España 
Italia 
United States 
Brasil 
Chile
Ecuador
Mexico
Colombia
Perú
Un estudio independiente evalua el impacto de Innovamat en escuelas públicas de Río de Janeiro
Este estudio independiente de Germina muestra que, tras dos años de implementación, los alumnos que utilizaron Innovamat obtuvieron mejores resultados en matemáticas que los que no lo usaban. El artículo acompaña un artículo técnico y un Resumen Ejecutivo realizados por el grupo de investigación que ha liderado el estudio
¿Cómo empezó todo?
Hace unos años, recibimos en nuestras oficinas la visita de algunos miembros de Fundação Lemann, una de las fundaciones más relevantes en educación en Brasil. Su interés era contribuir a mejorar la educación matemática en escuelas públicas de Brasil. Y el reto no era menor. En Brasil, muchos alumnos llegan al final de la educación obligatoria con un nivel de matemáticas por debajo de lo esperado. Como recuerda el informe de Germina que compartimos aquí, en 2023 sólo el 16,5% de los alumnos de 9.º curso (3º de secundaria) alcanzaba un aprendizaje adecuado en matemáticas.
Después de aquella visita vinieron muchas conversaciones. Desde Innovamat conectamos con esa voluntad de mejorar el aprendizaje de las matemáticas en Brasil. Quisimos forjar una relación y encontrar un encaje verdadero, pero sabíamos que debíamos dar el paso asumiendo que la propuesta tenía que adaptarse a una realidad muy distinta a la nuestra.
Así empezó el camino en Río de Janeiro.
Un estudio piloto con una evaluación rigurosa
El primer acuerdo llegó con la Secretaría Municipal de Educación de Río de Janeiro, dentro de los Ginásios Educacionais Tecnológicos, una red de escuelas públicas en la ciudad. Empezamos con un piloto pequeño de 5 escuelas. El objetivo inicial era entender si el proyecto encajaba con la realidad del país, de las escuelas, de los docentes y de los alumnos.
Desde el principio acordamos algo importante: el piloto debía ir acompañado de una evaluación de impacto independiente. Con la ayuda de la Fundação Lemann se financió la evaluación y se decidió colaborar con Germina, una institución de investigación brasileña cuya propuesta de estudio y cuyo equipo nos dieron mucha confianza. La evaluación se realizó de forma independiente, con acuerdo formal con la Secretaría Municipal de Educación de Río y aprobación del comité nacional de ética en Brasil.
Si queríamos saber qué estaba pasando, necesitábamos datos externos a Innovamat, una mirada independiente y un diseño que permitiera interpretar los resultados con prudencia.
Antes de medir, había que entender cómo podía ocurrir el cambio
La evaluación no empezó directamente con una prueba. Primero trabajamos en el codiseño de una teoría del cambio: una explicación ordenada de cómo esperábamos que el programa pudiera generar impacto, a partir de nuestra experiencia en centenares de escuelas y de la evidencia que habíamos acumulado en estudios previos.
Y aquí hubo una idea central que compartimos desde el principio: la mejora educativa no es inmediata.
Innovamat no mejora los resultados mediante una intervención puntual o aislada sobre los alumnos. Actúa, principalmente, a través del docente. El programa ofrece materiales manipulativos, guías didácticas, una plataforma digital, formación y acompañamiento. Pero el cambio real ocurre cuando los docentes son capaces de adaptar la propuesta a las necesidades de su aula. Es en ese momento cuando las actividades cobran vida y consiguen que los alumnos participen de otra manera en el aula de matemáticas.
Por eso, Germina distinguió entre impactos de corto plazo e impactos de largo plazo:
- A corto plazo esperábamos ver cambios en las prácticas docentes, en la dinámica de aula, en la participación y en la motivación del alumnado.
- A largo plazo, esperábamos ver mejoras en el rendimiento en pruebas de matemáticas.
La hipótesis era que durante el primer año podían aparecer cambios en el aula; pero los resultados en aprendizaje probablemente necesitarían más tiempo.
A partir de esta teoría del cambio, Germina diseñó el estudio de forma independiente y utilizando datos independientes de Innovamat: principalmente los resultados de la ADR, la evaluación diagnóstica de la red municipal de Río de Janeiro.
¿Cómo se diseñó el estudio?
El estudio tuvo dos fases. La primera fue el piloto inicial de 2024. Germina diseñó una aleatorización estratificada para escoger las escuelas tratadas y compararlas con un grupo de control (escuelas que no hacen Innovamat) lo más parecido posible. En la práctica, esto significó usar datos públicos de las escuelas —como rendimiento previo, nivel socioeconómico, tamaño, proporción de estudiantes de diferentes etnias y otras variables— para formar grupos comparables y asignar el tratamiento de manera aleatoria dentro de esos grupos. Esta asignación aleatoria ayuda a reducir posibles sesgos de selección, es decir, evita que participen solo escuelas o personas con características particulares que podrían influir en los resultados, como una mayor motivación o un interés especial por las matemáticas. Además, el uso de una aleatorización estratificada permite que los grupos comparados sean lo más equilibrados posible. De este modo, los resultados obtenidos pueden interpretarse con mayor confianza.
Finalmente, 5 escuelas empezaron con Innovamat y 34 escuelas quedaron como grupo de control. Esta primera fase les permitió observar dos cosas: qué pasó durante el primer año de implementación y qué pasó después de dos años en esas mismas escuelas.
La segunda fase llegó en 2025, cuando el programa se amplió a 25 escuelas más. En este caso, la selección no fue aleatoria, sino administrativa: la hizo la propia Secretaría Municipal de Educación de Río. Por eso, estos resultados deben leerse con más cautela. Además, para estas escuelas todavía solo tenemos datos del primer año de implementación. Para saber si los efectos de largo plazo se replican en ellas, habrá que esperar a los datos del curso 2026-2027.
El análisis principal se hizo con una metodología llamada diferencias en diferencias (DiD, por sus siglas en inglés). Dicho de forma sencilla: se compara cómo evolucionan los alumnos de las escuelas con Innovamat respecto a cómo evolucionan los alumnos de escuelas similares sin Innovamat. Además, Germina complementó estos datos con encuestas a docentes: obtuvieron 1.049 respuestas de 393 escuelas en tres momentos distintos. Y también entrevistas cualitativas para entender mejor los cambios en la práctica docente.
Primer resultado: la clase cambia
El primer aprendizaje fue muy claro: a corto plazo, los docentes describieron cambios en la manera de enseñar.
Los docentes de las escuelas con Innovamat declararon usar más recursos tanto físicos como digitales, proponer más situaciones de aprendizaje activo y dar más feedback estructurado a los alumnos. En el resumen ejecutivo, Germina destaca tres cifras: +28 puntos porcentuales en uso de recursos digitales, +20 puntos en prácticas de aprendizaje activo y +25 puntos en feedback estructurado. Pero hay muchos más matices y por eso os recomendamos leer el artículo técnico más en detalle. Esto es importante porque confirma una parte esencial de la teoría del cambio. Antes de ver mejoras en pruebas, debíamos ver que el programa estaba modificando lo que pasaba en el aula. Y eso es lo que muestran los datos.
Segundo resultado: después de dos años, los alumnos aprenden más
En el primer año del piloto, Germina no detectó un efecto significativo en aprendizaje a nivel agregado. Esto no nos sorprendió, ya que era coherente con la hipótesis inicial. Cambiar rutinas docentes, adaptar materiales y transformar la dinámica de aula requiere tiempo.
Sin embargo, la parte más relevante llegó en el segundo año. En las 5 escuelas de la primera fase, los alumnos de 2.º y 3.º mostraron mejoras significativas en matemáticas. En 2.º, el efecto estimado fue de +0,16 desviaciones estándar, equivalente aproximadamente a +9 puntos SAEB (el sistema nacional de evaluación de Brasil que mide el rendimiento escolar y la calidad del sistema educativo mediante exámenes estandarizados y censales). En 3.º, el efecto fue de +0,20 desviaciones estándar, equivalente aproximadamente a +12 puntos SAEB. Ambos resultados fueron estadísticamente significativos. La conversión a puntos SAEB ayuda a hacer más intuitivo el resultado, aunque Germina advierte que debe interpretarse como una aproximación: la ADR y el SAEB son pruebas distintas.
Como indica Germina en su artículo técnico, estos tamaños de efecto son relevantes si los comparamos con los que suelen encontrarse en evaluaciones rigurosas de intervenciones educativas. Germina los contrasta con la base de datos ampliada de Kraft (2023), que recopila resultados de ensayos aleatorizados con pruebas estandarizadas de aprendizaje en seis repositorios internacionales, entre ellos el What Works Clearinghouse y la Education Endowment Foundation. En esa comparación, la mediana de los efectos suele situarse entre +0,03σ y +0,14σ, según la fuente. El efecto observado en 3.º (+0,20σ) supera el percentil 70 en cinco de las seis bases analizadas, y el de 2.º (+0,16σ) lo supera en cuatro. Dicho de forma sencilla: no solo son resultados positivos, sino que, puestos en contexto, están por encima de lo habitual en este tipo de estudios.
También es importante ser prudentes: en la primera fase solamente eran 5 escuelas las que utilizaban Innovamat. Los resultados son positivos, prometedores y estadísticamente significativos, pero será importante confirmar que el efecto se mantiene cuando tengamos el segundo año de datos de las 25 escuelas de la segunda fase.
Tercer resultado: también se reducen brechas
El estudio analizó además la equidad. Siguiendo las prácticas habituales en la investigación sobre política educativa en Brasil, Germina agrupa como PPI personas racializadas de grupos que históricamente han sufrido mayores desigualdades educativas (los grupos clasificados como Preta, Parda e Indígena en el Census Nacional de Brasil).
Considerando las dos fases y los años disponibles, el programa se asoció con una reducción significativa de 0,07 desviaciones estándar en la brecha entre estudiantes PPI y no PPI.
Este resultado nos parece especialmente relevante. Innovamat no incorporaba en este piloto una intervención específica de equidad racial, por lo que la mejora parece producirse de forma indirecta: al recomponer aprendizajes y ofrecer experiencias matemáticas más ricas, accesibles y participativas, el programa beneficia proporcionalmente más a quienes partían de una situación más vulnerable.
Discusión general
Para nosotros, el punto más importante a destacar es que los resultados son consistentes con otros estudios previos que habíamos realizado internamente (biblioteca de estudios), lo que aporta evidencia a favor del uso del programa en el contexto de Río de Janeiro. Es decir, en un contexto bastante distinto a estudios previos y con una investigación independiente, llegamos a conclusiones muy parecidas: Innovamat da apoyo a los docentes para generar cambios en las prácticas de aula hacia unas matemáticas más centradas en el aprendizaje conceptual profundo y el desarrollo de competencias. Esto requiere tiempo, formación y familiarización con el programa por parte del equipo docente. Pero estos cambios tienen su recompensa: en el segundo año de implementación, los alumnos muestran un mejor rendimiento en las pruebas de matemáticas. Además, estos avances parecen tener más impacto para aquellos alumnos de grupos más vulnerables y contribuyen así a reducir la brecha de equidad.
Este estudio no cierra la conversación sobre el impacto de Innovamat en el aprendizaje de las matemáticas. Al contrario: la abre con más rigor. La muestra inicial es pequeña, la segunda fase todavía necesita un segundo año de seguimiento y habrá que contrastar los resultados con otras pruebas, como Prova Rio, SAEB 2025 y futuras evaluaciones de fluidez matemática. Pero, en parte gracias a estos resultados positivos, en el curso 2026-2027 Innovamat ya se está implementando en 159 escuelas públicas de Río de Janeiro. Hay una gran oportunidad para seguir investigando y aprendiendo sobre los retos de implementación, los cambios en el aula y qué relación tiene todo esto con los resultados.
Este estudio refuerza una idea sencilla, pero muy importante: la manera de enseñar importa. Y también nos recuerda que en educación para saber si algo funciona, no basta con implementarla: hay que acompañarla, evaluarla bien, reconocer sus límites y seguir aprendiendo de la información.
Contar con el análisis de instituciones externas es muy positivo y nos indica que vamos en la buena dirección. Y por eso estamos abiertos a que la comunidad científica y los mejores investigadores sigan colaborando con nosotros, examinando nuestra propuesta para continuar haciendo investigación conjunta de primer nivel.
Referencias
Kraft, M. A. (2023). The Effect-Size Benchmark That Matters Most: Education Interventions Often Fail. Educational Researcher, 52(3), 183-187.
