Diseño y viabilidad de recursos para enseñar la modelización QSAR en ingeniería química
Resumen
La modelización de relaciones cuantitativas estructura-actividad (Quantitative Structure-Activity Relationship, QSAR) es relevante en la ingeniería química, pero aún no figura en la formación. Con el objetivo de diseñar recursos para integrarla, se realizó una investigación enmarcada en la teoría antropológica de lo didáctico y en la metodología de la ingeniería didáctica. Se generó una transposición didáctica de la modelización QSAR. Se analizaron dos currículos universitarios y las rutas didácticas sobre QSAR –clasificación didáctica de saberes por tópico y nivel de complejidad para su estudio–. Con base en ello, se diseñaron dispositivos didácticos: recorridos de estudio e investigación (REI-QSAR) y se mostró su viabilidad para integrarlos en cursos de ingeniería química, por lo que constituye una vía didáctica innovadora para que los futuros ingenieros construyan e interpreten modelos.
Palabras clave
Formación de ingenieros químicos, Modelización matemática, QSAR, Recurso didáctico, Teoría antropológica de lo didácticoCitas
Amer, M. À., Luque-Corredera, C. y Bartolomé, E. (2022). Study and research path for learning general chemistry: analyzing the quality of drinking water. Journal of Chemical Education, 99(3), 1255-1265. https://doi.org/10.1021/acs.jchemed.1c00971
Artigue, M. (2015). Perspectives on design research: the case of didactical engineering. En A. Bikner-Ahsbahs, C. Knipping y N. Presmeg. (Eds.), Approaches to qualitative research in mathematics education (pp. 467-496). Springer. https://doi.org/10.1007/978-94-017-9181-6_17
Barquero, B. y Bosch, M. (2015). Didactic engineering as a research methodology: from fundamental situations to study and research paths. En A. Watson y M. Ohtani (Eds.), Task design in mathematics education, new ICMI study series (pp. 249-272). Springer. https://doi.org/10.1007/978-3-319-09629-2_8
Barquero, B., Bosch, M. y Gascón, J. (2011). Los recorridos de estudio e investigación y la modelización matemática en la enseñanza universitaria de las ciencias experimentales. Enseñanza de las Ciencias, 29(3), 339-352. https://doi.org/10.5565/rev/ec/v29n3.519
Barquero, B., Bosch, M. y Gascón, J. (2014). Incidencia del «aplicacionismo» en la integración de la modelización matemática en la enseñanza universitaria de las ciencias experimentales. Enseñanza de las Ciencias, 32(1), 83-100. https://doi.org/10.5565/rev/ensciencias.933
Barquero, B., Bosch, M. y Gascón, J. (2019). The unit of analysis in the formulation of research problems: The case of mathematical modelling at university level. Research in Mathematics Education, 21(3), 314-330. https://doi.org/10.1080/14794802.2019.1624602
Bartolomé, E., Florensa, I., Bosch, M. y Gascón, J. (2018). A «study and research path» enriching the learning of mechanical engineering. European Journal of Engineering Education, 44(3), 330-346. https://doi.org/10.1080/03043797.2018.1490699
Blum, W., Galbraith, P. L., Henn, H. W. y Niss, M. (Eds.) (2007). Modelling and applications in mathematics education. The 14 ICMI study, new ICMI study series. Springer. https://doi.org/10.1007/978-0-387-29822-1
Bosch, M., Hausberger, T., Hochmuth, R., Kondratieva, M. y Winslow, C. (2021). External didactic transposition in undergraduate mathematics. International Journal of Research in Undergraduate Mathematics Education, 7, 140-162. https://doi.org/10.1007/s40753-020-00132-7
Chevallard, Y. (1999). L’analyse des pratiques enseignantes en théorie anthropologique du didactique. Recherches en didactique des mathématiques, 19(2), 221-266. https://revue-rdm.com/1999/l-analy
se-des-pratiques/
Chevallard, Y. (2004). Vers une didactique de la codisciplinarité. Notes de une épistémologie scolaire. http://yves.chevallard.free.fr/spip/spip/article.php3?id_article=45
Chevallard, Y. (2015). Teaching mathematics in tomorrow’s society: a case for an oncoming counter paradigm. En S. J. Cho (Ed.), Proceedings of the 12th International Congress on Mathematical Education (pp. 173-187). Springer. https://doi.org/10.1007/978-3-319-12688-3
Chevallard, Y. (2019). Introducing the anthropological theory of the didactic: an attempt at a principled approach. Hiroshima Journal of Mathematics Education, 12, 71-114.
Cooper, M., Corley, L. M. y Underwood, S. M. (2013). An investigation of college chemistry students’ understanding of structure–property relationships. Journal of Research in Science Teaching, 50(6), 699-721. https://doi.org/10.1002/tea.21093
Cooper, M., Underwood, S. y Hilley, C. (2012). Development and validation of the implicit information from Lewis structures instrument (IILSI): do students connect structures with properties? Chemistry Education Research and Practice, 13, 195-200. https://doi.org/10.1039/C2RP00010E
Costa, V., Arlego, M. y Otero, R. (2015). Las dialécticas en un recorrido de estudio e investigación para la enseñanza del cálculo vectorial en la universidad. Revista de Formación e Innovación Educativa Universitaria, 8(3), 146-161.
Dirección General de Educación Superior Tecnológica (2012). Modelo educativo para el siglo xxi. Formación y desarrollo de competencias profesionales. http://www.dgest.gob.mx/director-general/mode
lo-educativo-para-el-siglo-xxi-formacion-y-desarrollo-de-competencias-profesionales-dp2
Duarte, M. H., Freitas, M. P. y Nunes, C. (2017). QSPR modeling is able to predict retention times of fatty acids using simple molecular descriptors. International Journal of Quantitative Structure-Property Relationships, 2(1), 35-43. https://doi.org/10.4018/IJQSPR.2017010103
Elizalde, I. y Rosas, A. Miguel. (2016). Modelación directa e inversa en la formación del ingeniero químico. Lectorum.
Erduran, S. y Duschl, R. A. (2004). Interdisciplinary characterizations of models and the nature of chemical knowledge in the classroom. Studies in Science Education, 40(1), 105-138. https://doi.org/10.1080/03057260408560204
Favre, E., Falk, V., Roizard, C. y Schaer, E. (2008). Trends in chemical engineering education: Process, product and sustainable chemical engineering challenges. Education for Chemical Engineers, 3, e22-e27. https://doi.org/10.1016/j.ece.2007.12.002
Florensa, I., Bosch, M., Gascón, J. y 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.
Frejd, P. y Bergsten, C. (2016). Mathematical modelling as a professional task. Educational Studies in Mathematics, 91, 11-35. https://doi.org/10.1007/s10649-015-9654-7
Galindo, N. (2019). Diseño de una unidad de aprendizaje sobre relaciones cuantitativas de estructura-actividad (QSAR) en la carrera de ingeniería química [Tesis de maestría]. CICATA-IPN. https://www.cicata.ipn.mx/assets/files/cicata/ProME/docs/tesis/tesis_maestria/2019/galindo_2019.pdf
García, F. J., Barquero, B., Florensa, I. y 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.v0i15.267
Gascón, J. y Nicolás, P. (2022). ATD on relationships between research and teaching. The case of a didactic problem concerning real numbers. En Y. Chevallard, B. Barquero, M. Bosch, I. Florensa, J. Gascón, P. Nicolás y N. Ruiz-Munzón (Eds.), Advances in the Anthropological Theory of the Didactic (pp. 125-138). Birkhäuser. https://doi.org/10.1007/978-3-030-76791-4_2
Gilbert, J. K. y Treagust, D. (eds). (2009). Multiple representations in chemical education. Models and modelling in science education (vol. 4). Springer. https://doi.org/10.1007/978-1-4020-8872-8
Golbraikh, A., Wang, X., Zhu, H. y Tropsha, A. (2012). Predictive QSAR modeling: methods and applications in drug discovery and chemical risk assessment. En J. Leszczynski (Ed.), Handbook of computational chemistry (pp. 1311-1342). Springer. https://doi.org/10.1007/978-94-007-0711-5_37
Hestenes, D. (2010). Modeling theory for math and science education. En R. Lesh, P. Galbraith, C. Haines y A. Hurford (Eds.), Modeling students’ mathematical modeling competencies (pp. 13-41). Springer. https://doi.org/10.1007/978-1-4419-0561-1_3
Lesh, R., Galbraith, P., Haines, C. y Hurford, A. (Eds.) (2010). Modelling students’ mathematical modelling competencies ICTMA 13. Springer. https://doi.org/10.1007/978-1-4419-0561-1
Macias, M. y Romo, A. (2014). Metodología para el diseño de actividades didácticas basadas en modelación matemática. Acta Latinoamericana de Matemática Educativa, 27, 461-469.
Organisation for Economic Co-operation and Development (2007, marzo). Guidance document on the validation of (Quantitative) Structure-Activity Relationships [(Q)SAR] models. https://www.oecd-ilibrary.org/docserver/9789264085442-en.pdf?expires=1679930840&id=id&accname=guest&checksum=E9E75CAAF5AD3D2C5828C1EF8506FEDB
Pollak, H. (2007). Mathematical modelling –a conversation with Henry Pollak. En W. Blum, L. P. Galbraith, W. H. Henn y M. Niss (Eds.), Modelling and applications in mathematics education. The 14 ICMI study (pp. 109-120). Springer. https://doi.org/10.1007/978-0-387-29822-1_9
Raies, A. y Bajic, V. B. (2016). In silico toxicology: computational methods for the prediction of chemical toxicity. Computational Molecular Science, 6, 147-172. https://doi.org/10.1002/wcms.1240
Reinhard, M. y Drefahl, A. (1998). Handbook for estimating physicochemical properties of organic compounds. John Wiley & Sons.
Romo, A. y Artigue, M. (2023). Challenges for research on tertiary mathematics education for non-specialists: Where are we and where are we to go? En R. Biehler, M. Liebendörfer, G. Gueudet, C. Rasmussen y C. Winsløw (Eds.), Practice-oriented research in tertiary mathematics education (pp. 535-557). Springer. https://doi.org/10.1007/978-3-031-14175-1_26
Roy, K., Kar, S. y Das R. N. (2015). A primer on QSAR/QSPR modelling. Springer. https://doi.org/10.1007/978-3-319-17281-1
Siero González, L. R., Echavarría Cepeda, L. A., Romo Vázquez, A. y Navarro Torres, J. (2022). Design of a rehabilitation device for thrombosis: a mathematical modelling activity in the training of engineers. Avances de investigación en educación matemática, 21, 107-134. https://doi.org/10.35763/aiem21.4258
Talanquer, V. (2018). Progressions in reasoning about structure-property relationships. Chemistry Education Research and Practice, 19(4), 998-1009. https://doi.org/10.1039/C7RP00187H
Tecnológico Nacional de México (2016). Retícula ingeniería química [página web]. https://www.tecnm.mx/pdf/reticula/Reticula%20Ingenieria%20Quimica.pdf
Todeschini, R. y Consonni, V. (2009). Molecular descriptors for chemoinformatics volume II: appendices, references. Wiley-Vch Verlag. https://doi.org/10.1002/9783527628766
Universidad Juárez del Estado de Durango (2023). Ingeniero químico en alimentos. Sede Gómez Palacio. Plan de estudios [página web]. https://www.ujed.mx/oferta-educativa/ingeniero-quimico-en
-alimentos-gp/plan-de-estudios
Vázquez, R., Romo, A., Romo-Vázquez, R. y Trigueros, M. (2016). La separación ciega de fuentes: un puente entre el álgebra lineal y el análisis de señales. Educación Matemática, 28(2), 31-57. https://doi.org/10.24844/EM2802.02
Publicado
Descargas
Derechos de autor 2023 Nahúm Galindo Vargas, Avenilde Romo Vázquez, Joaquín Barroso Flores
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
