Efecto del mallado en el aprendizaje de métodos variacionales: cuando la discretización afecta la interpretación

Cesar Pairetti

Autores/as

Cesar Pairetti Universidad Nacional de Rosario https://orcid.org/0009-0003-6159-0470

Resumen

El pensamiento computacional ha modificado profundamente la manera en que se representan y resuelven los problemas científicos. En este trabajo se analiza cómo las estrategias de discretización espacial influyen en la interpretación conceptual de los métodos variacionales, fundamentales para la resolución numérica de ecuaciones diferenciales parciales. A través del estudio comparado de dos plataformas ampliamente utilizadas –OpenFOAM y Basilisk– se examinan los distintos modos en que sus estructuras de datos modelan el espacio y condicionan el diseño de algoritmos y operadores diferenciales, centrándose en su aplicación a un problema representativo: la simulación de turbulencia.

Desde una perspectiva epistemológica inspirada en los aportes de Piaget y García, se argumenta que estas decisiones técnicas no son neutras: contribuyen a configurar formas específicas de pensar los fenómenos físicos y de validar soluciones. Se sostiene que las diferencias entre estos paradigmas de modelado numérico deben considerarse no solo al momento de elegir una herramienta de simulación, sino también al diseñar los contenidos curriculares en carreras de ingeniería. Se propone luego una reflexión crítica sobre el impacto que el uso de herramientas numéricas puede tener en el desarrollo cognitivo de los profesionales en formación. En un contexto de adopción masiva e irreflexiva de tecnologías basadas en matemática discreta y estadística, se vuelve imprescindible revisar las implicancias epistemológicas que acompañan estas transformaciones.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Cesar Pairetti, Universidad Nacional de Rosario

Es Profesor Adjunto en la Facultad de Ciencias Exactas, Ingeniería y Agrimensura de la Universidad Nacional de Rosario (UNR). Sus principales líneas de investigación se relacionan a la simulación numérica, especialmente a la dinámica de fluidos aplicada a problemas de atomización, transferencia de calor, flujo multifásico y cambios de fase. Por otra parte, colabora con el grupo de Dispositivos Intermediales Dinámicos (DID) del Instituto Rosario de Investigaciones en Ciencias de la Educación (IRICE) perteneciente al Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) y a la UNR, estudiando metodologías de enseñanza-aprendizaje en el contexto de carreras STEAM, atravesadas por el uso de TIC, más puntualmente de aplicaciones relacionadas con herramientas de inteligencia artificial.

Citas

Canciani, P. (2023). Modelado de atomización de gotas mediante fluidodinámica computacional [Tesina de grado inédita]. Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Universidad Nacional de Rosario.

Canciani, P., Pairetti, C., & Navone, H. (2024). Modeling drop atomization using computational fluid dynamics. Mecánica Computacional, 41, 321-331. https://doi.org/p67t

Carbone, M. C. C., Pairetti, C. I., Venier, C. M., & Damián, S. M. (2024). Evaluación de modelo de turbulencia para simulación de grandes torbellinos implícita en aerodinámica externa. Resúmenes de Mecánica Computacional, 1(6), 57. https://doi.org/p67v

DiSessa, A. A. (2000). Changing minds: computers, learning, and literacy. MIT Press. https://doi.org/p67w

DiSessa, A. A. (2002). Why “conceptual ecology” is a good idea. En M. Limón & L. Mason (Eds.), Reconsidering conceptual change: Issues in theory and practice (pp. 28-60). Springer.

DiSessa, A. A. (2014). A history of conceptual change research. UC Berkeley.

DiSessa, A. A. (2023). Conceptual change and developmental teaching: comment on Gennen. Human Development, 67(2), 108-113. https://doi.org/p67x

Feigenbaum, L. (1985). Brook Taylor and the method of increments. Archive for History of Exact Sciences, 34, 1-140. https://doi.org/c6nz6p

García, R. (1997). La epistemología genética y la ciencia contemporánea. Gedisa.

Greenshields, C. J. (2018). OpenFOAM user guide version 6. The OpenFOAM Foundation.

Greenshields, C. J., & Weller, H. G. (2022). Notes on computational fluid dynamics: general principles. CFD Direct.

Hammer, D., & Elby, A. (2002). On the form of a personal epistemology. En B. K. Hofer & P. R. Pintrich (Eds.), Personal epistemology: the psychology of beliefs about knowledge and knowing (pp. 169-190). Erlbaum.

Harari, Y. N. (2024). Nexus: A brief history of information networks from the Stone Age to AI. Random House.

Milne-Thomson, L. M. (2000). The calculus of finite differences. American Mathematical Society.

Moukalled, F., Mangani, L., & Darwish, M. (2016). The finite volume method. Springer International Publishing.

Oreskes, N., Shrader-Frechette, K. & Belitz, K. (1994). Verification, validation, and confirmation of numerical models in the earth sciences. Science, 263(5147), 641-646. https://doi.org/ct36kv

Papert, S. (1980). Mindstorms: children, computers, and powerful ideas. Basic Books.

Piaget, J., & García, R. (1982). Psicogénesis e historia de la ciencia. Siglo XXI.

Popinet, S. (2009). An accurate adaptive solver for surface-tension-driven interfacial flows. Journal of Computational Physics, 228(16), 5838-5866. https://doi.org/czp5zz

Prosperetti, A. (2017). Vapor bubbles. Annual Review of Fluid Mechanics, 49(1), 221-248. https://doi.org/gs7rn4

Pujante-Martínez, L., Le Clainche, S., Pérez, J. M., & Ferrer, E. (2023). Learning fluid dynamics and the principles of flight: from primary school to STEM degrees. European Journal of Physics, 44(4), 045002. https://doi.org/p673

Roache, P. J. (2008, octubre). Validation: definitions or descriptions [Ponencia]. 3rd Workshop on CFD Uncertainty Analysis, Lisboa, Portugal. https://goo.su/AzPBp

Seguenzia, N. I., Canciani, P., Pairetti, C., & Navone, H. (2022). Efectos del modelado de turbulencia sobre las fuerzas aerodinámicas en un cilindro fijo. Mecánica Computacional, 39(4), 109-110. https://goo.su/fpOs

Van Hooft, J. A., Popinet, S., Van Heerwaarden, C. C., Van der Linden, S. J., De Roode, S. R., & Van de Wiel, B. J. (2018). Towards adaptive grids for atmospheric boundary-layer simulations. Boundary-Layer Meteorology, 167, 421-443. https://doi.org/gdkrrn