2B056 Caracterizando modelos explicativos en ciencias

  • Patricia Moreira Pontificia Universidad Católica de Chile
  • Ainoa Marzábal Pontificia Universidad Católica de Chile
  • Vicente Talanquer University of Arizona
Publicado
2018-11-15

Para que un docente direccione adecuadamente los modelos de sus estudiantes hacia el modelo científico escolar, requiere de herramientas que le permitan reconocer características de los modelos expresados. El objetivo de nuestro trabajo es caracterizar los modelos causales expresados por estudiantes de secundaria en un tópico específico de la enseñanza y aprendizaje de la química. Para ello proponemos una estrategia de análisis que permita la identificación de los componentes del modelo y sus relaciones. La caracterización permitirá establecer niveles de sofisticación de los modelos expresados. Proporcionando una herramienta a los docentes para orientar sus estrategias de enseñanza hacia la construcción del modelo científico escolar.

Palabras clave: modelos explicativos, causalidad, razonamiento (es)
La descarga de datos todavía no está disponible.
Moreira, P., Marzábal, A., & Talanquer, V. (2018). 2B056 Caracterizando modelos explicativos en ciencias. Tecné Episteme Y Didaxis: TED, (Extraordin). Recuperado a partir de https://revistas.pedagogica.edu.co/index.php/TED/article/view/8942
Bybee, R., McCrae, B., & Laurie, R. (2009). PISA 2006: An assessment of scientific literacy. Journal of Research in Science Teaching, 46(8), 865–883. https://doi.org/10.1002/tea.20333
Çokadar, H. (2009). First Year Prospective Teachers ’ Perceptions of Molecular Polarity and Properties of Solutions. Asian Journal of Chemistry, 21(1), 75–85.
Gilbert, J. K., & Justi, R. (2016). Modelling-based Teaching in Science Education (Vol. 9). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-29039-3
Grotzer, T. (2012). Learning Causality in a Complex World: Understandings of Consequence. R&L Education.
Grotzer, T. a, & Perkins, D. N. (2000). A Taxonomy of Causal Models : The Conceptual Leaps Between Models and Students ’ Reflections on Them. Education.
Hernandez, R., Fernandez, C., & Baptista, M. del P. (2010). Metodología de la investigación. Metodología de la investigación. https://doi.org/- ISBN 978-92-75-32913-9
Jorba, J. (2000). La comunicación y las habilidades cognitivo linguísticas. In Jaume Jorba, Isabel Gómez, & Ángels Prat (Eds.), Hablar Y Escribir Para Aprender: Uso De La Lengua En Situacion De Enseñanza-Aprendizaje Desde Las Areas Curriculares (p. 37). Madrid.
Magnusson, S., Krajcik, J., & Borko, H. (n.d.). 4. Nature, sources and development of Pedagogical Content Knowlegde for science teaching. Retrieved from https://create4stem.msu.edu/sites/default/files/discussions/attachments/Magnusson_et_al._-_1999_-_Nature,_Sources,_and_Development_of_Pedagogical_Co.pdf
Miles, M., & Huberman, M. (1994). Qualitative Data Analysis: An Expanded Sourcebook. Qualitative Data Analysis.
Russ, R. S., Scherr, R. E., Hammer, D., & Mikeska, J. (2008). Recognizing mechanistic reasoning in student scientific inquiry: A framework for discourse analysis developed from philosophy of science. Science Education, 92(3), 499–525. https://doi.org/10.1002/sce.20264
Shulman, L. S. (1987). Shulman.1987.Knowledge and teaching.pdf. Harvard Educational Review.
Talanquer, V. (2003). Formación docente : ¿Qué conocimiento distingue a los buenos maestros de química? Educación Química, 15(1), 60–66.
Talanquer, V. (2010). Exploring dominant types of explanations built by general chemistry students. International Journal of Science Education, 32(18), 2393–2412. https://doi.org/10.1080/09500690903369662