Dr. Victor Oxley
La situación
socioeconómica de Paraguay presenta una contradicción estructural fundamental:
un crecimiento macroeconómico sostenido que no logra traducirse en desarrollo
social ni en una distribución equitativa de la riqueza (Banco Mundial, 2023).
Este desacople entre el Producto Interno Bruto (PIB) y el bienestar material se
manifiesta en cifras concretas. Según el Banco Mundial (2023), Paraguay mantuvo
una tasa promedio de crecimiento del PIB del 4.1% entre 2010 y 2022,
destacándose como una de las economías de más rápido crecimiento en América
Latina. Sin embargo, ese mismo año, el 23.5% de la población vivía en pobreza monetaria
y el coeficiente de Gini, que mide la desigualdad, se situaba en 0.45, uno de
los más altos de la región. Esta paradoja ejemplifica la distinción conceptual
que Sen (1999) estableció entre crecimiento económico, medido por el PIB, y
desarrollo humano, entendido como la expansión de las libertades y capacidades
reales de las personas.
La explicación de esta
paradoja tiene su origen en una matriz productiva desequilibrada y
excesivamente dependiente de un sector primario extractivo (Banco Central del
Paraguay, 2023). Según datos oficiales, las exportaciones de productos
primarios representaron el 76.4% del total en 2022, mostrando una tendencia de
reprimarización, pues en 2012 esta proporción era del 68%. Esta dinámica
refleja lo que la literatura económica ha denominado la “maldición de los
recursos”, donde la abundancia de recursos naturales, lejos de impulsar un
desarrollo diversificado, puede reprimir la industrialización y concentrar el
ingreso (Auty, 1993; Sachs & Warner, 1995). Como señala Stiglitz (2012), el
crecimiento impulsado por commodities y ventajas comparativas estáticas tiende
a concentrar la riqueza más que a distribuirla. En Paraguay, esto se evidencia
en que el sector agropecuario, responsable del 24% del PIB (CEPAL, 2022), emplea
solo al 18% de la población económicamente activa, pero concentra el 45% de las
tierras productivas (INDI, 2021). Este tipo de crecimiento, desarticulado de
cadenas productivas internas, crea pocos encadenamientos y limita severamente
la creación de empleo decente (Rodrik, 2011).
En este contexto, el
crecimiento del PIB opera como un indicador engañoso, pues se desvincula del
bienestar de la mayoría. Como demostraron Hanushek y Woessmann (2015), lo que
impulsa el progreso sostenible no es la magnitud del crecimiento, sino la
calidad del capital humano y las habilidades cognitivas de la población. Así,
la paradoja paraguaya es el resultado lógico de un patrón de acumulación que,
en términos de Piketty (2014), permite que la tasa de retorno del capital supere
persistentemente la tasa de crecimiento general de la economía, profundizando
la brecha entre los dueños de los factores de producción y el resto de la
sociedad. Los datos del Ministerio de Hacienda (2023) muestran que el 20% más
rico de la población concentra el 54% del ingreso nacional, mientras que el 40%
más pobre recibe apenas el 12%.
La superación de este
estancamiento exige, de manera inexorable, la transformación estructural de la
base productiva nacional mediante la industrialización orientada a la
agregación de valor. Como demostró históricamente Kuznets (1966), este cambio
estructural es el motor fundamental para elevar la productividad y el ingreso
per cápita a largo plazo. No se trata de una mera ampliación del aparato
industrial, sino de un proceso estratégico de incorporación de eslabones
productivos posteriores a la extracción y cosecha, lo que Hirschman (1958)
conceptualizó como la creación de “encadenamientos productivos” hacia atrás y
hacia adelante. La evidencia empírica es contundente: como sostiene Rodrik
(2013), no existe ejemplo histórico de un país que haya logrado un desarrollo
amplio y sostenido sin atravesar una fase significativa de industrialización.
Sin embargo, esta
transición industrial no es un proceso automático. Su viabilidad y éxito
dependen de un presupuesto humano capacitado. Este principio fue claramente
ilustrado por el éxito de los tigres asiáticos. Como documentó Amsden (1989),
el milagro industrial de Corea del Sur se basó en una inversión masiva y
estratégica en la formación de una fuerza laboral capaz de dominar, adaptar y
finalmente innovar en procesos tecnológicos complejos. Una industria moderna
requiere una fuerza laboral con competencias lógico-matemáticas sólidas para
operar, mantener y optimizar tecnologías complejas; gestionar procesos bajo
estándares de calidad; controlar variables logísticas y financieras; y analizar
datos para la mejora continua. La ausencia de estas competencias convierte la
inversión en infraestructura industrial en un gasto estéril. Este riesgo es
especialmente alto en contextos de “industrialización tardía”, donde, como
advierte Chang (2002), la mera transferencia de tecnología sin el
correspondiente desarrollo de capacidades humanas locales conduce a dependencia
tecnológica. En última instancia, como concluye el Banco Mundial (2013), la
calidad de los empleos creados y la sostenibilidad del crecimiento industrial
dependen directamente de las habilidades de la población.
Es en este nexo causal
donde la educación, y de manera específica y prioritaria la educación
matemática, emerge como la variable estratégica decisiva. Esta afirmación se
sustenta en la teoría económica del capital humano, desarrollada por Becker
(1964), que postula que la inversión en educación, particularmente en
habilidades cognitivas complejas, es la principal fuente de crecimiento de la
productividad laboral. El pensamiento lógico-matemático constituye el sustrato
cognitivo indispensable para el desarrollo de las competencias antes
mencionadas. No se trata del mero aprendizaje de algoritmos aritméticos, sino
de la formación de una estructura mental rigurosa para la resolución de
problemas, la modelización de sistemas y el pensamiento abstracto. Como
demostraron empíricamente Hanushek y Woessmann (2015), son precisamente estas
habilidades cognitivas de alto nivel, medidas a través del desempeño en
matemáticas, las que tienen un poder predictivo sobre el crecimiento económico
a largo plazo. La matemática, por tanto, deja de ser una disciplina académica
aislada para erigirse en el componente fundamental de la empleabilidad en una
economía industrializada, reflejando lo que Goldin y Katz (2008) denominaron la
“carrera entre educación y tecnología”.
El diagnóstico del
sistema educativo paraguayo, sin embargo, revela una crisis profunda en este
punto neurálgico. Evaluaciones nacionales e internacionales confirman un
déficit masivo y persistente en el aprendizaje de las matemáticas. A nivel
nacional, el Sistema Nacional de Evaluación del Proceso Educativo (SNEPE) 2023
revela que solo el 28.8% de los estudiantes de 6to grado y un 22.8% de los de
3er curso de la Educación Media alcanzan el nivel satisfactorio (Ministerio de
Educación y Ciencias [MEC], 2024). En las pruebas PISA de la OCDE, Paraguay se
ha ubicado consistentemente en las últimas posiciones globales en Matemáticas,
con un puntaje promedio de 327 puntos en 2022 y solo el 10% de los estudiantes
en o por encima del nivel mínimo de competencia (OCDE, 2023). Esta trayectoria
se origina tempranamente, como lo muestran los resultados del Estudio Regional
Comparativo y Explicativo (ERCE) 2019 de la UNESCO, donde Paraguay obtuvo 689
puntos en 3er grado, con solo un 22.1% de estudiantes en niveles satisfactorio
y avanzado (Laboratorio Latinoamericano de Evaluación de la Calidad de la
Educación [LLECE], 2021).
La explicación de esta
crisis persistente va más allá de los datos de rendimiento y se adentra en las
deficiencias epistémico-cognitivas de los procesos de enseñanza y aprendizaje.
Una perspectiva crucial es la teoría de los campos conceptuales de Vergnaud
(1990, 1998), que analiza la complejidad de la adquisición de conceptos
matemáticos. Complementariamente, el modelo de los significados institucionales
y parciales de los objetos matemáticos (Oxley, 2024) ofrece una lente precisa
para diagnosticar la naturaleza del aprendizaje superficial que predomina.
Según este modelo, el significado institucional representa la comprensión
formal y completa aceptada por la comunidad matemática, mientras que el
significado parcial corresponde a la comprensión limitada y contextual de un
estudiante. El aprendizaje exitoso implica una transición guiada donde los
significados parciales convergen hacia el significado institucional (Oxley,
2024). El problema central es que el sistema educativo falla sistémicamente en
facilitar esta transición.
La raíz de este fracaso
reside en una formación docente críticamente insuficiente. Los docentes, a
menudo carentes de un Conocimiento del Contenido Pedagógico (PCK) específico en
matemáticas (Shulman, 1986), no dominan ellos mismos los significados
institucionales profundos de los conceptos que enseñan. Como se señala (Oxley, 2024),
el docente es eficaz solo si logra que la interpretación parcial del estudiante
pertenezca a la intersección entre los conjuntos de significado parcial e
institucional. Sin embargo, la evidencia muestra que una proporción muy alta de
docentes son inefectivos para lograr este objetivo (Oxley, 2023). Esta deficiencia
conduce a una práctica pedagógica reduccionista, algorítmica y
descontextualizada, que prioriza la ejecución de procedimientos (complejidad
algorítmica) sobre la comprensión de las relaciones conceptuales subyacentes
(Oxley Insfrán, 2024). Esta práctica refuerza en los estudiantes significados
parciales estancados y genera confusión ontológica, donde confunden la
representación de un objeto matemático (un dibujo) con el concepto abstracto en
sí (Oxley Insfrán, 2020).
Esta problemática se
alinea con las reflexiones sobre el aprendizaje mediado por representaciones
semióticas, lo que puede generar una confusión entre el objeto y sus
representaciones si no se media adecuadamente (Duval, 1993, citado en Oxley,
2023). Se configura así un círculo vicioso: docentes con significados parciales
institucionalizados implementan una enseñanza que genera y consolida
significados parciales estancados en los estudiantes, lo que se traduce en los
bajos resultados crónicos que revelan las evaluaciones.
El núcleo de esta crisis
cognitiva puede conceptualizarse como la incapacidad de los estudiantes para
procesar la “Complejidad Ontológica” (CO) (Oxley Insfrán, 2020, 2024). La CO es
una propiedad de los enunciados matemáticos verbales que mide la transformación
estructural requerida para pasar del Lenguaje Natural (LN) al Lenguaje
Matemático (LM). Esta transformación no es meramente sintáctica, sino
ontológica: el estudiante debe reconocer qué entidades existen matemáticamente
dentro del relato y cómo se relacionan, realizando una reducción ontológica
para filtrar lo irrelevante y construir el modelo matemático correspondiente.
El estudiante paraguayo promedio no logra traducir el lenguaje natural en
esquemas lógicos formalizables. Su dificultad no es aritmética, sino
semántico-ontológica: no comprende de qué se habla en el enunciado matemático.
Esta complejidad ontológica no procesada bloquea la transición del pensamiento
concreto al abstracto, esencial para el desarrollo matemático y para las
competencias requeridas por la industria.
Si se suman estas
variables, se evidencia un círculo vicioso de implicación nacional: baja
competencia matemática → desinterés por carreras científicas → falta de
profesionales en ciencia y tecnología → estancamiento del desarrollo nacional.
Como documenta Oxley (2019/2023) al analizar los datos de ingreso a la
Universidad Nacional de Asunción, carreras fundamentales como Matemática Pura o
Física registran menos de 20 ingresantes anuales, una cifra insignificante
comparada con las centenas que optan por carreras tradicionales. El problema de
la educación matemática en Paraguay no se resuelve con más ejercicios de suma o
más horas de clase. Se resuelve enseñando a pensar matemáticamente: a
decodificar la ontología del lenguaje matemático, a distinguir entre objeto y
representación, a estructurar relaciones lógicas. Mientras no se ataque este
núcleo —la incapacidad para procesar complejidad ontológica—, cualquier reforma
será cosmética.
En síntesis, la secuencia
lógica es clara y su dirección, irreversible: sin una fuerza laboral competente
en matemáticas, no hay industrialización viable; sin industrialización que
agregue valor, no hay transformación de la matriz productiva; y sin esta
transformación, no hay posibilidad de superar la paradoja del crecimiento sin
desarrollo. La educación matemática se revela, así, no como un gasto, sino como
la inversión fundacional para el futuro económico y la justicia social en el
Paraguay. Revertir la situación exige una transformación radical que interrumpa
el círculo vicioso. La prioridad debe ser el desarrollo del conocimiento
especializado del docente (MKT), asegurando que ellos mismos posean una
comprensión institucional profunda de las matemáticas. Sobre esta base, la
práctica debe reorientarse hacia una mediación pedagógica explícita que, a
través del diálogo matemático auténtico, la exploración de invariantes y el uso
múltiple de representaciones (Vergnaud, 1998), guíe activamente a los
estudiantes en la evolución de sus significados parciales hacia el significado
institucional. Solo así se superará la instrucción algorítmica y se sentarán
las bases para un pensamiento matemático genuino y competente, que es, en
última instancia, la condición de posibilidad para el desarrollo auténtico de
la nación.
Referencias
Amsden, A. H. (1989). Asia's next giant: South Korea
and late industrialization. Oxford University Press.
Auty, R. M. (1993). Sustaining development in mineral
economies: The resource curse thesis. Routledge.
Banco Central del Paraguay.
(2023). Informe de Comercio Exterior 2022. Asunción: BCP.
Banco Mundial. (2013). Informe
sobre el desarrollo mundial 2013: Empleo. Banco Mundial.
https://openknowledge.worldbank.org/handle/10986/11843
Banco Mundial. (2023).
Paraguay: Panorama General. Washington
D.C.: World Bank Group. Recuperado de
https://www.bancomundial.org/es/country/paraguay/overview
Becker, G. S. (1964). Human capital: A theoretical and empirical analysis, with special reference to education. University of Chicago Press.
CAF - Banco de Desarrollo
de América Latina. (2023). Economía y Desarrollo: Paraguay 2023. Caracas: CAF.
CEPAL - Comisión
Económica para América Latina y el Caribe. (2022). Anuario Estadístico de
América Latina y el Caribe 2022. Santiago:
Naciones Unidas.
Chang, H.-J. (2002). Kicking away the ladder:
Development strategy in historical perspective. Anthem Press.
Duval, R. (1993). Registres de représentation
sémiotique et fonctionnement cognitif de la pensée. Annales
de Didactique et de Sciences Cognitives, 5, 37-65.
Fondo Monetario
Internacional. (2023). World
Economic Outlook Database. Washington D.C.: IMF.
Goldin, C., & Katz, L. F. (2008). The race between
education and technology. Harvard University Press.
Hanushek, E. A., & Woessmann, L. (2015). The
knowledge capital of nations: Education and the economics of growth. MIT Press.
Hirschman, A. O. (1958). The strategy of economic
development. Yale University Press.
INDI - Instituto Nacional
del Indígena. (2021). Informe sobre Tenencia de Tierras en Paraguay. Asunción:
INDI.
Instituto Nacional de
Estadística. (2022). Encuesta Permanente de Hogares 2022. Asunción: INE.
Kuznets, S. (1966). Modern economic growth: Rate,
structure, and spread. Yale University Press.
Laboratorio
Latinoamericano de Evaluación de la Calidad de la Educación [LLECE]. (2021). Informe
de Resultados del Estudio Regional Comparativo y Explicativo (ERCE 2019).
Oficina Regional de Educación para América Latina y el Caribe (OREALC/UNESCO
Santiago).
Ministerio de Educación y
Ciencias. (2024). Resultados SNEPE 2023: Informe Nacional.
Ministerio de Hacienda.
(2023). Informe de Distribución del Ingreso 2022. Asunción: Ministerio de Hacienda.
OCDE. (2023). PISA 2022 Results (Volume I): The State
of Learning and Equity in Education. OECD Publishing.
Oxley, V. M. (2023).
SNEPE 2018: La eficacia docente en matemáticas. Revista Científica de la UCSA, 10(1), 3–12.
Oxley, V. (2024). Exploring institutional and partial meanings in mathematics: A model of structure and dynamics. Journal of Educational Studies in Science and Mathematics (JESSM), 3(2), 77-86.
Oxley Insfrán, V. M. (2020). Complejidad
ontológica y enunciados de problemas matemáticos. Revista Científica Estudios E
Investigaciones, 9(1), 17–39.
Oxley
Insfrán, V. (2025). Los Campos conceptuales y complejidad ontológica en
resolución de problemas de matemáticas. UNIÓN - REVISTA IBEROAMERICANA DE EDUCACIÓN MATEMÁTICA, 21(73). Recuperado a partir de
https://revistaunion.org/index.php/UNION/article/view/1666
Piketty, T. (2014). El
capital en el siglo XXI. Fondo de Cultura Económica.
PNUD - Programa de las
Naciones Unidas para el Desarrollo. (2021). Informe sobre Desarrollo Humano 2021-2022.
Nueva York: Naciones Unidas.
Rodrik, D. (2011). The globalization paradox: Democracy
and the future of the world economy. W. W. Norton & Company.
Rodrik, D. (2013). The past, present, and future of
economic growth. Global Citizen Foundation.
Sachs, J. D., & Warner, A. M. (1995). Natural
resource abundance and economic growth. NBER Working Paper, 5398.
Sen, A. (1999). Development as freedom. Alfred A.
Knopf.
Shulman, L. S. (1986). Those who understand: Knowledge
growth in teaching. Educational Researcher, 15(2), 4-14.
Stiglitz, J. E. (2012). The price of inequality: How today's
divided society endangers our future. W. W. Norton & Company.
Vergnaud, G. (1990). La théorie des champs
conceptuels. Recherches en Didactique des Mathématiques, 10(2),
133-170.
Vergnaud, G. (1998). El niño, las
matemáticas y la realidad. Trillas.






