¿Cómo ilustrar con la ayuda del ordenador la construcción de diferentes tipos de modelos para describir datos reales de crecimiento poblacional?
Tipo de documento
Autores
Lista de autores
Ginovart, Marta
Resumen
El objetivo de este trabajo es diseñar e implementar en el aula un conjunto de tareas para, con la ayuda del ordenador, investigar y describir un conjunto de datos reales correspondiente a un crecimiento poblacional. Se ilustra paso a paso la construcción de modelos empíricos y de modelos pseudo-mecanicistas en este contexto. Se presentan diferentes estrategias o métodos para modelizar este conjunto de datos, y se constata cómo estas distintas aproximaciones generan una variedad de respuestas plausibles a la situación que se estudia. Se fomenta la aplicación de conocimientos previos de los estudiantes para la construcción e interpretación de estos modelos, así como se propicia la comprensión y profundización de ideas matemáticas implicadas en sus formulaciones y reparametrizaciones.
Fecha
2015
Tipo de fecha
Estado publicación
Términos clave
Computadores | Contextos o situaciones | Estadística | Métodos estadísticos | Modelización
Enfoque
Idioma
Revisado por pares
Formato del archivo
Título libro actas
17 Jornadas para el Aprendizaje y la Enseñanza de las Matemáticas
Editores (actas)
Lista de editores (actas)
Sánchez, Pedro Ángel
Editorial (actas)
Sociedad de Educación Matemática de la Región de Murcia, SEMRM
Lugar (actas)
Rango páginas (actas)
1-19
ISBN (actas)
Referencias
[1] Bennison, A., Goos, M. (2010): “Learning to Teach Mathematics with Technology: A Survey of Professional Development Needs, Experiences and Impacts”. Mathematics Education Research Journal 22, 31-56. [2] Buchanan, R.L., Whiting, R.C., Damert, W.C. (1997): “When is simple good enough: a comparison of the Gompertz, Baranyi, and three-phase linear models for fitting bacterial growth curves”. Food Microbiology 14, 313-326. [3] Caspersen, M.E.,Nowack, P. (2014): “Model-based thinking and practice: a top-down approach to computational thinking”. In: Koli Calling '14 Proceedings of the 14th Koli Calling International Conference on Computing Education Research. ACM New York, pp.147-15. [4] Clark-Wilson, A., Robutti, O., Sinclair, N. (Eds.) (2014): “The mathematics teacher in the digital era. An international perspective on technology focused professional development”. Springer, Dordrecht. [5] de Vries, G., Hillen, T., Lewis, M., Müller, J.,Schönfisch, B. (2006): “A course in mathematical biology: quantitative modeling with mathematical & computational methods”. Society for Industrial and Applied Mathematics, Philadelphia. [6] Gibson, A.M., Bratchell, N., Roberts, T.A. (1988): “Predicting microbial growth: growth responses of salmonellae in a laboratory medium as affected by pH, sodium chloride and storage temperature”. International Journal of Food Microbiology, 6, 155-178. [7] Ginovart, M. (2014): “Discovering the power of individual-based modelling in teaching and learning: the study of a predator-prey system”. Journal of Science Education and Technology 23, 496-513. [8] Papert, S. (1996): “An exploration in the space of mathematics educations”. International Journal of Computers for Mathematical Learning 1, 95-123. [9] Perez-Rodriguez, F. (2014): “Development and application of predictive microbiology models in food”. In: Granato D. and Ares G. (Editors) Mathematical and statistical methods in food science and technology. IFT Press, Wiley Blackwell. Pp. 321-361. [10] Shiflet, A.B., Shiflet, G.W. (2014):“Introduction to computational science: Modelling and simulation for the science”. Princenton University Press. Princenton. [11] Wing, J.M. (2006): “Computational thinking”. Communications of the ACM 49, 33-35. [12] Zwietering, M.H., Jongenburger, I., Rombouts, F.M., Van'tRiet, K. (1990): “Modeling of the bacterial growth curve”. Applied and Environmental Microbiology, 56, 1875-1881.