Constructing Mathematical Meaning through Authentic Nutrition Problems in Higher Education

Sintesi Tecnica: Costruire il Significato Matematico attraverso Problemi Nutrizionali Autentici nell'Istruzione Superiore

Definizione del Problema
Lo studio affronta una sfida persistente nell'educazione STEM interdisciplinare: la matematica spesso appare nei corsi senza diventare un esplicito oggetto di "costruzione di senso" (sense making). Nell'educazione nutrizionale, i compiti matematici spesso degradano in applicazioni procedurali (ad esempio, sostituire numeri in formule) piuttosto che richiedere agli studenti di coordinare quantità, interpretare rappresentazioni e giustificare affermazioni disciplinari. La ricerca indaga come gli studenti universitari di nutrizione costruiscano il significato matematico quando affrontano problemi autentici riguardanti proporzionalità, percentuali, funzioni e interpretazione dei dati. Nello specifico, lo studio investiga se i punteggi aggregati delle valutazioni possano catturare la qualità del ragionamento matematico o se essi mascherino lacune critiche tra l'accuratezza procedurale e l'inferenza valida.

Metodologia
La ricerca ha impiegato un design di studio di caso a prove miste convergenti a guida qualitativa all'interno di un corso di "Matematica per la Nutrizione" (NCMA-0016) presso un'università pubblica in Panama durante il semestre accademico 2026. Lo studio ha coinvolto 60 studenti (46 donne, 14 uomini).

• Corpus dei Dati: L'analisi ha integrato diverse fonti di evidenza:
  • Il piano di corso ufficiale.
  • Quattro trascrizioni video di gruppo distinte (circa 7–12 minuti ciascuna) che coprono etichette nutrizionali, indicatori antropometrici, pianificazione dei pasti e analisi dei dati di sondaggio.
  • Un portfolio collegato di un gruppo (Team 5) contenente calcoli di sondaggio e riflessioni.
  • Quattro artefatti scritti a mano del Team 5 che dimostrano misurazione proporzionale, tassi unitari e modellazione lineare.
  • Record di valutazione de-identificati per tutti i 60 studenti.
• Quadro Analitico: Lo studio ha utilizzato un quadro teorico a quattro lenti:
  1. Schoenfeld: Per analizzare risorse, strategie, monitoraggio e controllo nella risoluzione dei problemi.
  2. Silver: Per esaminare la formulazione di problemi, la produzione matematica e la flessibilità.
  3. Li: Per valutare l'apprendimento STEM interdisciplinare e il trasferimento.
  4. Marzano-Kendall: Per organizzare la domanda cognitiva e le evidenze di valutazione (sistema del sé, metacognizione, elaborazione cognitiva, domini della conoscenza).
• Procedure Analitiche:
  • Qualitativa: Le trascrizioni video e gli artefatti sono stati segmentati in "episodi" e codificati per risorse, strategie, rappresentazioni, monitoraggio, formulazione del problema e integrazione disciplinare. L'analisi si è concentrata sul caso del "Team 5" come esempio emblematico sia di un'alta qualità procedurale che di un breakdown strutturale.
  • Quantitativa: Statistiche descrittive, correlazioni di Pearson/Spearman e regressione gerarchica sono state utilizzate per analizzare i record di valutazione. Un composito formativo provvisorio, MKACI-P, è stato costruito da segnali non ridondanti del corso (fondamenta cognitive, analisi/comunicazione, utilizzo della conoscenza, opportunità di impegno) per servire come complemento limitato ai risultati qualitativi, non come una scala latente validata.

Risultati Chiave

1. Accuratezza Procedurale vs. Inferenza Valida: Il risultato centrale è la coesistenza di procedure matematiche corrette con inferenze quantitative invalide. Nel caso emblematico del Team 5, gli studenti hanno calcolato correttamente le percentuali marginali dai dati del sondaggio (102 rispondenti), ma successivamente hanno mediato indicatori sovrapposti e convertito queste medie in conteggi a livello individuale e in un rapporto senza evidenza di frequenza congiunta. Ciò ha prodotto una presentazione "rifinita" contenente un modello fondamentalmente invalido.
2. Competenza Dipendente dal Compito: La competenza matematica è risultata essere dipendente dal compito. Lo stesso gruppo ha dimostrato un solido ragionamento proporzionale, logica di tasso unitario e corretta interpretazione di pendenza e intercetta in altri artefatti (ad esempio, modellazione dei costi dei menu, funzioni dell'apporto proteico), ma non è riuscito a monitorare le assunzioni quando il compito richiedeva l'aggregazione statistica di categorie sovrapposte.
3. Limiti dei Voti Aggregati: I record di valutazione hanno mostrato una coorte ad alte prestazioni con punteggi concentrati verso il soffitto. Sebbene il composito MKACI-P fosse correlato con le misure di fine corso ($r = .762$), la correlazione di rango era più debole ($\rho = .336$), e punteggi compositi elevati non garantivano una modellazione valida in compiti autentici. I voti aggregati non sono riusciti a esporre gli errori inferenziali visibili nell'analisi dei video e degli artefatti.
4. Evidenza di Monitoraggio: Lo scrutinio esplicito delle assunzioni è stato raro. Il monitoraggio e il controllo sono stati più visibili quando gli studenti diagnosticavano errori di unità o mettevano in discussione la sufficienza di un singolo indicatore di screening (ad esempio, l'IMC), ma questi controlli critici erano spesso assenti quando gli studenti passavano dalla descrizione dei dati alle affermazioni disciplinari.

Contributi Chiave

• Empirico: Lo studio documenta come gli studenti di nutrizione mobilitano il ragionamento proporzionale, funzionale, grafico e inferenziale attraverso compiti autentici, evidenziando che il calcolo corretto non equivale a una modellazione disciplinare valida.
• Teorico: Integra quattro prospettive teoriche distinte (Schoenfeld, Silver, Li, Marzano-Kendall) per distinguere tra l'esecuzione di una procedura, la comprensione della struttura, la formulazione di inferenze giustificate e l'esame critico delle assunzioni.
• Metodologico: Dimostra che gli episodi derivati dai video e gli artefatti degli studenti devono guidare la narrazione esplicativa, con l'analisi dei voti che funge solo da triangolazione limitata. Sostiene che i prodotti di gruppo (video) non possono sostituire l'evidenza matematica individuale riguardo al monitoraggio metacognitivo.

Significato e Rivendicazioni
L'articolo sostiene che l'apprendimento efficace della matematica-nelle-STEM diventa visibile solo quando gli studenti coordinano quantità, rappresentazioni, assunzioni e significati disciplinari piuttosto che limitarsi a ottenere valori corretti. Lo studio propone un ciclo di valutazione della costruzione di senso per l'istruzione superiore che include:

1. Formulazione di problemi autentici.
2. Produzione matematica visibile.
3. Attenzione dell'insegnante alle assunzioni e ai limiti del modello.
4. Valutazione cognitivamente differenziata (distinguendo tra recupero, analisi e utilizzo).
5. Compiti di revisione e trasferimento.

Gli autori posizionano la matematica non come uno strumento decorativo, ma come una pratica integrativa essenziale per esaminare e giustificare le affermazioni disciplinari. Concludono che, sebbene i contesti autentici e i prodotti collaborativi siano preziosi, essi devono essere accoppiati con strategie di valutazione che rendano il ragionamento e le assunzioni ispezionabili, piuttosto che fare affidamento solo sui punteggi aggregati o sul valore della produzione. Lo studio afferma modestamente che i suoi risultati contribuiscono a riformulare l'apprendimento STEM efficace attorno alla costruzione di senso, alla modellazione e al ragionamento critico, riconoscendo al contempo i limiti legati al design a coorte singola e l'impossibilità di ricostruire le traiettorie di negoziazione individuale dalle trascrizioni editate.