Modelado matemático de fenómenos socioeconómicos locales con GeoGebra y datos del INEC
Barra lateral del artículo
Contenido principal del artículo
Resumen
El presente artículo propone una metodología para el modelado matemático de fenómenos socioeconómicos locales, integrando el software de geometría dinámica GeoGebra con bases de datos públicas del Instituto Nacional de Estadística y Censos (INEC) del Ecuador. La investigación se enmarca en un enfoque mixto de alcance descriptivo y correlacional, donde se seleccionaron variables socioeconómicas como tasas de empleo, niveles de pobreza por necesidades básicas insatisfechas, índices de precios al consumidor y dinámicas empresariales a escala cantonal y provincial. A partir de estas variables se construyeron modelos de regresión lineal, polinómica y exponencial utilizando las herramientas de análisis estadístico incorporadas en GeoGebra. Los resultados muestran que GeoGebra permite visualizar de manera dinámica e interactiva las relaciones entre variables socioeconómicas, facilitando la comprensión de tendencias, correlaciones y patrones de comportamiento en datos reales. Los modelos obtenidos presentaron coeficientes de determinación (R²) superiores a 0,85 en la mayoría de los casos analizados, lo que sugiere un ajuste aceptable para fines educativos y de análisis exploratorio. Se concluye que la combinación de datos estadísticos oficiales con herramientas tecnológicas de acceso libre constituye un recurso pedagógico valioso para la enseñanza contextualizada de las matemáticas y para el análisis aplicado de fenómenos socioeconómicos en contextos locales.
Detalles del artículo
Número
Sección
Cómo citar
Referencias
Aboulaich, R., Elmoataz, A., & Medarhri, I. (2025). Mathematical modeling of economic growth, corruption, employment and inflation. Mathematics, 13(7), 1102. https://doi.org/10.3390/math13071102
Alvarez Matute, J. F., García Herrera, D. G., Erazo Álvarez, C. A., & Erazo Álvarez, J. C. (2020). GeoGebra como estrategia de enseñanza de la matemática. Revista Interdisciplinaria de Humanidades, Educación, Ciencia y Tecnología, 3(6), 969–992. https://doi.org/10.35381/cm.v6i3.413
Aymerich, À., & Albarracín, L. (2022). Modelización matemática en actividades estadísticas: Episodios clave para la generación de modelos. Uniciencia, 36(1), 264–285. https://doi.org/10.15359/ru.36-1.17
Barahona Avecilla, F., Barrera Cárdenas, O., Vaca Barahona, B., & Hidalgo Ponce, B. (2015). GeoGebra para la enseñanza de la matemática y su incidencia en el rendimiento académico estudiantil. Revista Tecnológica ESPOL, 28(5), 121–132. https://doi.org/10.37815/rte.v28n5.535
Becker, G. S. (1964). Human capital: A theoretical and empirical analysis, with special reference to education. University of Chicago Press.
Blum, W., Galbraith, P. L., Henn, H. W., & Niss, M. (Eds.). (2007). Modelling and applications in mathematics education: The 14th ICMI Study. Springer. https://doi.org/10.1007/978-0-387-29822-1
Blum, W., & Leiß, D. (2007). How do students and teachers deal with mathematical modelling problems? The example Sugarloaf and the DISUM project. En C. Haines, P. Galbraith, W. Blum, & S. Khan (Eds.), Mathematical modelling: Education, engineering and economics (pp. 222–231). Horwood. https://doi.org/10.1533/9780857099419.5.221
Borromeo Ferri, R. (2018). Learning how to teach mathematical modeling in school and teacher education. Springer. https://doi.org/10.1007/978-3-319-68072-9
CEPAL. (2022). Panorama social de América Latina y el Caribe 2022. Comisión Económica para América Latina y el Caribe. https://doi.org/10.18356/9789210021890
Cóndor, V., & Ñauta, D. (2022). Análisis de la dinámica empresarial en Ecuador: factores determinantes del nacimiento y cierre de empresas. Revista Economía y Política, 36, 45–62. https://doi.org/10.25097/rep.n36.2022.03
De las Fuentes, M., Aguilar, W., Calvo, O., Masís, R., Granados, R., Ovando, M., & Barrientos, N. (2022). Secuencia didáctica apoyada con el software GeoGebra y problemas de optimización para el estudio de conceptos de cálculo diferencial. Innovación Educativa, 22(90), 10–36. https://doi.org/10.35362/rie9015741
Gómez, A. L., Guirette, R., & Morales, F. (2017). Propuesta para el tratamiento de interpretación global de la función cuadrática mediante el uso del software GeoGebra. Educación Matemática, 29(3), 189–224. https://doi.org/10.24844/em2903.07
Granados, C. A., & Padilla, I. A. (2021). El aprendizaje gráfico de la recta tangente a través de la modelación de las secciones cónicas utilizando GeoGebra. Revista Científica, 40(1), 118–132. https://doi.org/10.14483/23448350.16137
Greefrath, G., & Vorhölter, K. (2016). Teaching and learning mathematical modelling: Approaches and developments from German speaking countries. Springer. https://doi.org/10.1007/978-3-319-45004-9_1
Hernández, R., Fernández, C., & Baptista, M. P. (2014). Metodología de la investigación (6a ed.). McGraw Hill Education.
Hohenwarter, M., & Preiner, J. (2007). Dynamic mathematics with GeoGebra. The Journal of Online Mathematics and Its Applications, 7, 1448. https://doi.org/10.1080/14794802.2017.1279075
INEC. (2023). Catálogo central de datos: Archivo Nacional de Datos y Metadatos Estadísticos. Instituto Nacional de Estadística y Censos. https://anda.inec.gob.ec/
Kaiser, G., & Sriraman, B. (2006). A global survey of international perspectives on modelling in mathematics education. ZDM Mathematics Education, 38(3), 302–310. https://doi.org/10.1007/BF02652813
Niss, M., & Blum, W. (2020). The learning and teaching of mathematical modelling. Routledge. https://doi.org/10.4324/9781315189314
Niss, M., Blum, W., & Galbraith, P. L. (2007). Introduction. En W. Blum, P. L. Galbraith, H. W. Henn, & M. Niss (Eds.), Modelling and applications in mathematics education (pp. 3–32). Springer. https://doi.org/10.1007/978-0-387-29822-1_1
Pari Condori, N. (2019). GeoGebra como recurso de aprendizaje de la matemática. Revista de Investigaciones de la Escuela de Posgrado, 8(2), 1050–1060. https://doi.org/10.26788/riepg.2019.2.126
Petrov, A. A. (2003). Models of socioeconomic development. En Systems analysis and modeling of integrated world systems (Vol. II). UNESCO EOLSS Publishers.
Prodromou, T. (2014). GeoGebra in teaching and learning introductory statistics. Electronic Journal of Mathematics and Technology, 8(5), 1–21. https://doi.org/10.1007/978-3-658-37616-7
Psacharopoulos, G., & Patrinos, H. A. (2018). Returns to investment in education: A decennial review of the global literature. Education Economics, 26(5), 445–458. https://doi.org/10.1080/09645292.2018.1484426
Pumacallahui, E., Acuña, C. I., & Calcina, D. A. (2021). Influencia del software GeoGebra en el aprendizaje de la geometría en estudiantes de cuarto grado de secundaria en el distrito de Tambopata. Educación Matemática, 33(2), 245–273. https://doi.org/10.24844/em3302.10
Sadovnichiy, V. A., Akaev, A. A., Zvyagintsev, A. I., & Sarygulov, A. I. (2022). Mathematical modeling of overcoming the COVID-19 pandemic and restoring economic growth. Doklady Mathematics, 106(1), 230–235. https://doi.org/10.1134/S1064562422040160
Sánchez, R. V. (2020). Modelización matemática y GeoGebra en la formación de profesionales de la educación. Revista do Instituto GeoGebra de São Paulo, 9(3), 89–105. https://doi.org/10.23925/2237-9657.2020.v9i3p089-105
Schukajlow, S., Kaiser, G., & Stillman, G. (2021). Mathematical modelling education and sense of agency. En F. K. S. Leung et al. (Eds.), Mathematical modelling education in East and West (pp. 1–16). Springer. https://doi.org/10.1007/978-3-030-66996-6_1
Segovia, J. P., Córdova, F. G., Hernández, A. D., & Calderón, J. (2021). Modelación estadístico matemática para el estudio de la sostenibilidad socioeconómica con medios tecnológicos. Polo del Conocimiento, 6(3), 1603–1616. https://doi.org/10.23857/pc.v6i3.2479
Wild, C. J., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 223–248. https://doi.org/10.1111/j.1751-5823.1999.tb00442.x
Zengin, Y., Furkan, H., & Kutluca, T. (2012). The effect of dynamic mathematics software GeoGebra on student achievement in teaching of trigonometry. Procedia Social and Behavioral Sciences, 31, 183–187. https://doi.org/10.1016/j.sbspro.2011.12.038