Programa Matemática BFGTLU 2024

Universidad Nacional de la Patagonia San Juan Bosco
FACULTAD DE CIENCIAS NATURALES Y CIENCIAS DE LA SALUD
Código:
Programa de la Asignatura: Matemática
Departamento: Química Sede: Comodoro Rivadavia 10085
Profesor Responsable: Dr. Gabriel Soto
Carga Horaria: 150 horas
Total Sem. Teóricos Total Teóricos Sem. Prácticos Total Prácticos Sem. Teórico/Práct. Total Teórico/Práct.
150 2 38 8 112
Clases Teóricas /Teórico-prácticas
Teórico/prácticos
Lunes, Viernes de 8:00 a 10:00 horas
Martes y Jueves de 16:00 a 18:00 horas
Prácticos
Miércoles de 8 a 10 horas
Asignaturas Correlativas: No tiene
Para la/s carrera/s
Código Nombre Geología
I. Objetivos de la Asignatura:
¿Por qué la enseñanza de la matemática en la formación de futuros profesionales de las

ciencias naturales?
En el contexto científico-tecnológico de los últimos cincuenta años, el rol de la matemática en

nuestro entendimiento sobre los fenómenos biológicos ha sido fundamental:
● el modelo neuronal de Hogdkin-Huxley ha permitido avanzar en nuestro conocimiento sobre
el comportamiento de las células neuronales a nivel individual y colectivo (Hodgkin y Huxley,
1952, Ermentrout y Terman, 2010);
● la teoría de Turing, ( https://youtu.be/alH3yc6tX98) para modelos de reacción y difusión y la
formación de patrones (Turing, 1952, Murray, 2007);
● el modelo de Belusov-Zabotinksi (https://www.youtube.com/watch?v=PnOy1fSxBdI) como
ejemplo de fenómenos periódicos temporales y espaciales en reacciones químicas (Murray,
2007);
● los modelos poblaciones del tipo Lotka-Volterra (Brauer y Castillo-Chavez, 2000);
● los modelos epidemiológicos compartimentalizados del tipo SIR (Kermack y McKendrik,
1927, Bailey, 1954) (https://youtu.be/eHlu6Vi_wxo).
Esta lista de ejemplos, lejos de ser exhaustiva es una muestra de cómo la matemática ha favorecido
al avance de nuestro conocimiento de diversos fenómenos biológicos, particularmente en el campo
de las ciencias naturales. Mientras la ciencia avanza, la frontera entre las ciencias básicas como la
matemática y las ciencias aplicadas, como las ingenierías y las ciencias naturales es cada vez
Año de Vigencia 2024 Nro. De Orden : Página 1

Código:
menos clara. De esta manera, los conceptos e ideas fundamentales del cálculo diferencial e integral
y el análisis de datos se han convertido en fundamentales a la hora de utilizar la matemática como
herramienta formadora de profesionales en las ciencias naturales.
Uno de los Objetivos de Desarrollo Sostenible propone garantizar una educación inclusiva y
equitativa de calidad y promover oportunidades de aprendizaje permanente para todos. Esta idea de
aprendizaje permanente se basa no sólo en el manejo de saberes disciplinares (conocidos como
competencias duras) sino también en las llamadas competencias blandas. Estas habilidades
permiten a las personas relacionarse en diversos ámbitos, de manera efectiva y afectiva como
resultado de una combinación de habilidades sociales, de comunicación, de formar el ser, de
acercamiento a los demás, entre otras.
Así, son objetivos de la asignatura:
● Objetivo 1: precisar los conceptos básicos del cálculo diferencial e integral elemental para
aplicarlos a la resolución de problemas específicos de las áreas de conocimiento en las
ciencias naturales
● Objetivo 2: potenciar las habilidades del pensamiento crítico, resolución de problemas,

comunicación y trabajo colaborativo
Bibliografía
Bailey, N. (1957) The mathematical theory of epidemics. Charles Griffin & Company, Londres.
ISBN-10:‎0852641133, ISBN-13: 978-0852641132
F. Brauer and C. Castillo-Chavez, Mathematical Models in Population Biology and Epidemiology,

Springer-Verlag, Heidelberg, 2000.
Ermentrout, B., Terman, D. Mathematical foundations of neuroscience. Interdisciplinary Applied

Mathematics, Springer, New York. ISBN: 978-0-387-87708-2.
Hodgkin, A.L., Huxley, A.F. (1952) A quantitative description of membrane current and its application
to conduction and excitation in nerve. J. Physiol. 1952, 117(4), 500–544.
Kermack, W., McKendrick, A. (1927) A contribution to the mathematical theory of epidemics. Proc.
Royal Society A, 115(227), 700-721.
Murray, J. (2007) Mathematical biology: I. An introduction. Springer, New York. ISBN 10:
0387952233, ISBN 13: 9780387952239.

Código:
Naciones Unidas (2018), La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad
para América Latina y el Caribe (LC/G.2681-P/Rev.3), Santiago.
6 habilidades blandas que los estudiantes necesitan y cómo enseñarlas.

https://www.realinfluencers.es/2020/09/01/6-habilidades-blandas-que-los-estudiantes-necesitan-y-co
mo-ensenarlas/
Turing, A. (1952) The chemical basis of Morphogenesis. Philosophical Transactions of the Royal
Society of London. Series B, Biological Sciences, 237(641), 37-72.
II. Contenidos Mínimos:
Funciones lineales, cuadráticas, polinómicas, exponenciales y trigonométricas. Vectores en

el plano y en el espacio. Límites, derivadas y diferenciales. Integrales indefinidas y
definidas. Derivadas parciales. Integrales curvilíneas y múltiples. Ecuaciones diferenciales
ordinarias. Aplicaciones
III. Programa Analítico:
En vista de los contenidos mínimos de la asignatura, el desarrollo de los mismos consta de 3 (tres)
ejes:
Eje temático 1: Representación de números reales. Funciones de una variable real. Representación
gráfica. Dominio e imagen. Composición de funciones. Función inversa: funciones exponencial y
logarítmica.
Eje temático 2: Cálculo diferencial e integral de una variable real. Derivadas de funciones de una
variable real. Reglas de derivación. Regla de la Cadena. Optimización y forma de curvas. Integrales
de funciones de una variable real. Cálculo de área. Cálculo de primitivas y ecuaciones diferenciales
ordinarias.
Eje Temático 3: Cálculo diferencial e integral de funciones de varias variables reales. Derivadas
parciales. Extremos de funciones de varias variables a valores reales. Integrales múltiples. Cálculo
de volúmenes. Integrales de línea.
IV. Descripción de actividades
Semana Descripción

Código:
1 a la 5 Eje Temático 1
6 a la 9 Eje temático 2
10 EVAP 1
11 a la 14 Eje temático 3
15 EVAP 2
V. Bibliografía:
Título: Cálculo. Conceptos y contextos. Tercera

Año: 1999
edición
Editorial: Thomson
Autor: James Stewart
Complementaria para
Básica para: Eje temático 1, 2 y 3
Título: Cálculo de una variable. Trascendentes

Año: 2008
tempranas
Editorial: Cengage Learning
Autor: J. Stewart
Complementaria para: Eje temático 1, 2 y 3
Básica para:
VI. Metodología de Enseñanza:

Código:
Según lo establece el primer párrafo del artículo 3.2.1 del Título I de la Res 2641/2017 del Ministerio
de Educación, las carreras presenciales son aquellas en las que
las actividades académicas previstas en el plan de estudios – materias,

asignaturas, cursos, módulos, seminarios, talleres u otros espacios académicos-
se desarrollan en un mismo espacio/tiempo, pudiendo incorporar el uso de
tecnologías de la información y comunicación como apoyo y/o complemento a las
actividades presenciales sin que ello implique un cambio de modalidad de la
carrera (pág. 2).
La excepcionalidad a la que nos enfrentó la pandemia provocada por el virus SARS-cov-2, y la

necesidad no sólo de garantizar el ingreso, sino también la permanencia y el egreso a los estudios
superiores, nos ha obligado a reflexionar, particularmente sobre las nociones de espacio y tiempo a
la que se refiere la Res 2641/17, y que han sido alterados drásticamente por la pandemia (Maggio,
2022). En este sentido, el documento de CONEAU de diciembre del 2021 afirma que
resulta relevante reflexionar sobre las disposiciones de una experiencia remota,

mediatizada o a distancia que la aproximarían a las de una experiencia
tradicional, sobre todo, para aquellos cuyo vínculo social e institucional se
construye principalmente en torno al espacio-aula. Si bien las experiencias no son
intercambiables, después de las prácticas de emergencia experimentadas en los
últimos tiempos, una amplia mayoría ha naturalizado el tránsito de una a otra. En
todos los casos, es evidente la apreciación positiva que han tenido, sin dejar de
reconocer que toda analogía es parcial y provisional en la medida que no se
cuenta con suficientes resultados comparables (pág. 1).
Desde la cátedra Matemática, siguiendo los lineamientos del Documento de CONEAU, se ha

establecido una estrategia híbrida optativa, en la cual
las clases se realizan en el espacio-aula en la sede institucional, pudiendo uno

o más de los actores sociales participar de modo presencial u, optativamente,
en modo remoto a través de un espacio-aula de videocomunicación bajo
protocolos y disposiciones específicas que aseguran las interacciones
sincrónicas entre todos los participantes, independientemente de su localización
y de una forma análoga a como se producen presencialmente. En cualquier
instancia los actores sociales pueden optar por una presencialidad u otra (pág.
4).
El Sistema de Educación a Distancia (SIED) en la Universidad Nacional de la Patagonia San Juan

Bosco (Ord CS 174) establece los protocolos y disposiciones específicas que garantizan el acceso a
la estrategia híbrida adoptada por esta cátedra.

Código:
El paradigma blended learning (b-learning, Borba et al, 2015, Nuñez Barriopedro et al, 2019) ofrece
un marco referencial para desarrollar la estrategia híbrida optativa que hemos planteado para el
presente ciclo lectivo. Este paradigma se nutre de herramientas desarrolladas para la presencialidad
física y la remota. El entorno b-learning diseñado para la cátedra consiste de
● Entornos Virtuales de Aprendizaje . El artículo 19 de la Ord CS 174 establece que las

actividades del SIED se llevarán a cabo a través del Campus Virtual de la UNPSJB
(https://campusvirtual.unp.edu.ar/). Además, establece que los espacios de enseñanza y
aprendizaje virtuales se harán a través de la plataforma Moodle. En este sentido, la cátedra
tiene un aula en el campus virtual desde el año 2010, en donde se proponen diferentes
actividades que promueven, entre otras, el desarrollo de competencias asociadas a la
alfabetización digital y uso ético de la información. Las actividades que se desarrollan en este
espacio áulico virtual son complementarias a las que se desarrollan en el espacio áulico
presencial.
● Encuentros sincrónicos híbridos. Durante estos encuentros se desarrollarán las clases
prácticas y teórico-prácticas durante las cuales los estudiantes podrán asistir a las mismas
en formato presencial o virtual, según opten quienes cursen la asignatura. De esta manera
ofrecemos entornos que promueven la inclusión y participación de todas y todos los
estudiantes.
● Aula invertida (Kahn, 2010). Este modelo pedagógico transfiere parte del aprendizaje fuera
del aula (tales como conceptos, definiciones, resultados teóricos). Esto brinda oportunidades
de desarrollo de habilidades de autogestión de los aprendizajes por parte del estudiantado
(Maggio, 2018). El acceso asincrónico y la accesibilidad a estos saberes quedan
garantizados a través de diferentes recursos digitales, desarrollados por el equipo de
cátedra y por otros colegas y/o instituciones educativas, tales como
○ Gabriel Rubén Soto - YouTube
○ Matemática UNPSJB - YouTube
○ Matemática BFGTLU
Además, la cátedra utiliza otros recursos digitales tales como
○ Academia Kahn (Khan Academy)
○ Geogebra (GeoGebra)
○ Symbolab (Symbolab)
○ Mathway (Mathway)
○ Photomath (Photomath)
○ Documentos colaborativos de Google
proponiendo oportunidades para consolidar habilidades y competencias que aseguren la
alfabetización digital de nuestros estudiantes. El trabajo sincrónico se utiliza para el
desarrollo de actividades que permitan
○ establecer relaciones entre los saberes previos y los nuevos (lo que se denomina
aprendizaje significativo (Ausubel, 2002));

Código:
○ desarrollar estrategias inherentes a la resolución de problemas tales como explicar,

definir, describir, justificar, argumentar comparar, buscar pruebas, contraejemplos (lo
que se conoce como aprendizaje profundo (Perkins, 2010)).
En otras palabras, en el paradigma de aula invertida se aprende haciendo (Robinson, 2010).
Parafraseando a Confucio “leo y me olvido, escucho y me acuerdo, hago y entiendo”.
● Aprendizaje Basado en Proyectos (Díaz et al, 2020, Soto, 2021). El aprendizaje basado en
proyectos (ABP) es una metodología que promueve un aprendizaje abierto, reflexivo y crítico
en el cual los estudiantes buscan, clasifican y usan la información asociada al problema, para
estructurarlo y así poder construir una posible solución (Morales Bueno, 2018). Esta
metodología surge en la escuela de Medicina de la McMaster University en la década del
sesenta del siglo pasado, apoyada en la premisa que la adquisición de conocimientos como
el desarrollo de habilidades y actitudes resultan igualmente importantes. En el ABP, el
conocimiento debe considerarse necesariamente de manera holística por la naturaleza
abierta, compleja y cambiante del problema a resolver. Esta metodología tiene a la
modelización matemática como estrategia de aprendizaje natural (Bassanezi, 2002, Blum,
2015).
● Modelización matemática (MM). La MM como estrategia de enseñanza y aprendizaje en el
contexto de la educación ScienceTechnologyEngineeringMathematics no es nueva (Maass et
al, 2019a), ha resultado adecuada por sus valores formativos, y de promoción
autogestionada de la matemática (Blum y Niss, 1991), la promoción de la alfabetización
matemática (Maass et al, 2019b) y la promoción de competencias cívicas (Borromeo, 2018).
La modelización matemática surge como contraparte de lo que comúnmente se conoce
como aplicaciones de la matemática. En la primera, la necesidad de resolver un problema
real condiciona la búsqueda y uso de la matemática para encontrar alguna solución, mientras
que en la segunda se buscan situaciones reales en las cuales se pueda aplicar un concepto
matemático dado (Stillman, 2015).
Blum (2015) describe a la modelización matemática mediante un proceso dinámico en el cual
se pone de relieve la idea de un modelo matemático cuya finalidad es establecer una posible
relación entre el resto del mundo y el mundo matemático. De esta manera se define la
modelización matemática como “una terna compuesta por el mundo real, el mundo
matemático y una relación (modelo) que sirve para describir, explicar y predecir el mundo
real” (Blum, 2015, p. 77). Esta correspondencia dinámica entre el mundo real y el abstracto
pone de manifiesto el carácter utilitario de la matemática como afirma Basanezzi (2002) al
respecto:
El objetivo fundamental del “uso” de la matemática es de hecho extraer la

parte esencial de la situación-problema y la formalización en un contexto
abstracto donde el pensamiento pueda ser absorbido con una
extraordinaria economía de lenguaje. De esta forma, la matemática puede

Código:
ser vista como un instrumento intelectual capaz de sintetizar las ideas

concebidas en situaciones que están casi siempre camufladas en un
enmarañado de variables de menor importancia. (p. 18)
Una característica importante del proceso de modelización es que comienza en el mundo

real, y preguntas tales como cuál es el problema/qué preguntas queremos responder nos
permiten preguntar qué matemática/conceptos matemáticos me pueden ayudar a resolver
este problema, y así dotar de direccionalidad al proceso. Si bien la resolución de problemas
tiene un papel importante en la modelización matemática, la estructura de los mismos debe
ser determinada por los modeladores (Stillman, 2015) y esa es una diferencia fundamental
con respecto a la resolución de problemas como estrategia de enseñanza (Rodriguez, 2020).
Esta necesidad de estructurar un problema para poder buscar posibles soluciones pone a los
modeladores en un rol activo en el proceso de modelización, apropiándose del problema real
y del matemático, y vivenciando la matemática como un verbo y no como un sustantivo; esto
es la matemática, no es una actividad que se mira desde la tribuna. La caracterización del
ciclo de modelización utilizado en nuestra cátedra, se muestra en la Figura 1: problema real,
problema simplificado, matematización del problema, resolución, y validación de la
respuesta. A partir del problema real, se identifican variables y parámetros de interés que
definen el problema simplificado. El uso de herramientas digitales de cálculo tales como
GeoGebra promueven la matematización del problema y su correspondiente resolución
[16][12]. Si la respuesta es validada por el modelador el ciclo concluye, de lo contrario se
vuelve a transitar el ciclo de modelización (Borromeo, 2018). Estas etapas que conforman el
proceso de modelización no necesariamente ocurren de manera secuencial y la elección por
parte del modelador de la secuenciación de etapas lejos está de ser lineal (Borromeo, 2018).
Referencias
Alfabetismo digital. https://es.wikipedia.org/wiki/Alfabetismo_digital
Ausubel. D. (2002). Adquisición y retención del conocimiento. Una perspectiva cognitiva. 2ª edición,
Barcelona: Paidós Ibérica.
Bassanezi, R. (2002). Ensino-aprendizagem com Modelagem Matemática. Obtenido en Setiembre

2020 desde www.researchgate.net/publication/256007243
Blum,W. (2015) Quality Teaching of Mathematical Modelling: What Do We Know, What Can We Do?
En S.J. Cho (ed.), The Proceedings of the 12th International Congress on Mathematical
Education, DOI 10.1007/978-3-319-12688-3_9

Código:
Blum, W., Niss, M. (1991) Applied mathematical problem solving, modeling, applications and links to
other subjects. State, trends and issues in Mathematics Education. Educational studies in
mathematics, 22, 37-68.
Borba, M., Askar, P., Engelbrecht, J., Gadanis, G., Llinares, S., Sánchez Aguilar, M. (2016) Blended
learning, e-learning and mobile learning in mathematics education. ZDM, 48, 589-610.
Borromeo, R. (2018) Learning how to teach mathematical modeling in school and teacher education.
Springer International Publishing, Suiza: Cham.
Díaz, A., González, M., Negrette, C. y Soto, G. (2020). Una experiencia de modelización en una
clase de matemática para las ciencias naturales. Revista de Educación Matemática, 35(1),
41-53.
Documento CONEAU Consideraciones Sobre Las Estrategias De Hibridación En El Marco De La

Evaluación Y La Acreditación Universitaria Frente Al Inicio Del Ciclo Lectivo 2022. Diciembre
2021.
https://www.coneau.gob.ar/coneau/wp-content/uploads/2021/12/IF-2021-123533751-APN-CON
EAUME.pdf
Kahn, S. (2010) How can videos “flip the classroom”? https://youtu.be/nTFEUsudhfs
Maass, K., Doorman, M., Jonker, V., Wijers, M. (2019a) Promoting active citizenship in mathematics
teaching. ZDM, 51(6), p. 991-1003. https://doi.org/10.1007/s11858-019-01048-6
Maass, K., Geiger, V., Romero Ariza, M., Goos, M. (2019b) The Role of Mathematics in
interdisciplinary STEM education ZDM, 51, 869–884.
Maggio, M. (2018). Habilidades del siglo XXI: cuando el futuro es hoy: documento básico, XIII Foro
Latinoamericano de Educación. Santillana.
Maggio, M. (2022) Híbrida. Enseñar en la universidad que no vimos venir. Editorial Tilde. e-book
Morales Bueno, P. (2018) Aprendizaje basado en problemas (ABP) y habilidades de pensamiento

crítico ¿una relación vinculante? Revista Electrónica Interuniversitaria de Formación del
Profesorado, 21(2), 91-108.
Negrette, C. & Soto, G. (2021). Modelización matemática en una clase de matemática para no
matemáticos. XLIV Reunión de Educación Matemática, virtUMA 2021. https://youtu.be/3v8U88_IxDU

Código:
Núñez-Barriopedro E., Monclúz I. M., & Ravina-Ripoll R. (2019). El impacto de la utilización de la

modalidad B-Learning en la educación superior. Alteridad, 14(1), 26-39. https://
doi.org/10.17163.alt.v14n1.2019.02.
Perkins, D. (2010) Making Learning Whole: How Seven Principles of Teaching Can Transform
Education. Jossey-Bass. ISBN-10: 0470633719, ISBN-13: 978-0470633717.
Resolución 2641-E/2017 Ministerio de Educación y Deportes.

https://www.coneau.gob.ar/archivos/form09posg/ResMED2641_17.pdf
Robinson, K. (2010) Changing education paradigms.

https://www.ted.com/talks/sir_ken_robinson_changing_education_paradigms
Rodriguez, M. (2020) Resolución de Problemas. https://youtu.be/8IZoqQGII2w
Stillman, G. (2015) Application and modeling research in secondary classrooms: what have we
learnt? En S. Chu (Ed.) Selected Regular Lectures from the 12th International Congress on
Mathematical Education, p. 791-806. Springer International Publishing.
Soto, G. (2020) Experiencias de modelización matemática en clases de matemática para no

matemáticos. Seminario de Educación Matemática, Centro de Modelamiento Matemático,
Universidad de Chile. https://youtu.be/2idhaMoOCmI
Soto, G. & González, M. (2021). Modelización matemática en una clase de matemática para no
matemáticos. El caso del tanque de agua. XLIV Reunión de Educación Matemática,
https://youtu.be/3mo2i3zRjOk
Soto, G. (2021) Aciertos y desafíos de la modelización matemática como estrategia de enseñanza

de la matemática para no matemáticos [Grupo de Trabajo y
Discusión]. La modelización matemática y la resolución de problemas en diálogo, Luján,
Argentina. https://youtu.be/1PX1WC3WjQI?t=8458
Uso ético de la información. https://en.wikipedia.org/wiki/Information_ethics
VII. Condiciones para la aprobación del cursado de la asignatura
Para acreditar la cursada de la asignatura, los estudiantes deberán cumplir con cada uno de los
siguientes requisitos, de acuerdo con el Título IX del Reglamento Académico de la Facultad de
Ciencias Naturales y Ciencias de la Salud (Disposición FCNyCS 21).

Código:
● Aprobar el 75% de los trabajos prácticos de la asignatura. La cantidad de trabajos prácticos

por etapa se distribuye de la siguiente manera:
◦ Aprobar 3 (TRES) de 4 (CUATRO) Trabajos Prácticos Individuales (TPI). Estos trabajos

prácticos evalúan el desarrollo de habilidades de pensamiento crítico y resolución de
problemas, basados en los contenidos del Eje temático 1. Para aprobar el trabajo
práctico se deberá responder correctamente todas las preguntas, teniendo tantas
oportunidades como sean necesarias durante un lapso de 24 horas. Estos trabajos
prácticos evalúan el alcance de los Objetivos 1 y 2 de la asignatura.
◦ Aprobar 2 (DOS) Trabajos Prácticos Grupales (TPG1 y TPG2). Estos trabajos prácticos
consisten en desarrollar 2 (DOS) proyectos en grupos, conformados aleatoriamente de
entre 7 y 10 participantes. Cada grupo tendrá asignado un tutor que guiará y moderará el
trabajo del grupo. Cada trabajo práctico grupal tendrá una duración de 4 (Cuatro)
semanas, teniendo un encuentro sincrónico semanal remoto denominado Tutoría (ver
cronograma) para discutir sólo los avances de cada proyecto de acuerdo a la
correspondiente Lista de Verificación. Para aprobar cada uno de estos trabajos prácticos,
cada grupo deberá presentar, a través del aula virtual de la asignatura, un informe grupal
audiovisual. Cada trabajo práctico grupal tendrá una asignación de puntaje según la
rúbrica de corrección de video que se adjunta. Estos prácticos grupales evalúan el
alcance del Objetivo 2 de la asignatura. La asistencia a las Tutorías es obligatoria.
● Asistir al 85% (ochenta y cinco) de los trabajos prácticos. Dada la estrategia híbrida que
ofrece la asignatura, la asistencia se contará si el estudiante participa sincrónicamente de
manera virtual o presencial. En caso de incurrir en una inasistencia justificada, se deberá
informar dentro de las 72 (SETENTA y DOS) horas posteriores las razones que justifiquen
dicha inasistencia.
● Aprobar 2 (DOS) Evidencias de Aprendizaje Individuales (EVAPs) en alguna de sus 2 (DOS)

instancias (usualmente referidas a parcial y recuperatorio), cuyos contenidos se detallan a
continuación
◦ Primera EVAP (EVAP1): contenidos del eje temático 1 y parte del eje temático 2:
derivadas e integrales de funciones de una variable.
◦ Segunda EVAP (EVAP2): resto de contenidos del eje temático 2 y el eje temático 3
Cada una de estas EVAPS se rendirá en formato presencial o en formato remoto, según la
decisión que cada estudiante considere apropiada. Estas decisiones se harán visibles mediante
una encuesta nominal a completar en el aula virtual unos días antes de cada instancia, las
cuales tendrán lugar según cronograma adjunto. Quienes no completen dicha encuesta deberán

Código:
rendir de manera presencial. Las EVAP1 y EVAP2 tienen un puntaje máximo de 25

(VEINTICINCO) puntos. La misma se considerará aprobada según el formato de la misma;
● Formato presencial: obtener al menos 20 (VEINTE) puntos, en un único intento, en
alguna de las dos instancias.
● Formato Virtual: obtener 25 puntos, en alguna de las dos instancias, en tantos
intentos como sean necesarios.
Estos instrumentos de evaluación permiten evaluar si se han alcanzado los Objetivos 1 y 2
propuestos por la asignatura.
Quienes hayan aprobado sólo una de las EVAPS en alguna de sus dos instancias, podrán
acceder a una tercera instancia (Recuperatorio final según lo establece el Reglamento
Académico de la Facultad de Ciencias Naturales y Ciencias de la Salud).
VIII. Condiciones para la aprobación de la asignatura
Los alumnos que hayan acreditado la cursada de la asignatura podrán acreditar la asignatura
mediante
● un examen final
● el régimen de promoción directa
según lo establecido en el Reglamento Académico de la Facultad de Ciencias Naturales y Ciencias

de la Salud.
Para acceder a la promoción directa de la asignatura, se deberá
● acreditar la cursada de la asignatura

● obtener al menos 70 (SETENTA) puntos mediante la siguiente fórmula:
(50+FA1xTPG1+FA2xTPG2)/2+BONUS
donde
● FA1 y FA2 corresponden a los factores de ajuste obtenidos de las evaluaciones de pares
correspondientes a los dos trabajos prácticos grupales
● TPG1 y TPG2 refieren a los puntajes obtenidos en cada uno de los trabajos prácticos
grupales.
● BONUS corresponde a puntajes obtenidos a partir de participación en los foros, desafíos
grupales e individuales y una evaluación individual de saberes teorico prácticos denominada
EVAPO.
Quienes no hayan acreditado la cursada de la asignatura podrán rendir en calidad de alumnos libres
(condición establecida en el Reglamento Académico de la Facultad de Ciencias Naturales y Ciencias

Código:
de la Salud), siendo requisito indispensable notificar al responsable de cátedra, por correo

electrónico, al menos 15 (QUINCE) días hábiles antes de la fecha del examen.
Vigencia de este programa
Visado
Coordinador: Comisión
Decano Sec. Académico Facultad Jefe de Departamento
Curricular de la carrera
Fecha Fecha Fecha Fecha

Programa Matemática BFGTLU 2024

Cargado por

Copyright:

Formatos disponibles

Programa Matemática BFGTLU 2024

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Programa Matemática BFGTLU 2024

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional de la Patagonia San Juan Bosco

FACULTAD DE CIENCIAS NATURALES Y CIENCIAS DE LA SALUD

Departamento: Química Sede: Comodoro Rivadavia 10085

Profesor Responsable: Dr. Gabriel Soto

Carga Horaria: 150 horas

¿Por qué la enseñanza de la matemática en la formación de futuros profesionales de las

En el contexto científico-tecnológico de los últimos cincuenta años, el rol de la matemática en

Año de Vigencia 2024 Nro. De Orden : Página 1

Departamento: Química Sede: Comodoro Rivadavia 10085

Así, son objetivos de la asignatura:

● Objetivo 2: potenciar las habilidades del pensamiento crítico, resolución de problemas,

F. Brauer and C. Castillo-Chavez, Mathematical Models in Population Biology and Epidemiology,

Ermentrout, B., Terman, D. Mathematical foundations of neuroscience. Interdisciplinary Applied

Año de Vigencia 2024 Nro. De Orden : Página 2

Departamento: Química Sede: Comodoro Rivadavia 10085

6 habilidades blandas que los estudiantes necesitan y cómo enseñarlas.

II. Contenidos Mínimos:

Funciones lineales, cuadráticas, polinómicas, exponenciales y trigonométricas. Vectores en

III. Programa Analítico:

IV. Descripción de actividades

Año de Vigencia 2024 Nro. De Orden : Página 3

Departamento: Química Sede: Comodoro Rivadavia 10085

Título: Cálculo. Conceptos y contextos. Tercera

Título: Cálculo de una variable. Trascendentes

VI. Metodología de Enseñanza:

Año de Vigencia 2024 Nro. De Orden : Página 4

Departamento: Química Sede: Comodoro Rivadavia 10085

las actividades académicas previstas en el plan de estudios – materias,

La excepcionalidad a la que nos enfrentó la pandemia provocada por el virus SARS-cov-2, y la

resulta relevante reflexionar sobre las disposiciones de una experiencia remota,

Desde la cátedra Matemática, siguiendo los lineamientos del Documento de CONEAU, se ha

las clases se realizan en el espacio-aula en la sede institucional, pudiendo uno

El Sistema de Educación a Distancia (SIED) en la Universidad Nacional de la Patagonia San Juan

Año de Vigencia 2024 Nro. De Orden : Página 5

Departamento: Química Sede: Comodoro Rivadavia 10085

● Entornos Virtuales de Aprendizaje . El artículo 19 de la Ord CS 174 establece que las

Año de Vigencia 2024 Nro. De Orden : Página 6

Departamento: Química Sede: Comodoro Rivadavia 10085

○ desarrollar estrategias inherentes a la resolución de problemas tales como explicar,

El objetivo fundamental del “uso” de la matemática es de hecho extraer la

Año de Vigencia 2024 Nro. De Orden : Página 7

Departamento: Química Sede: Comodoro Rivadavia 10085

ser vista como un instrumento intelectual capaz de sintetizar las ideas

Una característica importante del proceso de modelización es que comienza en el mundo

Alfabetismo digital. https://es.wikipedia.org/wiki/Alfabetismo_digital

Bassanezi, R. (2002). Ensino-aprendizagem com Modelagem Matemática. Obtenido en Setiembre

Año de Vigencia 2024 Nro. De Orden : Página 8

Departamento: Química Sede: Comodoro Rivadavia 10085

Documento CONEAU Consideraciones Sobre Las Estrategias De Hibridación En El Marco De La

Kahn, S. (2010) How can videos “flip the classroom”? https://youtu.be/nTFEUsudhfs

Morales Bueno, P. (2018) Aprendizaje basado en problemas (ABP) y habilidades de pensamiento

Año de Vigencia 2024 Nro. De Orden : Página 9

Departamento: Química Sede: Comodoro Rivadavia 10085

Núñez-Barriopedro E., Monclúz I. M., & Ravina-Ripoll R. (2019). El impacto de la utilización de la

Resolución 2641-E/2017 Ministerio de Educación y Deportes.

Robinson, K. (2010) Changing education paradigms.

Rodriguez, M. (2020) Resolución de Problemas. https://youtu.be/8IZoqQGII2w

Soto, G. (2020) Experiencias de modelización matemática en clases de matemática para no

Soto, G. (2021) Aciertos y desafíos de la modelización matemática como estrategia de enseñanza