Diseño de retos matemáticos atractivos y pedagógicamente sólidos: tradiciones de tareas ricas, formatos de ítems y estándares

Findings

1. Diseño de tareas rico: piso bajo, techo alto, paredes anchas

La expresión «piso bajo, techo alto» proviene del trabajo constructivista de Seymour Papert y fue ampliada con «paredes anchas» por Mitchel Resnick para describir herramientas creativas (como Scratch) que permiten a cualquiera comenzar con facilidad, ofrecen a los expertos la posibilidad de ir lejos y apoyan muchos caminos y estilos de trabajo diferentes en lugar de una única ruta correcta. NRICH (University of Cambridge) adoptó esta tríada como su definición operativa de una «tarea rica»: piso bajo para que todo estudiante tenga un punto de entrada, techo alto para que los alumnos avanzados sigan siendo desafiados, y paredes anchas para que la tarea soporte múltiples representaciones y estrategias de solución, no solo múltiples respuestas finales [20]. Esto es distinto y más fuerte que la «dificultad diferenciada»: paredes anchas significa que las matemáticas mismas se ramifican (p. ej., una tarea resoluble dibujando, con una tabla, con álgebra o con un razonamiento recursivo), no solo que existan versiones más fáciles y más difíciles del mismo procedimiento.

Un marco complementario, más mecánicamente verificable, se superpone: los niveles de demanda cognitiva de Stein y Smith distinguen «procedimientos con conexiones» (un procedimiento usado para construir sentido, conectado a conceptos subyacentes, representado de varias maneras, que requiere cierto esfuerzo) de «hacer matemáticas» (no algorítmico, exploratorio, que exige autorregulación, con verdadera ambigüedad en la ruta de solución) — y los criterios de Cohen y colaboradores de «tarea digna de grupo» añaden: centrarse en una idea matemática importante, disponer de múltiples puntos de entrada y estrategias, requerir explicación/justificación y minimizar el ruido no matemático que permitiría a un estudiante triunfar sin comprometerse con la matemática [20]. En conjunto, estos elementos proporcionan a Math Challenge una rúbrica que puede aplicarse a cualquier ítem redactado, independientemente del tema: ¿tiene un punto de entrada genuino para un estudiante con dificultades, espacio real para extenderse para uno avanzado y más de una forma legítima de abordarlo?

2. Matemáticas de tres actos y el problema del pseudocontexto

La estructura de «tres actos» de Dan Meyer responde a un modo de fallo concreto de los problemas tradicionales de enunciado: la matemática se añade a un escenario que el estudiante nunca necesitó comprender mediante matemáticas («pseudocontexto»). El Acto Uno presenta una imagen intrigante o un vídeo breve sin números ni pregunta explícita — el objetivo es que la propia curiosidad del estudiante genere la cuestión. El Acto Dos aporta solo los datos o herramientas que los estudiantes identifican como necesarios, de modo que el trabajo matemático sea con propósito y no impuesto. El Acto Tres revela el resultado real, permitiendo a los estudiantes contrastar su razonamiento con la realidad en lugar de con una solución predeterminada [1]. Meyer formula el beneficio explícitamente: tras la matemática, el estudiante debe sentirse más poderoso — capaz de predecir o explicar algo que antes no podía — en vez de haber completado un ejercicio asignado. Para Math Challenge, esto sugiere un nivel pequeño, de alto coste de producción (con vídeo o imagen, un Acto Uno por unidad) situado por encima de un nivel mucho mayor de ítems más baratos y rutinarios, en lugar de intentar aplicar la estructura de tres actos a cada ítem de un banco de 2.500 ítems.

3. Géneros de tareas del Shell Centre / Malcolm Swan

El Mathematics Assessment Project (Shell Centre, University of Nottingham, dirigido en su fase final por Malcolm Swan) produjo aproximadamente 100 lecciones formativas «Classroom Challenge» que abarcan desde 6.º de primaria hasta la preparación universitaria, divididas en dos grandes categorías: lecciones de desarrollo de conceptos, que revelan y afinan la comprensión de una idea matemática, y lecciones de resolución de problemas, que abordan problemas no rutinarios e implican ciclos en los que los estudiantes producen una solución, reciben retroalimentación estructurada (a menudo mediante trabajos de muestra) y revisan su trabajo [7][8]. El propio marco teórico de Swan va más allá, identificando cinco propósitos distintos que la enseñanza de matemáticas puede servir — fluidez con hechos/habilidades, interpretación de conceptos y representaciones, desarrollo de estrategias de investigación y resolución de problemas, conciencia de los valores del sistema educativo y apreciación del poder de las matemáticas en la sociedad — y sostiene que el diseño de la tarea debe derivarse deliberadamente del propósito previsto, porque diferentes propósitos implican distintas teorías de aprendizaje y, por tanto, distintas formas de tarea [9]. Además, describe cinco tipos de tarea que apoyan específicamente el desarrollo de conceptos: clasificar objetos, interpretar múltiples representaciones, evaluar enunciados matemáticos, crear problemas y analizar razonamientos o soluciones [9]. Esto resulta directamente reutilizable como una taxonomía de etiquetado de ítems: cada ítem de Math Challenge puede etiquetarse no solo por tema y nivel de dificultad, sino por cuál de estos cinco propósitos persigue, lo que a su vez debería influir en su formato (los ítems de fluidez se adaptan a preguntas de opción múltiple o entrada numérica rápida; «evaluar un enunciado» encaja con verdadero/falso con justificación o detectar errores; «crear un problema» se presta a una respuesta abierta o a un formato de proposición de problemas).

4. Problemas Open Middle

El formato Open Middle de Robert Kaplinsky se define por tres propiedades estructurales: un comienzo cerrado (todos los estudiantes parten de la misma información dada), un final cerrado (existe una respuesta final correcta, o una respuesta óptima entre varias válidas) y un medio abierto (existen múltiples caminos legítimos para llegar a ella) [2]. Esto difiere de una tarea totalmente abierta porque mantiene una respuesta objetivo inequívoca y verificable automáticamente — lo que es fundamental para un producto auto‑calificado — mientras sigue exigiendo razonamiento matemático genuino en lugar de una simple recuperación de un paso, pues el «medio» (la búsqueda de colocaciones de dígitos, elecciones de factores o combinaciones óptimas) es donde reside el trabajo cognitivo. Un ejemplo canónico: «Utilizando los dígitos del 1 al 9, cada uno como máximo una vez, completa los cuadros para crear el producto más pequeño posible» — trivially auto‑gradable (se compara el producto de los dígitos enviados con el mínimo conocido), pero resistente al adivinamiento porque no hay atajo a la respuesta más que razonar sobre el valor posicional y el tamaño de los factores. Los problemas Open Middle tienen un matiz de optimización («encuentra el menor/mayor/todos los posibles») más que de un solo paso, y Kaplinsky señala que ocupan un punto intermedio en el esfuerzo de diseño: más elaborado que un simple ejercicio de fluidez, pero mucho menos elaborado que una tarea de rendimiento de varios días [2].

5. Rutinas breves y reutilizables en el aula: WODB, Patrones visuales, Number Talks

Tres formatos de «rutina» muy extendidos son notables porque resultan extremadamente baratos de crear en masa y se traducen casi directamente a plantillas digitales de ítems. Which One Doesn’t Belong (WODB), creado por Mary Bourassa en 2014 tras adaptar una actividad de clasificación de educación infantil para una clase de cálculo, presenta cuatro ítems (números, figuras, gráficos, ecuaciones) en una cuadrícula y pregunta cuál no pertenece — deliberadamente sin una única respuesta correcta, ya que el objetivo es que cada uno de los cuatro ítems pueda justificarse como el «odd one out» por una razón matemática válida diferente [3]. Heurística de diseño de Bourassa: un WODB sólido tiene tres ítems que comparten una característica que el cuarto carece, para al menos una partición razonable de los cuatro — lo que implica que múltiples particiones distintas deben ser defendibles [4]. Como WODB no tiene una única respuesta, no es naturalmente autocorregible en sentido de puntuación, pero funciona bien como un formato de «selecciona tu ítem y justifícalo» puntuado por la calidad/validez de la razón ofrecida más que por el ítem elegido, o bien como un tipo de ítem de puesta en marcha/discusión sin puntuación.

Patrones visuales (Fawn Nguyen) presenta una secuencia de figuras (paso 1, 2, 3…) que crecen siguiendo una regla visible, y pide a los estudiantes que predigan un paso lejano (p. ej., paso 43) o que elaboren una ecuación general — entrenando exactamente el paso del reconocimiento concreto de patrones a la generalización algebraica [10]. Este formato es altamente parametrizable: un único «generador de patrones de crecimiento» (reglas lineales, cuadráticas o geométricas aplicadas a disposiciones de puntos/azulejos) puede producir mecánicamente un gran número de ítems isomorfos que difieren solo en la regla específica y en el número de paso solicitado.

Number Talks (ampliamente asociado a Ruth Parker, Kathy Richardson y popularizado por Sherry Parrish y Jo Boaler) es una breve rutina diaria centrada en resolver mentalmente una única operación, y luego hacer que los alumnos compartan y comparen distintas estrategias mentales válidas para el mismo problema — lo importante no es la respuesta sino la variedad visible de rutas de razonamiento correctas. Esto se adapta naturalmente a un formato digital de «muestra tu estrategia» o «asocia tu método a un nombre», en lugar de un ítem de entrada numérica pura, ya que la carga pedagógica es la comparación de métodos, en consonancia con el tipo de tarea de Swan «evaluar/comparar representaciones» [9].

6. Problemas de estimación tipo Fermi

Los problemas de Fermi — denominados así por la característica capacidad de Enrico Fermi de producir estimaciones de orden de magnitud precisas a partir de datos mínimos, ilustrada por su famosa estimación improvisada del rendimiento explosivo de la prueba Trinity a partir de la distancia a la que se dispersaron restos de papel — son tareas de estimación sin datos exactos disponibles, resueltas descomponiendo la cantidad en una cadena de factores estimados de forma aproximada [13]. Debido a que los errores en las estimaciones de los factores individuales tienden a cancelarse parcialmente al multiplicarse, el producto de varias conjeturas aproximadas suele estar sorprendentemente cerca del verdadero orden de magnitud aun cuando ninguna conjetura individual sea muy precisa [13]. Pedagógicamente, esto entrena la comodidad con la incertidumbre, el razonamiento dimensional y la verificación de sentido de un gran resultado calculado frente a la intuición — y se corresponde con un formato de ítem específico: entrada numérica puntuada como correcta dentro de una banda de tolerancia de orden de magnitud (o porcentaje), no una coincidencia exacta, lo que constituye un contrato de calificación fundamentalmente distinto al de la mayoría de la aritmética escolar.

7. Planteamiento de problemas y la «suspensión del sentido» en los problemas de palabras

Una línea de investigación separada examina la brecha entre ejecutar un procedimiento correctamente y conectar ese procedimiento con el significado de una situación realista. Los hallazgos generales en este ámbito (encuestados en revisiones de la pedagogía de los problemas de palabras) señalan que la dificultad de comprensión en los problemas de palabras no suele deberse a que los alumnos no puedan ejecutar la aritmética, sino a que carecen de una conexión firme entre las operaciones matemáticas y la semántica del escenario realista que el problema describe [14] — los alumnos pueden calcular correctamente mientras, de forma efectiva, «apagan» la valoración de si el número resultante tiene sentido en el mundo que el problema describe (el género ampliamente citado de ítems de prueba donde los alumnos dividen a las personas sobrantes en «autobuses necesarios» o similar sin comprobar si la respuesta numérica es siquiera físicamente plausible ilustra el mismo fenómeno). Este es el mismo modo de fallo que la matemática de tres actos y Open Middle intentan evitar desde ángulos diferentes: la matemática de tres actos lo impide al hacer que los elementos del mundo real sean concretos y generados por los alumnos antes de que aparezca cualquier número [1]; Open Middle lo impide al convertir el «medio» en la propia tarea de razonamiento, de modo que no haya un procedimiento que ejecutar a ciegas [2]. Para Math Challenge, la versión aplicable de esta investigación es una regla de diseño: cualquier ítem de problema de palabras debe ser comprobable para determinar si una respuesta «plausible pero sin sentido» (tiempo negativo, personas fraccionarias, un área mayor que la forma contenedora) es un error lo suficientemente frecuente como para justificar un distractor dedicado «¿tiene sentido esta respuesta?» o una incitación a la reflexión posterior a la respuesta.

8. Anatomía de un buen ítem de opción múltiple y distractores basados en conceptos erróneos

Las directrices estándar de redacción de ítems tratan la construcción de distractores como una ingeniería deliberada: los distractores se redactan para ser «plausibles pero claramente incorrectos», y la atracción inicial del alumno hacia una opción errónea debe provenir de la plausibilidad superficial que el autor del ítem incorporó a propósito, no de una opción implausible que nadie escogería (p. ej., «Detroit» como distractor en una pregunta sobre ciudades indias es un ejemplo de libro de texto de un distractor malo, no plausible). Una debilidad conocida del formato es la «astucia de examen» — pistas en la construcción de las opciones (longitud, adecuación gramatical, calificadores absolutos) que permiten a un alumno experto en pruebas obtener una puntuación superior a su conocimiento real, lo que constituye una razón para mantener la longitud/estilo/gramática de los distractores uniformes entre todas las opciones. Los distractores más fuertes y defendibles no son números aleatorios incorrectos, sino la salida numérica o simbólica real de una concepción errónea documentada — por ejemplo, para «‑2 ‑ (‑5)», ofrecer «‑7» (error de signo en la resta) y «‑3» (omisión de la negación) como distractores, en lugar de números erróneos arbitrarios — porque un distractor construido a partir de un error real es diagnóstico (qué respuesta errónea se elige indica qué concepción errónea está presente), mientras que un número erróneo arbitrario solo indica que el alumno se equivocó, sin revelar cómo.

9. Formatos de ítem más allá de la opción múltiple

Un catálogo de trabajo útil para Math Challenge (desarrollado en detalle en la tabla del Catálogo de Formatos de Ítem más abajo) incluye: entrada numérica con banda de tolerancia (necesaria para la estimación tipo Fermi y cualquier respuesta con redondeo legítimo); arrastrar‑para‑ordenar (secuenciar pasos de una demostración, o ordenar números/fracciones en una recta); emparejamiento (asociar una expresión con su gráfico, o un término con su definición); punto caliente/selección de punto o haz clic en la figura (identificar una zona, ángulo o punto en un diagrama); construir‑un‑gráfico (colocar puntos, dibujar una recta de pendiente dada, trazar una función) — soportado nativamente como graphicGapMatchInteraction, selectPointInteraction, positionObjectInteraction y drawingInteraction en la especificación QTI 3.0 [6]; rellenar‑el‑espacio de ecuación (gap‑fill parametrizado dentro de una expresión simbólica, gapMatchInteraction/textEntryInteraction en términos QTI) [6]; ordenar‑en‑categorías (clasificar una lista de números/figuras en cubos — una digitalización natural del tipo de tarea de Swan «clasificar objetos») [9]; encuentra‑el‑error (presentar una solución trabajada con un error insertado y pedir al alumno que lo localice/nombre — implementa directamente el estilo IES «usar problemas resueltos, incluidos los incorrectos»); estimación‑con‑rango (entrada numérica puntuada por contención en un intervalo, el formato natural de los problemas de Fermi) [13]; selección múltiple (el choiceInteraction de QTI con maxChoices > 1) [6]; y manipulativos interactivos (arrastrar fichas/contadores, piezas virtuales de tangram, bloques virtuales de base diez) [16].

10. Puzzle traditions: Japanese, Chinese, Russian, Vedic

Las tradiciones de rompecabezas japoneses ofrecen varios formatos ya probados a gran escala con millones de solucionadores. Kakuro («Cross Sums»), a pesar de su nombre japonés, fue en realidad inventado en 1966 por el canadiense Jacob E. Funk en Dell Magazines y más tarde ganó su popularidad duradera en Japón; requiere rellenar una cuadrícula de modo que cada fila/columna de casillas blancas sume la pista indicada sin repetir dígitos, ejercitando el razonamiento combinatorio sobre qué conjuntos de dígitos pueden producir una suma objetivo [11]. KenKen, inventado en 2004 por el profesor japonés Tetsuya Miyamoto explícitamente como una herramienta de entrenamiento mental «sin instrucciones», combina una restricción de cuadrícula latina (un dígito por fila/columna) con regiones de «cage» que deben producir un valor objetivo bajo una operación aritmética declarada, y se informa que es usado por más de 30.000 docentes estadounidenses para la fluidez aritmética y la práctica de deducción lógica [12]. Los rompecabezas «area maze» (menseki meiro) de Naoki Inaba — cuadrículas de rectángulos anidados con algunas longitudes de lado y áreas dadas, otras por encontrar usando solo aritmética e intuición geométrica, sin álgebra ni calculadora — constituyen otro género japonés bien conocido dentro de esta misma familia, aunque este informe no pudo verificar una fuente primaria citable para ese formato concreto durante esta pasada de investigación y se incluye aquí como contexto de fondo más que como hallazgo citado.

Las tradiciones chinas aportan el tangram (七巧板, «seven boards of skill»), un rompecabezas de disección de siete piezas planas (cinco triángulos, un cuadrado y un paralelogramo) que se recombinan en un cuadrado o innumerables siluetas, usado pedagógicamente para desarrollar la visualización espacial, la congruencia y la intuición de conservación de área (ya que todas las figuras del tangram comparten la misma área total) [16]. The Nine Chapters on the Mathematical Art, el texto clásico fundamental de la matemática china, está organizado en nueve capítulos temáticos (áreas de campo y fracciones, intercambio proporcional, distribución proporcional, extracción de raíces a partir de área/volumen, volúmenes de construcción, problemas de proporción al estilo tributario, sistemas de dos ecuaciones lineales mediante «excess and deficit», sistemas lineales generales mediante «Gaussian-elimination-like methods», y problemas de triángulo recto/pitagóricos), cada uno siguiendo un estricto formato «problem, then solution, then method», una estructura directamente reutilizable como plantilla de autoría de ítems (ejemplo trabajado → método generalizable) [15].

Los círculos matemáticos rusos (kruzhok), que se remontan a Bulgaria antes de 1907 y se formalizaron en la URSS en la década de 1930, son grupos voluntarios, extra‑curriculares de resolución de problemas construidos alrededor del deseo genuino de participar y de un contexto social para disfrutar de la matemática, típicamente socráticos y guiados por la exploración más que por la exposición, a veces orientados a olimpiadas y a veces deliberadamente no; la tradición llegó a EE. UU. en 1994 a través de Robert y Ellen Kaplan en Harvard, traída por emigrantes que habían asistido como adolescentes [18]. El género de problemas de círculo matemático (autocontenido, elegante, que requiere perspicacia más que un procedimiento memorizado) es una fuente fuerte de ítems de «wide wall» de alto techo, distintos de los ejercicios alineados al currículo.

Las matemáticas védicas requieren una advertencia: el libro de 1965 de Bharati Krishna Tirtha presenta 16 «sutras» (p. ej., atajos para elevar al cuadrado números terminados en 5 o patrones de multiplicación específicos) que se afirma provienen del antiguo Atharvaveda, pero esta atribución es rechazada por historiadores de la matemática (S. G. Dani, Kim Plofker, K. S. Shukla), que encuentran que el estilo lingüístico es sánscrito moderno, que las técnicas dependen de una notación decimal desconocida en la época védica y que el contenido no tiene prácticamente nada en común con la matemática real de la era védica [17]. Los atajos de cálculo individuales pueden seguir siendo legítimos, trucos aritméticos útiles que vale la pena incluir como categoría de ítem «speed technique», pero cualquier encuadre dirigido al usuario debe evitar presentarlos como escritura antigua auténtica, tanto porque está factual y políticamente disputado en los debates curriculares de la India [17].

11. Parameterized item templates vs. handwritten items

La Generación Automática de Ítems (AIG) es la disciplina formal que permite transformar un «modelo de ítem» elaborado a mano en muchos ítems entregados. El vocabulario estándar: radicales son los rasgos estructurales de un modelo de ítem que determinan su dificultad (p. ej., número de pasos, magnitud de los números, presencia de un rasgo que desencadene distractores); incidentales son rasgos superficiales que varían sin cambiar la dificultad (qué números concretos, nombres o historia de fondo se usan); y isomorfos son los ítems resultantes que comparten idénticos radicales pero difieren solo en incidentales [19]. El valor práctico de AIG está alineado con el objetivo MVP de 2.500 ítems: un especialista en pruebas diseña un modelo de ítem cuidadosamente validado con ranuras variables, y un algoritmo rellena esas ranuras, produciendo muchos ítems paralelos mucho más rápido que la autoría manual uno a uno, mientras —si el modelo es sólido— mantiene la dificultad y la calidad comparables en toda la familia generada [19]. El intercambio explícito es que la calidad depende ahora totalmente de si el modelo subyacente separa correctamente radicales de incidentales; un modelo mal diseñado puede generar silenciosamente ítems mucho más duros o más fáciles de lo previsto, o que compartan un patrón superficial explotable que un solucionador repetitivo pueda aprender. Esto aboga por construir un número menor (docenas, no miles) de modelos de ítem de alta calidad —uno por cada emparejamiento habilidad/malentendido identificado en la investigación específica por tema ya recopilada para este proyecto— cada uno parametrizado para emitir muchas instancias isomorfas, en lugar de tratar los «2.500 ítems» como 2.500 tareas de autoría independientes.

12. The QTI 3.0 standard

QTI (Question and Test Interoperability), mantenido por 1EdTech, es el estándar abierto dominante para empaquetar ítems de evaluación, pruebas y datos de resultados de modo que circulen entre herramientas de autoría, bancos de ítems y plataformas de entrega sin bloqueo de proveedor [5]. QTI 3.0 consolida la línea anterior QTI 2.x con la especificación de accesibilidad APIP y pasa a un marcado amigable para la web (elementos personalizados utilizables como componentes web estándar), mientras mantiene soporte nativo para pruebas adaptativas por ordenador e interacciones personalizadas portátiles [5]. Concretamente, QTI 3.0 define 21 tipos de interacción estandarizados, cubriendo directamente casi todos los formatos del catálogo anterior: choiceInteraction (pregunta de opción única/múltiple MCQ), textEntryInteraction/inlineChoiceInteraction (relleno corto numérico/textual o de opción incrustada), extendedTextInteraction (respuesta libre), gapMatchInteraction/graphicGapMatchInteraction (rellenar el hueco, incluso sobre una imagen), matchInteraction/associateInteraction (emparejamiento de dos conjuntos), orderInteraction/graphicOrderInteraction (arrastrar para secuenciar, incluidas regiones de una imagen), hotspotInteraction/selectPointInteraction (clic en la zona/punto), positionObjectInteraction (arrastrar un objeto sobre una imagen objetivo), sliderInteraction (selección numérica delimitada mediante arrastre), drawingInteraction (marcado a mano alzada sobre un lienzo) y uploadInteraction (envío de archivo) [6]. Adoptar la nomenclatura de modelos de ítem QTI 3.0 incluso de forma informal (independientemente de si Math Challenge implementa la exportación completa QTI XML en el MVP) proporciona un vocabulario validado y consciente de la accesibilidad para el esquema de autoría de ítems en lugar de inventar nombres de formato desde cero, y mantiene abierta una vía real de exportación más adelante sin necesidad de reescritura.

Catálogo de formatos de ítems

Formato	Edades a las que se adapta	Qué mide	¿Autoevaluable?	¿Resistente a la resolución?	Esfuerzo de creación
Opción múltiple (selección única), distractores basados en conceptos erróneos	Todas las edades	Reconocimiento + qué error específico revela una elección incorrecta	Sí, de forma trivial	Bajo — adivinable y vulnerable a claves de respuestas memorizadas a menos que los ítems se varíen/parametricen	Bajo por ítem, mayor si se construye una biblioteca real de distractores a partir de errores documentados
Selección múltiple	8+	Capacidad de identificar todos los casos válidos, no solo uno	Sí	Medio — más difícil de adivinar que la selección única	Bajo
Entrada numérica con tolerancia	8+	Cálculo, juicio de redondeo	Sí (comprobación de rango)	Medio	Bajo
Entrada numérica, exacta	Todas las edades	Cálculo preciso	Sí	Bajo‑medio	Bajo
Estimación con rango (estilo Fermi)	10+	Razonamiento de orden de magnitud, comodidad con la incertidumbre [13]	Sí (contención de intervalo)	Alto — sin procedimiento que memorizar, solo una cadena de razonamiento	Medio (requiere una cantidad del mundo real creíble)
Completar ecuación / expresión	8+	Comprensión estructural/simbólica, una pieza faltante	Sí	Medio	Bajo‑medio
Arrastrar para ordenar	6+	Secuenciación (pasos de demostración, orden de magnitudes, orden de procesos)	Sí	Medio	Medio (requiere una interfaz de arrastre)
Emparejamiento	8+	Vincular representaciones (gráfica↔ecuación, término↔definición)	Sí	Medio	Medio
Punto caliente / seleccionar punto / hacer clic en la figura	6+	Identificación geométrica, lectura de un diagrama	Sí	Medio	Medio‑alto (requiere regiones de la imagen)
Arrastrar sobre la imagen (posicionar objeto)	8+	Colocación espacial (trazar un punto, colocar una pieza)	Sí	Medio	Medio‑alto
Construir un gráfico (trazar puntos/línea/función)	11+	Fluidez en graficado, comportamiento de funciones	Parcialmente — necesita lógica de tolerancia	Alto	Alto
Ordenar en categorías	6+	Clasificación (tipo de tarea de Swan «clasificar objetos» ) [9]	Sí	Medio	Bajo‑medio
Detectar el error (solución trabajada con error insertado)	10+	Diagnóstico de un concepto erróneo específico, no solo producir una respuesta correcta	Sí si la ubicación del error es discreta/etiquetada	Alto — requiere comprender el método, no buscar patrones en la respuesta	Medio (requiere una biblioteca de errores)
¿Cuál no encaja? (justifica tu elección)	Todas las edades	Discurso, detección de atributos, razonamiento múltiple válido	No (se califica según la calidad de la justificación, o no se califica)	Alto (no hay una única opción «correcta» para buscar)	Bajo
Patrón visual → predecir paso N / escribir regla	8+	Generalización, razonamiento algebraico temprano [10]	Sí	Medio‑alto	Bajo (altamente parametrizable)
Conversación numérica (elige/describe tu estrategia mental)	6+	Metacognición, comparación de estrategias, sentido numérico	Parcialmente (múltiples estrategias válidas)	Medio	Bajo
Problema abierto (encontrar el óptimo)	8+	Razonamiento de múltiples caminos hacia una respuesta cerrada [2]	Sí (comparar con el óptimo conocido)	Alto — sin atajo alrededor de la búsqueda	Medio
Matemática en tres actos (guiada por imagen/vídeo, sin números al principio)	8+	Motivación, formulación de preguntas, aplicar matemáticas a una predicción real [1]	Parcialmente (respuesta numérica final, sí; el encuadre, no)	Alto (el contexto cambia cada vez)	Alto (requiere medios)
Formatos de rompecabezas (estilo KenKen/Kakuro/tangram)	8+	Razonamiento combinatorio, satisfacción de restricciones, razonamiento espacial [11][12][16]	Sí	Alto — resiste la memorización mecánica por su construcción	Medio‑alto (requiere un generador/resolvedor)
Manipulables interactivos (bloques virtuales de base diez, barras de fracciones, tangram)	3–11	Puente de concreto a abstracto	Parcialmente (depende de la tarea que lo envuelve)	Medio	Alto

Design implications

1. Adoptar el enfoque de «bajo umbral, alto techo, paredes anchas» más la rúbrica de demanda cognitiva/tarea digna de grupo como lista de verificación obligatoria antes de la publicación para cada plantilla de ítem, no solo para los ítems de muestra redactados a mano — incluso un test de opción múltiple parametrizado puede evaluarse contra «¿tiene más de un camino legítimo?» [20].
2. Etiquetar cada ítem (o modelo de ítem) con cuál de los cinco propósitos instruccionales de Swan satisface (fluidez, concepto, resolución de problemas no rutinarios, lenguaje matemático, aplicación), ya que eso debe guiar la elección del formato, no solo el tema [9].
3. Construir los 8–10 formatos de ítem soportados por el MVP en aproximadamente este orden de relación coste‑beneficio: (1) opción múltiple con distractores basados en conceptos erróneos, (2) entrada numérica con tolerancia, (3) selección múltiple, (4) ecuación con huecos, (5) clasificar en categorías, (6) emparejamiento, (7) arrastrar para ordenar, (8) búsqueda óptima al estilo Open Middle, (9) encuentra el error, (10) punto caliente/haz clic en la figura — esto antepone los formatos de menor coste de desarrollo y mayor auto‑gradabilidad, y pospone los dos formatos más costosos de producción (construye‑un‑grafo, ítems de vídeo de tres actos) para una versión posterior.
4. Tratar los ítems de estilo «tres actos» y las verdaderas tareas ricas al estilo NRICH como un nivel premium pequeño y deliberadamente no escalable (decenas de ítems, no miles) en lugar de intentar imponer el formato a los 2.500 ítems — el coste de producción (media, puntuación abierta) es fundamentalmente incompatible con la generación masiva [1][20].
5. Destinar la mayor parte del esfuerzo de autoría a modelos de ítem (según el marco de radicales/incidentales/isomorfos de Automatic Item Generation), no a ítems individuales: elegir un concepto erróneo por modelo (extraído de la investigación de conceptos erróneos específica de tema de este proyecto), definir qué características numéricas/contextuales son «radicales» que deben mantenerse con dificultad constante, y permitir que un algoritmo varíe los «incidentales» para alcanzar el volumen [19].
6. Construir una biblioteca real y cit‑able de distractores por competencia, indexada a conceptos erróneos documentados (no a números aleatorios), y hacer que la señal diagnóstica del MVP sea qué distractor se ha seleccionado, no solo correcto/incorrecto — esta es la decisión de diseño de mayor palanca para convertir un banco de ejercicios en un tutor adaptativo.
7. Utilizar la estructura de Open Middle «inicio cerrado/fin cerrado/medio abierto» como plantilla por defecto para cualquier ítem de tipo «encuentra el mejor/menor/máximo», pues es simultáneamente auto‑gradable y resistente a la búsqueda de respuestas — una combinación rara [2].
8. Dar a los ítems de tipo Fermi/estimación con rango su propio tipo de ítem de primera clase (entrada numérica, puntuación por banda de tolerancia) en lugar de encajarlos en una entrada numérica exacta — el contrato de puntuación es fundamentalmente distinto (contención de intervalo, no igualdad) [13].
9. Reservar «encuentra el error» para los conceptos erróneos ya catalogados en la investigación por tema de este proyecto (p. ej., la taxonomía de conceptos erróneos de álgebra), de modo que el error introducido en la solución trabajada sea siempre un error real y documentado, y etiquetar qué error nombrado prueba cada ítem de este tipo.
10. Adoptar los nombres de tipos de interacción de QTI 3.0 (choiceInteraction, textEntryInteraction, gapMatchInteraction, matchInteraction, orderInteraction, hotspotInteraction, positionObjectInteraction, sliderInteraction, drawingInteraction, etc.) como vocabulario del esquema interno del modelo de datos de autoría de ítems ahora, incluso sin implementar la importación/exportación QTI XML en el MVP — esto mantiene abierta una vía real de interoperabilidad/exportación más adelante sin reescribir el esquema [5][6].
11. Incluir una clase de ítem «sin respuesta única correcta, puntuado por justificación» (modelada a partir de Which One Doesn’t Belong) explícitamente fuera del pipeline de puntuación de puntos/maestría, ya que forzar una rutina basada en discurso a una puntuación de correcto/incorrecto anula su propósito [3][4].
12. Extraer la estructura «problema → solución → método» de Los Nueve Capítulos y los problemas de círculos matemáticos rusos como fuente de ítems de alto techo elaborables a mano, distintos de los ejercicios curriculares, etiquetados explícitamente como una vía de enriquecimiento/desafío en lugar de mezclarse anónimamente en la progresión central [15][18].
13. Si se incluyen atajos de cálculo al estilo védico como categoría de contenido «técnica de velocidad», presentarlos como trucos aritméticos con nombre (p. ej., «el truco de cuadrado en base 10») sin afirmar una autenticidad histórica, dada la procedencia disputada/politizada del encuadre «matemáticas védicas» [17].
14. Para cada ítem de tipo problema verbal (cualquier formato, no solo MCQ), añadir ya sea un distractor «¿tiene sentido esta respuesta?» (una opción numéricamente derivable pero físicamente absurda) o una incitación ligera de reflexión posterior a la respuesta, pues la ejecución mecánica de procedimientos sin verificación de sentido en el mundo real es un modo de fallo documentado y recurrente independiente de la habilidad matemática específica que se evalúa [1][14].

Open questions for the project owner

1. ¿Debe el MVP comprometerse desde el primer día con un esquema interno con forma QTI 3.0 (aunque sin exportación XML), o esa estandarización prematura es algo que el equipo preferiría posponer hasta que exista una necesidad real de interoperar con un banco de ítems externo o un LMS?
2. Para la clase de ítem «sin respuesta única correcta» (estilo Which One Doesn’t Belong), ¿debería Math Challenge puntuar solo la participación/compromiso, usar una puntuación ligera de justificación basada en IA, o excluir totalmente esta clase de cualquier mecánica de puntuación/racha?
3. Dado que los ítems de estilo Open Middle y Fermi son los dos formatos identificados como más resistentes a la búsqueda de respuestas/engaño, ¿debería la economía temprana de XP/puntos del MVP ponderar esos formatos más fuertemente que los MCQ simples para disuadir a los estudiantes de gravitar hacia el tipo de ítem «más barato»?
4. ¿Qué proporción del objetivo de 2.500 ítems debería reservarse para el pequeño nivel premium de alta producción (tres actos, verdaderas tareas ricas al estilo NRICH, ítems de tradición de puzzles curados) frente al nivel masivo de plantillas parametrizadas — existe una ratio objetivo (p. ej., 95/5) que el propietario quiera establecer explícitamente ahora, o debería descubrirse empíricamente tras el primer sprint de contenido?
5. ¿Debe la biblioteca de distractores basada en conceptos erróneos construirse tema a tema a medida que la investigación de cada tema se complete (aprovechando la investigación de conceptos erróneos por tema ya producida para este proyecto), o centralizarse como una pasada de autoría transversal separada después de haber finalizado toda la investigación temática?