Sobre un recorrido de estudio e investigación del álgebra lineal necesaria para reducir la dimensionalidad con Machine Learning
Contenido principal del artículo
Resumen
Se propone un Recorrido de Estudio e Investigación (REI) que surge al considerar ciertos temas del Álgebra Lineal (AL) que usualmente no forman parte de este curso a un nivel universitario. La experiencia se lleva a cabo al considerar el problema de la reducción de la dimensión en problemas con grandes cantidades de datos. En particular, se estudia el problema que surge cuando se quiere representar una imagen dada reduciendo la cantidad de datos de la imagen original, el cual se aborda considerando procedimientos de Machine Learning (ML). Bajo un análisis orientado por el paradigma del cuestionamiento del mundo, se describe un REI con elementos del esquema herbartiano y algunas dialécticas que permiten presentar una descripción de este complejo problema didáctico en el que interactúan AL, ML y programación. Este enfoque tiene la relevancia de aportar al proceso didáctico novedosos recursos retóricos, simbólicos y conceptuales que, aparte de ser herramientas de descripción y análisis, podrían servir como instrumentos epistémicos en procedimientos de indagación.
DESCARGAS
Descargas
Métricas
Detalles del artículo
Referencias
Aggarwal, C. C., Aggarwal, L. F., & Lagerstrom-Fife. (2020). Linear algebra and optimization for machine learning (Vol. 156). Cham: Springer International Publishing.
Álvarez-Macea, F., & Costa, V. A. (2019). Enseñanza del Algebra Lineal en carreras de ingeniería: un análisis del proceso de la modelización matemática en el marco de la Teoría Antropológica de lo Didáctico. Eco Matemático, 10(2), 65-78.
Bai, H., (2022). The Epistemology of Machine Learning. FILOSOFIJA. SOCIOLOGIJA, 33(1), 40–48
Bosch, M. (2018). Study and Research Paths: a model for inquiry. In B. Sirakov, P. N. De Souza &M. Viana (Eds.), International Congress of Mathematicians, 3, 4001-4022. Rio de Janeiro: World Scientific Publishing Co.
Bosch, M., Chevallard, Y., García, F. J., & Monaghan, J. (2020). Working with the Anthropological Theory of the Didactic in Mathematics Education: A Comprehensive Casebook. London: Routledge. http://doi.org/10.4324/9780429198168-6
Bosch, M., & Winsløw, C. (2015). Linking problem solving and learning contents: the challenge of self-sustained study and research processes. Recherches en didactique des Mathématiques, 35(2), 357-399.
Cavani, M. (2020). Proceso didáctico del Álgebra Lineal en las tres dimensiones, Libro de Actas del Primer Congreso Caribeño de Investigación Educativa, 833-841. https://goo.su/VHQiP55
Cavani, M. (2021). Una propuesta para los procesos didácticos en la especialidad de matemática del nuevo currículo en la República Dominicana en las tres dimensiones, Revista de Investigación y Evaluación Educativa-Revie, 8(2) 68-84. https://doi.org/10.47554/revie2021.8.24
Cavani, M. (2022). Un modelo epistemológico de referencia en torno al problema didáctico del nuevo currículo para la formación de profesores de matemáticas en la República Dominicana. Revista De Investigación Y Evaluación Educativa, 9(2), 7–28. https://doi.org/10.47554.
Chevallard, Y., & Bosch, M. (2020). Anthropological theory of the didactic (ATD). Encyclopedia of mathematics education, 53-61.
Chevallard, Y. (2013). Enseñar matemáticas en la sociedad de mañana: Alegato a favor de un contraparadigma emergente. REDIMAT-Journal of Research in Mathematics Education, 2(2), 161-182.
Deisenroth, M. P., Faisal, A. A., & Ong, C. S. (2020). Mathematics for machine learning. Cambridge University Press.
Domínguez, S. (2024). Importancia de las matemáticas en el Machine Learning, Openwebinars, https://openwebinars.net/blog/matematicas-machine-learning/
Farrás, B. B., Bosch, M., & Florensa, I. (2022). Contribuciones de los recorridos de estudio e investigación en la universidad: el caso de la formación del profesorado. Avances de investigación en educación matemática, (21), 87-106.
Florensa, I., Bosch, M., & Gascón, J. (2020). Question-answer maps as an epistemological tool in teacher education, Journal of Mathematics Teacher Education. https://doi.org/10.1007/s10857-020-09454-4
Florensa, I., Bosch, M., Gascón, J., & Winsløw, C. (2018). Study and research paths: A new tool for design and management of project-based learning in Engineering. International Journal of Engineering Education, 34(6), 1848-1862.
García, F. J., Barquero, B., Florensa, I., & Bosch, M. (2019). Diseño de tareas en el marco de la Teoría Antropológica de lo Didáctico. Avances de investigación en educación matemática, 15, 75-94. https://doi.org/10.35763/aiem.v0i15
Gascón Pérez, J., & Nicolás, P. (2020). Paradigmas didácticos y reforma curricular: el caso de la teoría antropológica de lo didáctico. Educação Matemática Pesquisa, 22(4).
Gazzola, M. P., Otero, M. R., & Llanos, V. C. (2021). Recorrido de estudio e investigación en física y matemáticas en la escuela secundaria. Praxis & Saber, 12(31), 125-144.
Goodfellow, I., Heaton, J., Bengio, Y. & Courville, A. (2016). Genetic programming and evolvable machines, Deep learning: The MIT Press, 19(1), 305-307.
Humphreys, P. (2009). The philosophical novelty of computer simulation methods. Synthese, 169, 615-626.
Lucas, C., Fonseca, C., Gascón, J., & Schneider, M. (2019). The phenomenotechnical potential of reference epistemological models. The case of elementary differential calculus, In M. Bosch, Y. Chevallard, F. J. García & J.
Monaghan (Eds.) Working with the Anthropological Theory of the Didactic in Mathematics Education: A comprehensive Casebook, p. 77-97. London: Routledge.
Markulin, K., Bosch, M., & Florensa, I. (2021). Un recorrido de estudio e investigación para la enseñanza universitaria de la estadística. Investigación en Educación Matemática XXIV, 417-424.
Martén, S. (2023). El problema epistemológico de los big data en la producción de conocimiento científico. Tesis de Maestría en Filosofía. Sistema de Estudios de Postgrado. Universidad de Costa Rica. https://goo.su/eTVRP
Martins, R. M., & Gresse Von Wangenheim, C. (2023). Findings on Teaching Machine Learning in High School: A Ten-Year Systematic Literature Review, Informatics in Education. 22(3), 421-440.
Mazzocchi, F. (2020). Sobre el “Big Data” ¿Cómo podríamos dar sentido a los macrodatos? Mètode Science Study Journal. Universitat de València. DOI: 10.7203/metode.11.15258
Olsher, S. (2023). Mathematics education in the digital age-learning, practice and theory: by Alison Clark-Wilson, Ana
Donevska-Todorova, Eleonora Faggiano, Jana Traglova, and Hans-Georg Weigand. https://doi.org/10.1080/14794802.2021.1994455
Otero, M. R., Llanos, V.C., & Parra, V. (2020). Training in-service teachers: study of questions and the organization of teaching. Educação Matemática Pesquisa, 22(4).
Parra, V., & Otero, M. R. (2017). Enseñanza de la matemática por recorridos de estudio e investigación: indicadores didácticos-matemáticos de las “dialécticas”. Educación matemática, 29(3), 9-49. https://doi.org/10.24844/em2903.01
Parra, V., & Otero, M. R. (2018). Antecedentes de los Recorridos de Estudio e Investigación (REI): características y génesis. Revista Electrónica de Investigación en Educación en Ciencias, 13(2), 01-19.
Romo, A., Barquero, B., & Bosch, M. (2019). El desarrollo profesional online de profesores de matemáticas en activo: una unidad de aprendizaje sobre la enseñanza de la modelización matemática. Uni-pluriversidad, 19(2), 161-183.
Santos Júnior, V. B., Dias, M. A., & Bosch, M. (2019). Um Percurso de Estudo e Pesquisa para o Estudo das Noções de Juros Simples e Compostos. Bolema, 33(63), 327-347.
Vásquez, S., Barquero, B., & Bosch, M. (2021). How long would it take to open a padlock? A study and research path with grade 10 students. In Extended Abstracts Spring 2019: Advances in the Anthropological Theory of the Didactic (105-115). Springer International Publishing.
Weigand, H. (2022). MEDA3 Mathematics Education in Digital Age 3: Ana Donevska-Todorova, Eleonora Faggiano, Paola Iannone, Janka Medová, Hans-Georg Weigand et al. Proceedings of the 13th ERME Topic Conference (ETC13), Nitra, Slovakia.