¿Cómo es posible que nuestro país crezca económicamente pero sin desarrollo?

                                                                                        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.