o conexión con conocimientos previos; (B) problemas retadores con espacio amplio para razonamiento;
(C) reflexión metacognitiva; y (D) trayectoria emocional. Las rúbricas de observación TRU-DNR
registran manifestaciones comportamentales de las cuatro dimensiones cognitivas. Las matrices de
registro de evidencias permiten triangular desempeño, proceso de solución, estado emocional y
metacognición. Las entrevistas semiestructuradas profundizan en los procesos de razonamiento de
estudiantes seleccionados. Las transcripciones se editaron mínimamente para legibilidad, conservando
el sentido original y las expresiones propias de los estudiantes.
Adicionalmente, se realizaron entrevistas a 13 especialistas con reconocimiento internacional en
educación matemática, olimpiadas matemáticas y evaluación educativa, y se aplicó una encuesta
validada mediante método Delphi a 16 docentes de matemáticas de básica secundaria. Se obtuvo
consentimiento informado, se garantizó anonimato y se contó con aprobación institucional. La
operacionalización de las dimensiones TRU-DNR en indicadores observables se presenta en el Anexo
metodológico (Tabla A1).
Procedimiento de análisis
El análisis combinó procedimientos cualitativos e indicadores descriptivos. Las producciones escritas
fueron analizadas mediante categorías derivadas de las cuatro dimensiones de integración TRU-DNR.
Las entrevistas fueron transcritas y codificadas según manifestaciones de necesidad intelectual,
coordinación de actos mentales, razonamiento repetido y autorregulación. La validación del modelo se
realizó mediante el enfoque basado en argumentos de Kane (2013), que establece cuatro cadenas de
inferencia: los instrumentos capturan apropiadamente los procesos evaluados (interpretación), los
resultados son consistentes entre ciclos (consistencia), los hallazgos trascienden el contexto específico
(transferencia) y el modelo produce consecuencias formativas deseables (consecuencias).
RESULTADOS Y DISCUSIÓN
Los resultados se presentan organizados según las cuatro fases evaluativas del modelo, seguidos de la
discusión integrada. Previamente se sintetizan los hallazgos de la validación con expertos y docentes.

pág. 6853
Validación por expertos y docentes
Las entrevistas a 13 especialistas internacionales convergieron en una idea clave: evaluar no se limita a
verificar resultados, sino a hacer visible el razonamiento del estudiante —cómo comprende el
enunciado, qué decisiones toma, qué conexiones establece, cómo justifica sus procedimientos—. Hubo
consenso en que la resolución de problemas retadores es el contexto privilegiado para esta evaluación.
La encuesta a 16 docentes documentó predominancia de las categorías “muy importante” e “importante”
en todos los componentes evaluativos propuestos, lo que respalda la pertinencia del modelo.
Fase Inicial: activación de necesidad intelectual
La Fase Inicial se implementó en una sesión de 90 minutos con cuatro problemas retadores de selección
múltiple. La participación alcanzó el 100% del grupo, con motivación inicial promedio de 3.9/5.0. La
observación docente registró que 16 de 20 estudiantes (80%) mantuvieron compromiso con la actividad
a lo largo de la sesión. La persistencia ante el desafío, definida como múltiples intentos visibles en las
producciones escritas, se observó en 13 estudiantes (65%).
El desempeño por problema reveló una progresión de dificultad adecuada. La Tabla 2 presenta estos
resultados.
Tabla 2. Desempeño por problema en la Fase Inicial (N = 20)
Problema Porcentaje de éxito Demanda cognitiva
1.1 70% Baja-media
1.2 55% Media
1.3 45% Media-alta
1.4 40% Alta
Nota. Elaboración propia con base en análisis de producciones estudiantiles.
Esta variación confirma que los problemas de menor demanda cognitiva funcionaron como un acceso
exitoso, mientras que los de mayor exigencia activaron genuina necesidad intelectual al poner en
evidencia la brecha entre reconocimiento conceptual y aplicación estratégica. La rúbrica TRU-DNR
clasificó al 80% del grupo en niveles alto y moderado de activación de necesidad intelectual. La
satisfacción fue notable: el 100% reportó algún nivel de satisfacción con su desempeño, y el 70%
expresó disposición favorable para seguir resolviendo problemas similares.
Las entrevistas revelaron una brecha significativa entre reconocer un concepto y saber usarlo. Un
estudiante comentó: “sí, profe, yo sé qué son los divisores y los múltiplos, eso lo vimos, pero en el

pág. 6854
problema 1.3 no se me ocurrió usar eso... o sea, solo intenté formar números a ver cuál servía” (E8).
Otro señaló: “es que yo sé las reglas del 2, el 3 y el 5, pero no sabía que tenía que usarlas ahí, pensé que
era un problema diferente” (E3). Estos testimonios muestran que los estudiantes reconocían conceptos
familiares pero no los movilizaban de manera autónoma, lo que confirmó que las redes conceptuales
estaban débilmente conectadas y fundamentó la necesidad de la Fase de Desarrollo.
Se identificaron tres patrones en la trayectoria emocional: trayectoria ascendente (6/20, 30%), con
disposición alta desde el inicio; sostenida positiva (9/20, 45%), con disposición alta desde el inicio; y
descendente o neutra (5/20, 25%). Entre los estudiantes con trayectoria ascendente, varios expresaron
sorpresa ante su propio desempeño. Uno de ellos comentó: “descubrí que puedo resolver problemas
difíciles”. Estos testimonios apuntan a que el modelo puede favorecer el desarrollo de una identidad
matemática positiva, aunque esta relación necesita investigarse con mayor profundidad.
Fase de Desarrollo: coordinación de actos mentales
La Fase de Desarrollo se implementó en tres sesiones de 45 minutos con cinco problemas que exigían
construcción de método completo. Doce estudiantes (60%) lograron construir métodos con pasos
organizados en al menos tres de los cinco problemas, lo que muestra una transición desde intentos
aislados hacia procedimientos estructurados. La justificación verbal emergió en el 45% del grupo (9/20),
con conectores como “porque”, “para encontrar” y “entonces”. La revisión de cálculos durante el
proceso se registró en el 55% (11/20), y la flexibilidad estratégica —cambio consciente de enfoque—
en solo el 40% (8/20).
El desempeño por problema osciló entre 55% (Problema 2.1, capicúas y múltiplos de 6) y 25%
(Problema 2.4, razonamiento combinatorio). El Problema 2.5 alcanzó 50% de éxito, el segundo mejor
resultado de la fase, lo cual fue una sorpresa considerando su complejidad. Este resultado muestra que
los estudiantes pueden coordinar múltiples condiciones simultáneas cuando la secuencia didáctica los
prepara progresivamente. El análisis por nivel de organización reveló una relación clara: estudiantes con
nivel alto lograron 75% de éxito en ese problema, nivel moderado 43% y nivel bajo 20%.
El Problema 2.1 generó el mayor compromiso emocional. El análisis cualitativo reveló tres
aproximaciones estratégicas: sistemática descendente (6 estudiantes, 5 exitosos), listado completo (8
estudiantes, 4 exitosos) y tanteo aleatorio (6 estudiantes, 2 exitosos). La diferencia cualitativa entre estas

pág. 6855
aproximaciones fue clara en las entrevistas. Un estudiante con alto nivel explicó: “primero pensé cuáles
capicúas de tres cifras existen, ¿sí? Entonces fui bajando desde 999... y cada uno lo revisaba con las
reglas del 6, que tiene que ser par y múltiplo de 3, eso ya lo sabía” (E12). En contraste, un estudiante de
nivel bajo dijo: “pues, intenté varios números... probé 989, pero no [hace gesto de negación], luego 979,
tampoco. No me salió” (E5). La diferencia está en que el primero usa criterios conceptuales para guiar
la búsqueda; el segundo prueba al azar, sin un plan.
La flexibilidad estratégica, registrada en el 40%, mostró metacognición avanzada en quienes la
manifestaron. Un estudiante relató: “empecé haciendo la lista de todos los capicúas, pero uf, eran
muchísimos... entonces dije no, mejor empiezo desde arriba y voy bajando hasta que encuentre uno que
sirva, así fue más rápido” (E15). Cuando le pregunté cómo supo que debía cambiar de estrategia,
respondió: “es que vi que había demasiados números y me pregunté si había una forma más rápida”. Lo
que observamos aquí es que la autorregulación mediante monitoreo del propio proceso va más allá de
la simple persistencia.
Las redes conceptuales mostraron progreso: aunque solo el 20% estableció conexiones integradas entre
cuatro o más conceptos, el 65% logró identificar conceptos y establecer algunas relaciones. La
trayectoria emocional fue positiva en el 80% del grupo, y la disposición para enfrentar problemas
complejos subió al 75%.
Fase de Consolidación: razonamiento repetido
La Fase de Consolidación se implementó en tres sesiones de 90 minutos con tres conjuntos de
problemas, cada uno con tres variaciones de la misma estructura matemática. El 60% de estudiantes
(12/20) aplicó de manera consistente el mismo razonamiento en múltiples variaciones. Esto confirma
que la práctica reflexiva sobre la misma estructura estabiliza redes conceptuales.
El Problema 3.1 (MCM con restos) tuvo el mejor desempeño: 70% (14/20) resolvió las tres variaciones
correctamente y 65% (13/20) mostró razonamiento repetido consistente. El Problema 3.2
(permutaciones con repetición) bajó a 45%, lo que indica que algunas estructuras resultan menos
transparentes para los estudiantes. El Problema 3.3 (MCD en contextos geométricos) alcanzó 55%. La
confusión entre MCM y MCD se registró en el 15% del grupo, una proporción que parece pequeña pero
que revela algo importante sobre la discriminación de estructuras matemáticas.

pág. 6856
Las entrevistas mostraron comprensión genuina del razonamiento repetido. Al preguntarle a un
estudiante por qué usó el mismo método en las tres variaciones del Problema 3.1, explicó: “es que... los
tres eran como iguales, ¿no? O sea, tenían números diferentes pero la idea era la misma: buscar cuándo
los tres números se juntan y después sumarle lo que sobra. En el A sobraban 2, en el B sobraba 1 y en
el C sobraban 3, pero el truco es el mismo” (E12). Cuando le pregunté cómo sabía que el método siempre
funciona, respondió: “porque el MCM es como cuando los tres se encuentran, ¿sí? Y si le sumo lo que
quiero que sobre, pues ese número al dividirlo por cualquiera de los tres me va a dar lo que necesito”.
Este estudiante reconoció la estructura común, explicó por qué funciona el método y discriminó cuándo
aplicarlo, que son las evidencias centrales de consolidación en el modelo.
La confusión MCM/MCD reveló un patrón específico. Un estudiante que usó MCM donde correspondía
MCD explicó: “es que aquí había que dividir, y en el problema de antes también había división y
usábamos el MCM” (E9). Cuando indiqué sobre la diferencia, reconoció: “ah, aquí quiero algo que
divida a los dos, no algo que sea como... multiplicación de los dos. Es al revés, ¿cierto?”. Este fragmento
muestra que la coordinación de actos mentales puede estar presente sin que la discriminación de
estructuras sea completa. La consolidación plena necesita más experiencias de este tipo.
La justificación del método mostró tres niveles: descriptiva (8 estudiantes, describen qué hicieron),
causal parcial (5, explican algunas razones) y causal completa (3, explican el razonamiento conectando
conceptos). Las redes conceptuales progresaron: 30% integradas (frente al 20% de la fase anterior), 45%
parciales y 25% aisladas. El 75% reportó mejora percibida en su forma de resolver problemas.
Fase de Transferencia: significado robusto
La Fase de Transferencia evaluó la construcción de significado robusto mediante cuatro problemas no
rutinarios que requerían transferencia entre campos matemáticos diversos. Los resultados siguen una
progresión coherente con la demanda cognitiva. La Tabla 3 presenta estos datos.

pág. 6857
Tabla 3. Desempeño por problema en la Fase de Transferencia (N = 20)
Problema Tipo de
transferencia
Éxito Indicadores de autorregulación
4.1 Plazas públicas Aritmético-
geométrica
70% Listado sistemático de cuadrados
perfectos, verificación de primos.
4.2 Transmilenio Aritmético-aplicada 65% Estrategia autónoma 60%,
justificación 50%, verificación 55%
4.3 Corrales Aritmético-
geométrica
55% Estrategia autónoma 50%,
integración restricciones duales
4.4 Relaciones
algebraicas
Algebraico-
aritmética
45% Estrategia autónoma 45%,
justificación 45%
Nota. Elaboración propia. Los indicadores de autorregulación se registraron mediante rúbrica TRU-DNR y análisis de
producciones.
El Problema 4.2, contextualizado en el sistema Transmilenio de Bogotá, mostró transferencia
consciente. Al preguntarle cómo supo que el problema requería MCM, un estudiante explicó: “es que
las rutas salen cada cierto tiempo, ¿no? Y la pregunta es cuándo vuelven a juntarse todas. Eso es lo
mismo que hicimos en los problemas de la fase 3, cuando buscábamos cuándo se juntan cosas que se
repiten” (E18). La producción escrita de este estudiante mostró no solo transferencia exitosa sino
también verificación sistemática. Las redes conceptuales construidas en fases anteriores estaban
operando en un contexto completamente nuevo.
El Problema 4.4 representó el mayor desafío. Un estudiante describió su proceso: “primero leí como tres
veces para entender qué me decían, porque eran tres números con relaciones entre ellos y me enredé
[ríe]. Entonces empecé escribiendo lo que sabía y pensé qué propiedades de los números podían
ayudarme” (E2). Sobre la dificultad, señaló: “organizarme, profe, para no dejar casos sin revisar. Hice
una tabla con todas las posibilidades y fui tachando las que no funcionaban. También fue difícil explicar
por qué mi respuesta era la única correcta”. Que casi la mitad del grupo (45%) logre aproximarse
productivamente a problemas de este nivel es un resultado que vale la pena destacar: muestra que
secuencias evaluativas bien diseñadas pueden preparar a estudiantes de sexto grado para un
razonamiento algebraico incipiente.

pág. 6858
Síntesis de la progresión
Tabla 4. Progresión global de las cuatro dimensiones de integración TRU-DNR
Fase Dimensión prioritaria Resultado Indicador clave
1. Inicial Necesidad intelectual 80% Compromiso sostenido
2. Desarrollo Coordinación de actos
mentales
60% Métodos organizados
3.
Consolidación
Razonamiento repetido 60% Aplicación consistente
4.
Transferencia
Autorregulación y
transferencia
65% Significado robusto
Nota. Cada fase mantiene activas las dimensiones anteriores mientras prioriza una nueva. N = 20 estudiantes.
La progresión 80% → 60% → 60% → 65% muestra que las cuatro dimensiones de la integración TRU-
DNR operan como sistema coordinado: cada fase activa intensamente una dimensión mientras mantiene
activas las previas. El incremento de la fase 3 a la 4 (60% a 65%) sugiere que la consolidación mediante
razonamiento repetido prepara para la transferencia.
DISCUSIÓN
El resultado que considero más revelador de esta investigación es la brecha entre reconocimiento
conceptual y aplicación estratégica que se hizo visible en las fases 1 y 2. Los estudiantes identificaban
conceptos como divisores y múltiplos —podían definirlos, dar ejemplos— pero no los movilizaban para
resolver problemas. Las redes conceptuales estaban ahí, pero débilmente conectadas, como islas de
conocimiento sin puentes entre ellas.
La activación de necesidad intelectual en el 80% del grupo durante la Fase Inicial apoya lo que plantea
Harel (2008a) sobre la construcción de conocimiento cuando hay necesidad genuina. Ahora bien, Harel
desarrolló este principio trabajando con estudiantes universitarios de cálculo, y la pregunta era si
funcionaría con niños de 10-12 años en un contexto escolar muy diferente. Los datos sugieren que sí,
siempre que el nivel de dificultad se ajuste adecuadamente. Los problemas tipo Canguro, con demanda
progresiva, generaron curiosidad matemática documentada en indicadores de compromiso y
persistencia. El desafío con ajuste adecuado, en vez de desmotivar, fortaleció la disposición hacia la
matemática cuando los estudiantes experimentaron logros parciales. Kapur (2014) ha reportado efectos
similares del fracaso productivo, aunque en contextos diferentes.

pág. 6859
El desempeño en el Problema 2.5 (50% de éxito, con 75% en nivel alto, 43% en moderado y 20% en
bajo) merece atención porque valida un supuesto central del modelo: que la progresión didáctica previa
activa redes conceptuales que facilitan problemas complejos posteriores. Es un resultado que se alinea
con lo que Schoenfeld (1992) señala sobre la importancia de la secuenciación en resolución de
problemas.
La confusión persistente entre MCM y MCD en el 15% del grupo durante la consolidación merece más
atención de la que inicialmente le di. Cuando un estudiante dice “aquí había división y en el anterior
también, entonces es MCM”, está razonando por analogía superficial: se fija en la operación visible, no
en la estructura subyacente. La discriminación de cuándo usar MCM y cuándo MCD requiere
comprender qué pregunta cada problema, no qué operaciones contiene. Esto es coherente con el
principio de razonamiento repetido de Harel (2021), pero añade una especificidad: la repetición necesita
incluir tareas de contraste explícito, no solo variaciones de la misma estructura.
Que el 65% del grupo haya construido significado robusto funcional con transferencia entre campos
matemáticos diversos y autorregulación es un resultado notable si se considera que se trata de estudiantes
de sexto grado en una institución pública. Este dato se conecta con la tradición de las olimpiadas
matemáticas colombianas (Falk de Losada, 2001, 2020) y muestra que la adaptación pedagógica de
principios olímpicos puede ser accesible e inclusiva para estudiantes regulares.
Algo que los datos no me permitieron resolver con claridad es la relación entre las trayectorias
emocionales y el desempeño cognitivo. Observé que las trayectorias ascendentes se asociaban con
descubrimientos sobre las propias capacidades (“descubrí que puedo resolver problemas difíciles”), pero
no puedo afirmar una relación causal. La aparición de una identidad matemática positiva parece ser una
consecuencia formativa del modelo, pero esta hipótesis necesita investigación específica.
El argumento de validez, organizado según Kane (2013), se sintetiza en el Anexo metodológico (Tabla
A3). Las evidencias disponibles apoyan la interpretación formativa de los resultados. Futuras
iteraciones del modelo deberían incorporar procedimientos de doble codificación y evidencias externas
que fortalezcan la cadena de inferencias.
El estudio tiene limitaciones que debo reconocer. La muestra de 20 estudiantes en una sola institución
limita la generalización estadística, aunque la validación cualitativa sugiere transferibilidad conceptual.

pág. 6860
El contenido se ciñó a teoría de números; réplicas en otros dominios fortalecerían la validez externa. El
tiempo requerido (8-10 sesiones) puede ser una barrera en contextos con presiones curriculares. El 40%
de estudiantes que necesitó apoyos diferenciados muestra que, si bien el modelo es inclusivo, la
coordinación de actos mentales demanda tiempo adicional para algunos estudiantes. La formación
docente necesaria para implementar el modelo no fue abordada en este estudio.
Las implicaciones para la práctica educativa son varias. La adaptación pedagógica de principios de
olimpiadas —progresión de demanda, múltiples caminos de solución, valoración del razonamiento—
resulta viable y productiva en contextos escolares regulares. El modelo proporciona herramientas para
que los docentes hagan visibles procesos de pensamiento que normalmente quedan ocultos. Y la
estructura de cuatro fases ofrece un principio organizador flexible que puede adaptarse a diversos
contenidos matemáticos.
CONCLUSIONES
Esta investigación diseñó, implementó y validó el modelo MECSIRCOM como herramienta de
evaluación formativa que busca transformar el aprendizaje matemático. Presento las conclusiones
vinculadas a los objetivos del estudio.
Sobre la identificación de componentes clave de TRU y DNR integrables en un modelo evaluativo: la
investigación estableció que la convergencia funcional entre condiciones ambientales (TRU) y
mecanismos cognitivos (DNR) se materializa en cuatro dimensiones operativas progresivas. Esta
integración responde a una lógica de complementariedad: Tru ofrece condiciones del entorno de
aprendizaje y DNR permite comprender qué ocurre cognitivamente en el estudiante dentro de estas
condiciones.
Sobre el diseño de criterios y estándares de evaluación: el modelo aporta rúbricas TRU-DNR con
indicadores observables para cada dimensión, lo que permite registrar procesos de construcción
conceptual que las evaluaciones convencionales dejan invisibles. Los criterios de comprensión,
estrategia, ejecución, verificación y comunicación fueron validados por los 13 expertos como
representativos del pensamiento matemático.
Sobre el diseño de la secuencia evaluativa: las cuatro fases progresivas, inspiradas en formatos de
olimpiadas, mostraron que problemas retadores adaptados pedagógicamente son accesibles para

pág. 6861
estudiantes regulares de sexto grado. La progresión 80% → 60% → 60% → 65% valida que cada fase
cumple su propósito formativo mientras prepara la siguiente.
Sobre la validación: la triangulación de evidencias y el argumento de validez basado en Kane (Tabla
A3) apoyan la pertinencia del modelo. Para futuras publicaciones se recomienda explicitar
procedimientos de confiabilidad y aportar evidencias externas.
La contribución principal es la primera operacionalización sistemática de la integración TRU-DNR en
prácticas evaluativas concretas, mostrando que marcos teóricos sofisticados pueden traducirse en
herramientas para el aula. Se recomienda replicar el modelo en otros contenidos matemáticos
(geometría, álgebra, probabilidad), otros niveles educativos y otros contextos institucionales. También
resulta prioritario investigar la formación docente requerida y explorar plataformas digitales para escalar
la documentación de evidencias.
Anexo metodológico
Operacionalización TRU-DNR en el modelo MECSIRCOM
La Tabla A1 resume cómo se traduce la integración TRU-DNR en dimensiones operativas, indicadores
observables e instrumentos de evidencia.
Dimensión
operativa
Anclaje TRU Anclaje
DNR
Indicadores
observables
Evidencias /
instrumentos
Necesidad
intelectual
Demanda
cognitiva;
agencia
Necesidad Curiosidad/compromiso;
preguntas propias;
persistencia
Fase 1, rúbrica
TRU-DNR,
entrevistas,
observación
Coordinación
de actos
mentales
Contenido
matemático;
discurso;
agencia
Dualidad Uso de propiedades;
encadenamiento de
pasos; conexiones
Fase 2,
producciones
escritas,
entrevistas
Razonamiento
repetido
Demanda
cognitiva;
coherencia
Repeated
Reasoning
Identifica estructura
común; adapta método;
justifica invariantes
Fase 3, rúbrica y
análisis
comparativo
Autorregulación Agencia;
discurso
Necesidad +
Dualidad
Monitorea/ajusta
estrategia; verifica;
detecta errores
Entrevistas,
observación,
registros de
revisión
Transferencia y
redes
conceptuales
Contenido;
demanda;
coherencia
Necesidad +
Repeated
Reasoning
Conecta ideas entre
dominios; reconoce
estructura en contexto
nuevo
Fase 4, análisis de
redes, rúbrica y
entrevistas

pág. 6862
Conjeturas de diseño y evidencia (DBR)
La Tabla A2 organiza conjeturas de diseño del modelo, conectando decisiones didácticas con evidencia
observada y aspectos por fortalecer.
Conjetura Decisiones de
diseño
Evidencia
esperada
Evidencia
observada
Ajustes
pendientes
Problemas
retadores activan
necesidad
intelectual
Secuencia
progresiva tipo
olimpiada; Fase
1 con selección
múltiple
Alta disposición
+ persistencia;
participación
activa
Necesidad
activada en
80%;
trayectorias
ascendentes
(30%)
Explicitar
criterios de
selección de
problemas
Rúbrica TRU-
DNR hace visible
el proceso
Indicadores
observables por
dimensión; uso
en observación y
análisis
Registros
consistentes de
estrategias y
justificaciones
Conectores
justificativos
(45%); revisión
de cálculos
(55%)
Reportar
confiabilidad
(doble
codificación)
Variación
estructural
promueve
razonamiento
repetido
Fase 3 con
variaciones del
mismo esquema
Reconocimiento
de estructura
común;
reutilización
adaptativa
Explicación de
invariantes y
método común
(E12)
Incluir tareas de
contraste
MCM/MCD
Contextos locales
apoyan
transferencia
Fase 4 con
problemas
contextualizados
(Transmilenio)
Aplicación
autónoma en
contexto nuevo
+ justificación
Transferencia
consciente
(E18); 65%
global en Fase 4
Aumentar
variedad de
contextos;
seguimiento a
mediano plazo
Retroalimentación
fortalece
autorregulación
Entrevistas,
discusión guiada,
revisión de
métodos
Cambio
estratégico
consciente;
monitoreo del
propio proceso
Flexibilidad
estratégica en
40%;
testimonios de
ajuste (E15)
Documentar
episodios de
retroalimentación
y su efecto
Argumento de validez basado en Kane
La Tabla A3 sintetiza el argumento de validez organizando evidencias y amenazas según las inferencias
de Kane (2013).
Inferencia Afirmación Supuestos Evidencia Amenazas /
fortalecimiento
Puntuación Los niveles
asignados
representan
procesos TRU-
DNR
Indicadores
observables;
criterios claros;
aplicación
consistente
Rúbrica +
producciones +
entrevistas;
ejemplos por fase
Reportar acuerdo
interevaluador;
incluir ejemplos
ancla

pág. 6863
Generalización Los niveles son
consistentes
entre tareas
comparables
Tareas
suficientes;
condiciones
similares
Múltiples
problemas por
fase; tablas de
progresión global
Cuantificar
estabilidad;
ampliar tareas o
ciclos
Extrapolación El desempeño
representa
capacidad
matemática en
situaciones
afines
Tareas alineadas
con constructo;
contexto no sesga
Transferencia en
contexto
Transmilenio
(E18); coherencia
teórica
Agregar medidas
externas y
seguimiento
temporal
Implicación/uso El uso
formativo
mejora
aprendizaje sin
efectos
adversos
Retroalimentación
ajusta enseñanza;
consecuencias
monitoreadas
Trayectorias
emocionales
positivas;
identidad
matemática;
ajustes por fase
Analizar equidad
(subgrupos) y
carga docente
REFERENCIAS BIBLIOGRÁFICAS
Baird, J.-A., Andrich, D., Hopfenbeck, T. N., & Stobart, G. (2017). Assessment and learning: Fields
apart? Assessment in Education: Principles, Policy & Practice, 24(3), 317-350.
https://doi.org/10.1080/0969594X.2017.1319337
Black, P., & Wiliam, D. (1998). Assessment and classroom learning. Assessment in Education:
Principles, Policy & Practice, 5(1), 7-74. https://doi.org/10.1080/0969595980050102
Black, P., & Wiliam, D. (2009). Developing the theory of formative assessment. Educational
Assessment, Evaluation and Accountability, 21(1), 5-31. https://doi.org/10.1007/s11092-008-
9068-5
Black, P., Harrison, C., Lee, C., Marshall, B., & Wiliam, D. (2002). Working inside the black box:
Assessment for learning in the classroom. NfER.
Bonilla, M., Romero, J., Narváez, D., & Bohórquez, A. (2015). Características del proceso de
construcción del significado del concepto de variación matemática en estudiantes para profesor
de matemáticas. Avances de Investigación en Educación Matemática, (7), 73-93.
Burkhardt, H., & Schoenfeld, A. H. (2018). Assessment in the service of learning: Challenges and
opportunities or plus ça change, plus c'est la même chose. ZDM Mathematics Education, 50(4),
571-585. https://doi.org/10.1007/s11858-018-0937-1

pág. 6864
Ciliberti, N., & Galagovsky, L. (1999). Las redes conceptuales como instrumento para evaluar el nivel
de aprendizaje conceptual de los alumnos. Enseñanza de las Ciencias, 17(1), 17-29.
Cobb, P., Confrey, J., diSessa, A., Lehrer, R., & Schauble, L. (2003). Design experiments in educational
research. Educational Researcher, 32(1), 9-13. https://doi.org/10.3102/0013189X032001009
Confrey, J. (2006). The evolution of design studies as methodology. En R. K. Sawyer (Ed.), The
Cambridge handbook of the learning sciences (pp. 135-152). Cambridge University Press.
Falk de Losada, M. (2001). Olimpiadas de Matemáticas: retos, logros (y frustraciones). Universidad
Antonio Nariño.
Falk de Losada, M. (2020). La motivación y el pensamiento detrás de cada uno de los problemas creados
y seleccionados para las olimpiadas matemáticas. Espacio Matemático, 1(1), 1-18.
https://doi.org/10.48082/espmat-v01n01a20p012
Fritz, A., Ehlert, A., & Balzer, L. (2013). Development of mathematical concepts as basis for an
elaborated mathematical understanding. South African Journal of Childhood Education, 3(1), 38-
67.
Guskey, T. R. (2005). Formative classroom assessment and Benjamin S. Bloom: Theory, research, and
implications. Paper presented at the Annual Meeting of the AERA, Montreal, Canada.
Harel, G. (2008a). DNR perspective on mathematics curriculum and instruction, Part I: Focus on
proving. ZDM—The International Journal on Mathematics Education, 40, 487-500.
Harel, G. (2008b). DNR perspective on mathematics curriculum and instruction, Part II. ZDM—The
International Journal on Mathematics Education, 40, 893-907.
Harel, G. (2010). DNR-Based instruction in mathematics as a conceptual framework. En B. Sriraman &
L. English (Eds.), Theories of mathematics education (pp. 343-367). Springer.
Harel, G. (2021). The learning and teaching of multivariable calculus: A DNR perspective. ZDM
Mathematics Education, 53, 709-721. https://doi.org/10.1007/s11858-021-01223-8
Harel, G., & Kaput, J. (2002). The role of conceptual entities and their symbols in building advanced
mathematical concepts. En D. Tall (Ed.), Advanced mathematical thinking (pp. 82-94). Springer.
Harel, G., & Koichu, B. (2010). An operational definition of learning. The Journal of Mathematical
Behavior, 29(3), 115-124. https://doi.org/10.1016/j.jmathb.2010.06.002

pág. 6865
Hattie, J., & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81-
112. https://doi.org/10.3102/003465430298487
Hiebert, J., & Grouws, D. A. (2007). The effects of classroom mathematics teaching on students'
learning. En F. K. Lester (Ed.), Second handbook of research on mathematics teaching and
learning (pp. 371-404). Information Age.
Hitt, F. (2003). Una reflexión sobre la construcción de objetos matemáticos en ambientes con tecnología.
Boletín de la Asociación Matemática Venezolana, 10(2), 213-223.
Kaiser, G. (2017). The teaching and learning of mathematical modelling. En J. Cai (Ed.), Compendium
for research in mathematics education (pp. 267-291). NCTM.
Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational
Measurement, 50(1), 1-73.
Kapur, M. (2014). Productive failure in learning math. Cognitive Science, 38(5), 1008-1022.
https://doi.org/10.1111/cogs.12107
Kilpatrick, J., Swafford, J., & Findell, B. (2001). Adding it up: Helping children learn mathematics.
National Academy Press.
Lee, C. (2006). Language for learning mathematics: Assessment for learning in practice. Open
University Press.
Mason, J., Burton, L., & Stacey, K. (1982). Thinking mathematically. Addison-Wesley.
Pérez Duarte, D. C. (2016). Construcción de significado robusto para el concepto de área y
caracterización del pensamiento geométrico involucrado en los estudiantes de sexto grado [Tesis
doctoral, Universidad Antonio Nariño].
Polya, G. (1945). How to solve it: A new aspect of mathematical method. Princeton University Press.
Prediger, S. (2019). Theorizing in design research: Methodological reflections on developing and
connecting theory elements for language-responsive mathematics classrooms. Avances de
Investigación en Educación Matemática, (15), 5-27.
Sandoval, W. (2014). Conjecture mapping: An approach to systematic educational design research.
Journal of the Learning Sciences, 23(1), 18-36.
Schoenfeld, A. H. (1985). Mathematical problem solving. Academic Press.

pág. 6866
Schoenfeld, A. H. (1992). Learning to think mathematically: Problem solving, metacognition, and
sense-making in mathematics. En D. A. Grouws (Ed.), Handbook of research on mathematics
teaching and learning (pp. 334-370). Macmillan.
Schoenfeld, A. H. (2014). What makes for powerful classrooms, and how can we support teachers in
creating them? Educational Researcher, 43(8), 404-412.
Schoenfeld, A. H., & the Teaching for Robust Understanding Project. (2016). An introduction to the
Teaching for Robust Understanding (TRU) Framework. University of California, Berkeley.
Shepard, L. A. (2000). The role of assessment in a learning culture. Educational Researcher, 29(7), 4-
14. https://doi.org/10.3102/0013189X029007004
Skemp, R. R. (1979). Psicología del aprendizaje de las matemáticas. Morata.
Suurtamm, C., Thompson, D. R., Kim, R. Y., Moreno, L. D., Sayac, N., Schukajlow, S., Silver, E., Ufer,
S., & Vos, P. (2016). Assessment in mathematics education: Large-scale assessment and
classroom assessment. Springer. https://doi.org/10.1007/978-3-319-32394-7
Wiliam, D. (2011). What is assessment for learning? Studies in Educational Evaluation, 37(1), 3-14.
https://doi.org/10.1016/j.stueduc.2011.03.001