Niveles de razonamiento estadístico de profesores de matemáticas sobre variabilidad

Jaime I. García-García, Nicolás A. Fernández Coronado, Elizabeth H. Arredondo, Danilo Díaz-Levicoy

Resumen


En este artículo se analiza el nivel de razonamiento estadístico que muestran profesores de matemáticas sobre variabilidad al momento de resolver tareas de predicción inscritas en problemas binomiales, antes y después de desarrollar actividades de simulación computacional. El método de investigación corresponde a un estudio de casos, donde participaron siete profesores en servicio. Para la recolección de los datos se utilizaron dos cuestionarios que sirvieron como previo y posterior en cada fase del estudio. Las respuestas de los profesores fueron analizadas considerando cuatro niveles de razonamiento estadístico establecidos a partir de la taxonomía SOLO: preestructural, uniestructural, multiestructural y relacional. Las respuestas al cuestionario previo indican un predominio del nivel preestructural, al no cumplir con lo requerido de la tarea; después de las actividades de simulación, se evidenció un aumento en el nivel de razonamiento en las respuestas de los profesores, clasificándolas en multiestructural y relacional, es decir, consideraron la variabilidad en las tareas de predicción.

Citas


Bakker, A. (2004). Reasoning about shape as pattern in variability. Statistics Education Research Journal, 3(2), 64-83. Recuperado de: http://iase-web.org/documents/SERJ/SERJ3(2)_Bakker.pdf

Bakker, A. y Gravemeijer, P. E. (2004). Learning to reason about distribution. En D. Ben-Zvi y J. Garfield (Eds.), The challenge of developing statistical literacy, reasoning and thinking (147-168). The Netherlands: Kluwer Academic Publishers. DOI: https://doi.org/10.1007/1-4020-2278-6_7

Batanero, C. (2001). Didáctica de la Estadística. Granada: GEEUG. Recuperado de: http://www.ugr.es/~batanero/pages/ARTICULOS/didacticaestadistica.pdf

Ben-Zvi, D. (2004). Reasoning about variability in comparing distributions. Statistics Education Research Journal, 3(2), 42-63. Recuperado de: http://iase-web.org/documents/SERJ/SERJ3(2)_BenZvi.pdf

Biggs, J. y Collis, K. (1991). Multimodal learning and the quality of intelligence behavior. En H.A. Rowe (Ed.), Intelligence: Reconceptualization and measurement (pp. 57-76). Hillsdale, NJ: Lawrence Erlbaum Associates.

Díaz-Levicoy, D., Sepúlveda, A., Vásquez, C. y Opazo, M. (2017). Organización de las respuestas sobre tablas estadísticas por futuras maestras de educación infantil desde la taxonomía SOLO. Didasc@lia: Didáctica y Educación, 8(2), 193-211. Recuperado de: https://dialnet.unirioja.es/servlet/articulo?codigo=6632901

Ezer, T. (2001). Can long‐term variability in the Gulf Stream transport be inferred from sea level?. Geophysical Research Letters, 28(6), 1031-1034. DOI: https://doi.org/10.1029/2000GL011640

García, J. I., Medina, M. y Sánchez, E. (2014). Niveles de razonamiento de estudiantes de secundaria y bachillerato en una situación-problema de probabilidad. Avances de Investigación en Educación Matemática, 6, 5-23. DOI: https://doi.org/10.35763/aiem.v1i6.90

García-García, J. I. (2017). Razonamiento probabilístico de estudiantes de bachillerato sobre la noción de la distribución binomial (Tesis de Doctorado). Centro de Investigación y de Estudios Avanzados de Instituto Politécnico Nacional, México.

García-García, J. I., Arredondo, E. H. y Márquez, M. (2018). Desarrollo de la noción de distribución binomial en estudiantes de bachillerato con apoyo de tecnología. Revista Paradigma, 39(2), 92-106. Recuperado de: http://revistaparadigma.online/ojs/index.php/paradigma/article/view/702/698

Garfield, J. y Ben-Zvi, D. (2008). Developing students’ statistical reasoning: Connecting research and teaching practice. Nueva York, NY: Springer Science y Business Media.

Goetz, J.P. y Lecompte, M.D. (1988). Etnografía y diseño cualitativo en investigación educativa. Madrid: Morata.

González, O. (2016). A framework for assessing statistical knowledge for teaching based on the identification of conceptions of variability held by teachers. En D. Ben-Zvi y K. Makar (Eds.), The Teaching and Learning of Statistics (pp. 315-325). Cham: Springer. DOI: https://doi.org/10.1007/978-3-319-23470-0_37

Jones, G. A., Langrall, C. W., Thornton, C. A. y Mogill, A. T. (1999). Students’ probabilistic thinking in instruction. Journal for Research in Mathematics Education, 30, 487-519. Recuperado de: https://www.jstor.org/stable/749771

Juárez, J. A. e Inzunsa, S. (2014). Comprensión y razonamiento de profesores de matemáticas de bachillerato sobre conceptos estadísticos básicos. Perfiles educativos, 36(146), 14-29. Recuperado de: http://www.scielo.org.mx/pdf/peredu/v36n146/v36n146a2.pdf

Landín, P. R. y Sánchez, E. (2010). Niveles de razonamiento probabilístico de estudiantes de bachillerato frente a tareas de distribución binomial. Educação Matemática Pesquisa, 12(3), 598-618. Recuperado de: https://revistas.pucsp.br/emp/article/view/4842/3703

Lecoutre, M. P. (1992). Cognitive models and problem spaces in «purely random» situations. Educational Studies in Mathematics, 23, 557-568. DOI: https://doi.org/10.1007/BF00540060

Lock, R. (2002). Using Fathom to promote interactive explorations of statistical concepts. En B. Phillips (Ed.), Proceedings of the Sixth International Conference on Teaching Statistics (pp. 1-6). Cape Town South Africa: IASE. Recuperado de: https://iase-web.org/documents/papers/icots6/7g3_lock.pdf

Makar, K. y Canada, D. (2005). Preservice teachers’ conceptions of variation. En H. L. Chick y J. L. Vincent (Eds.), Proceedings of the 29th Conference of the International Group for the Psychology of Mathematics Education (pp. 273-280). Melbourne: PME. Recuperado de: http://emis.dsd.sztaki.hu/proceedings/PME29/PME29RRPapers/PME29Vol3MakarCanada.pdf

Miles, M. B. y Huberman, A. M. (1994). Qualitative data analysis: an expanded sourcebook. Thousand Oaks, CA: Sage Publications.

Pfannkuch, M. y Reading, C. (2006). Reasoning about distribution: A complex process. Statistics Education Research Journal, 5(2), 4-9. Recuperado de: https://iase-web.org/documents/SERJ/SERJ5(2)_GuestEd.pdf

Phatak, A. y Robinson, G. (2005, Abril). Understanding and Modelling Variability: Practitioners’ Perspectives. Trabajo presentado en International Statistical Institute, 55th Session. Sydney, Australia. Recuperado de: http://iase-web.org/documents/papers/isi55/Phatak-Robinson.pdf

Ramírez, G. (2008). Formas de razonamiento que muestran estudiantes de maestría de matemática educativa sobre la distribución normal mediante problemas de simulación en Fathom. Revista Electrónica de Investigación en Educación en Ciencias, 3(1), 10-23. Recuperado de: https://www.redalyc.org/pdf/2733/273320549002.pdf

Reading, C. y Shaughnessy, J. M. (2004). Reasoning about variation. En D. Ben-Zvi y J. Garfield (Eds.), The challenge of developing statistical literacy, reasoning and thinking (pp. 201-226). The Netherlands: Kluwer Academic Publishers. DOI: https://doi.org/10.1007/1-4020-2278-6_9

Sánchez, E. (2002). Teacher’s beliefs about usefulness of simulation with the educational software Fathom for developing probability concepts statistics classroom. En B. Phillips (Ed.), Proceedings of the Sixth International Conference on Teaching Statistics (pp. 1-6). Cape Town South Africa: IASE. Recuperado de: http://iase-web.org/documents/papers/icots6/6e2_sanc.pdf

Sánchez, E. y García, J. (2008). Acquisition of notions of statistical variation by in-service teachers. En C. Batanero, G. Burrill, C. Reading y A. Rossman (Eds.), Joint ICMI/IASE Study: Teaching Statistics in School Mathematics. Challenges for Teaching and Teacher Education. Proceedings of the ICMI Study 18 and 2008 IASE Round Table Conference (pp- 1-6). Monterrey: ICMI and IASE. Recuperado de: https://iase-web.org/documents/papers/rt2008/T3P5_Sanchez.pdf

Sharma, S. (2007). Exploring Pre-service Teachers’ Reasoning about Variability: Implications for Research. Australian Senior Mathematics Journal, 21, 31-43.

Shaughnessy, J. M. (1997). Missed opportunities in research on the teaching and learning of data and chance. En F. Biddulph y K. Carr (Eds.), People in mathematics education (pp. 6-22). Waikato, New Zealand: Mathematics Education Research Group of Australasia.

Shaughnessy, J. M. (2019). Recommendations about the Big Ideas in Statistics Education: A Retrospective from Curriculum and Research. Cuadernos de Investigación y Formación en Educación Matemática, 18, 44-58. Recuperado de: https://revistas.ucr.ac.cr/index.php/cifem/article/view/39892

Vermette, S. y Gattuso, L. (2014). High school teachers’ pedagogical content knowledge of variability. En K. Makar, B. de Sousa, & R. Gould (Eds.), Sustainability in statistics education. Proceedings of the Ninth International Conference on Teaching Statistics (pp. 1-6). Voorburg, The Netherlands: International Statistical Institute. Recuperado de: http://icots.info/icots/9/proceedings/pdfs/ICOTS9_2F3_VERMETTE.pdf

Wessels, H. (2014). Developing statistical knowledge for teaching of variability through professional development. En K. Makar, B. de Sousa y R. Gould (Eds.), Sustainability in statistics education. Proceedings of the Ninth International Conference on Teaching Statistics (pp. 1-6). Voorburg, The Netherlands: International Statistical Institute. Recuperado de: http://icots.info/9/proceedings/pdfs/ICOTS9_7B2_WESSELS.pdf

Wild, C. (2006). The concept of distribution. Statistics Education Research Journal, 5(2), 10-26. Recuperado de: http://iase-web.org/documents/SERJ/SERJ5(2)_Wild.pdf

Wild, C. y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 223-265. Recuperado de: https://iase-web.org/documents/intstatreview/99.Wild.Pfannkuch.pdf


Texto completo

Refbacks

  • No hay Refbacks actualmente.


Licencia de Creative Commons
Esta obra está licenciada bajo una Licencia Creative Commons Atribución-NoComercial 2.5 Argentina .

Revista Electrónica de Investigación en Educación en Ciencias. ISSN 1850-6666 UNCPBA-NIECyT-CONICET Pinto 399 -  C.P. 7000 Tel. 0054 0249 4439653 Tandil, Buenos Aires, Argentina. reiec@exa.unicen.edu.ar