Situaciones didácticas interdisciplinares a partir de los juegos tradicionales en contextos rurales interculturales
Bibliographic record
Abstract
En este artículo se presentan resultados del proyecto de investigación liderado por un grupo de cooperación investigativo interdisciplinar de docentes de la Universidad Popular del Cesar, que son tutores del programa Todos a Aprender y que desarrollan actividades de formación docente en instituciones educativas del sector oficial en contextos rurales interculturales, haciendo aportes que derivan en aplicaciones didácticas interdisciplinares, desde las áreas de lenguaje y matemáticas. En este documento se presenta el análisis de una aplicación pedagógica del juego tradicional conocido como Cucurubaca, en educación inicial, en la Institución Educativa San Isidro Labrador del Resguardo Indígena Kankuamo, de Valledupar. Se consideró la modelación matemática como propuesta didáctica para la enseñanza desde lo propuesto por Hift y Quiroz (2017). El trabajo se orientó desde el enfoque cualitativo y método de investigación acción. Se trabajó con un grupo de siete docentes, quienes hicieron parte de una comunidad de aprendizaje docente y se desempeñaban en el nivel de educación inicial. Para la recolección de información se utilizó la entrevista, la observación y grupos focales. Se encontró que la reflexión constante que se generó dentro de las comunidades de aprendizaje docente permitió que los profesores resignificaran sus prácticas, mejorando así los aprendizajes de los estudiantes. Además, se logró despertar en los estudiantes el interés por temas de su contexto y así contribuir al fortalecimientode su identidad cultural. Con la implementación de la modelación matemática se propició una mejor comprensión de los contenidos, al tiempo que se logró motivar a los alumnos a describir, comparar y cuantificar situaciones con números en el contexto de los juegos tradicionales, y con una representación adecuada según su nivel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".