1. Adelanto de proyecto de tesis doctoral:
Análisis relacional del uso del software “Minitab®” con respecto al
desarrollo del pensamiento estadístico sobre intervalos de confianza
Presentado por:
José Luis Ángel Rodríguez Silva
Asesor de tesis:
Dr. Mario Sánchez Aguilar
Aguascalientes, Ags. A 11 de noviembre de 2012
2. Contenido:
1. Introducción
2. Pregunta de investigación
3. Caracterización del estudio
4. Contexto donde está situado el estudio
5. Naturaleza de los estudios de investigación
3. 1. Introducción
Uno de los propósitos principales que persigue
el proceso de enseñanza-aprendizaje de la
estadística consiste en que los estudiantes sean
capaces de adquirir una serie de habilidades
que les permitan, con relativa soltura, ser
capaces de analizar y estudiar diversos
problemas estadísticos.
4. 1. Introducción
Lo anterior implica, entre otros aspectos, el que
los estudiantes se apropien de un marco
cognitivo conocido como el “pensamiento
estadístico”, así como ser capaces de plantear y
resolver problemas significativos en el área, tal y
como está señalado en Wild y Pfannkuch
(1999).
5. 1. Introducción
En dicho artículo, se presenta una definición del
pensamiento estadístico, dada por Snee en
1990: “thought process, which recognize that
variation is all around us and present in
everything we do, all work is a series of
interconnected processes, and identifying,
characterizing, quantifying, controlling, and
reducing variation provide opportunities for
improvement” (cita no encontrada de manera
original).
6. 1. Introducción
Dentro del modelo planteado en la página 226
en Wild y Pfannkuch (1999), se señala que los
tipos fundamentales identificados del
pensamiento estadístico son los siguientes:
7. 1. Introducción
• Recognition of need of data.
• Transnumeration (changing representation to
engender understanding: capturing measures
from real system, changing data
representation, communicating messages in
data).
8. 1. Introducción
• Considerations of variation (noticing and
acknowledging; measuring and modeling for
the purpose of prediction, explanation, or
control; explaining and dealing with
investigative strategies).
9. 1. Introducción
•Reasoning with statistical models.
•Integrating the statistical and contextual
(information, knowledge, conceptions).
10. 1. Introducción
Así entonces, uno de los principales objetivos en
los procesos de enseñanza-aprendizaje de la
estadística consiste en incentivar la adquisición
de los elementos anteriores con la finalidad de
promover un nivel de comprensión en el
pensamiento estadístico.
11. 1. Introducción
Actualmente, el sistema educativo mexicano no
promueve, en general, el aprendizaje efectivo
de la estadística que se traduzca en el
incremento del nivel de pensamiento
estadístico.
12. 1. Introducción
Lo anterior queda establecido por diversas pruebas
estandarizadas tanto a nivel de bachillerato
(Instituto Nacional para la Evaluación de la
Educación, 2009), así como en el análisis de los
resultados de las pruebas del Centro Nacional de
Evaluación para la Educación Superior, A.C. (Centro
Nacional de Evaluación, 2011), en las cuales los
menores niveles de comprensión se tienen
precisamente en matemáticas, en general, y
particularmente en la estadística.
13. 1. Introducción
La problemática de esta “incultura” estadística
queda de manifiesto en diversos estudios, como
los que han sido llevados a cabo por Gal (2002),
Moore (2001), Schield (2000), Schield (2004), la
Australian Bureau of Statistics (2008) y Paulos
(1988).
14. 1. Introducción
Esto es, queda de manifiesto que a pesar los
diversos esfuerzos al respecto (visto de manera
global), no se logrado dotar a los estudiantes de
nivel superior con los elementos necesarios
para que ellos desarrollen un nivel adecuado de
pensamiento estadístico.
15. 1. Introducción
De manera operacional, lo anterior se traduce en la
falta de habilidades de diversos estudiantes para la
resolución de problemas.
Esto es, al no tenerse apropiadamente los
elementos del pensamiento matemático, no es
posible en general resolver íntegramente
problemas de estadística, y a su vez, la falta de
pericia en este último aspecto impide el desarrollo
de, al menos, algunas partes del pensamiento
estadístico.
16. 1. Introducción
Uno de los aspectos que están relacionados con
la promoción del pensamiento estadístico y la
resolución de problemas en dicha área es el uso
de diversas herramientas informáticas, las
cuales han traído como consecuencia una
completa re-conceptualización acerca de una
gran diversidad de tópicos asociados en la
estadística educativa.
17. 1. Introducción
Lo anterior es cierto a la luz de diversas
investigaciones, tales como las que se presentan en
los artículos de Rubin (2007), Rubin (2008), Powers
y Blubaugh (2005), entre otros.
De hecho, también en vista de la experiencia del
docente que escribe este documento, es notable el
impacto que se ha percibido en el aprendizaje de
los estudiantes cuando se implementan
herramientas informáticas adecuadas en su
curricula estadística.
18. 1. Introducción
Sin embargo, la incorporación de las
herramientas tecnológicas replantean, en otros
aspectos, la forma de evaluar el conocimiento
por parte de los estudiantes, la manera de
impartir así los cursos, la forma de
comunicación entre profesores y estudiantes
(así como entre alumnos entre sí), etc.
19. 1. Introducción
Así, tal y como se menciona en Chance, Ben-Zvi, Garfield
y Medina (2007), la estadística es probablemente la rama
que mayormente ha sido impactada por la
implementación del desarrollo tecnológico.
Esto, sin lugar a dudas, se encuentra correlacionado con
el hecho de que los estadísticos profesionales han visto
revolucionado su trabajo con el advenimiento de los
logros tecnológicos, impactando, por ende, la forma en
que estos profesionales enseñan la estadística.
20. 2. Pregunta de investigación
¿Cuál es la relación que existe entre el uso del
software “Minitab®” con respecto al desarrollo
del pensamiento estadístico sobre intervalos de
confianza?
21. 3. Caracterización del estudio
El estudio explorará la relación que existe entre la
incorporación del software “Minitab®” en relación
al nivel de pensamiento estadístico sobre intervalos
de confianza en los estudiantes de ingeniería del
Tecnológico de Monterrey®, Campus
Aguascalientes.
En tal sentido, resultará particularmente
interesante conocer la forma en la cual el
estudiante se apropia de la herramienta.
22. 3. Caracterización del estudio
En principio se intentará describir el problema
en las dos facetas anteriormente planteadas
(desarrollo del pensamiento estadístico sobre
intervalos de confianza e incorporación del
paquete Minitab® en los estudiantes), aunque
es posible, dependiendo de la complejidad que
más adelante se encuentre, que se seleccione
únicamente una de ellas, o bien, incorporar
alguna otra categoría.
23. 4. Contexto donde está situado el estudio
El “medio de estudio” será el uso de la
tecnología y los “objetos de estudio” son los
estudiantes. Así, la investigación está situada
básicamente en el “aprendizaje de la
estadística”, enfatizado que el estudio se realiza
básicamente sobre el estudiante.
24. 5. Naturaleza de los resultados de investigación
Se espera contar con un conjunto de tabulados
de resultados, en el cual, en una primera
columna, se describa el grado de aprendizaje
(como éste sea operacionalizado en etapas
posteriores del estudio) del paquete Minitab®, y
en otra columna, el nivel de cierta competencia
estadística (por ejemplo, el grado de destreza
para resolver problemas estadísticos acerca de
intervalos de confianza).
25. 5. Naturaleza de los resultados de investigación
Esto es, en concreto, la naturaleza de los resultados
se consideran como asociativos o relacionales, en
un sentido de un modelo explicativo de una
variable con respecto a otras (no se escriben
valores numéricos en ninguna de las columnas,
puesto que se desconoce, en estos momentos, si la
escala será de razón, intervalo, ordinal o incluso
nominal).
Un prototipo de dicha tabla se presenta a
continuación:
26. 5. Naturaleza de los resultados de investigación
Estudiante Aprendizaje de Nivel desarrollo del Nivel desarrollo en la
(o grupos de “Minitab®” (M) “Pensamiento “Resolución de
estudiantes, Estadístico” (PE) Problemas” (RP)
medido en su
calificación)
A MA PEA RPA
B MB PEB RPB
C MC PEC RPC
⁞ ⁞ ⁞ ⁞
X MX PEX RPX
27. 6. Fuentes de información
Australian Bureau of Statistics. (2008). Statistical Literacy. Canberra: Autor. Recuperado de:
http://www.abs.gov.au/websitedbs/CaSHome.nsf/home/downloadable+files.es/$file/Statistical_Literacy_Pap
er.pdf
Bakker, A. (2004). Reasoning about shape as a pattern in variability. Statistics Education Research Journal, 3(2),
64-83. Recuperado de: http://www.stat.auckland.ac.nz/~iase/serj/SERJ3(2)_Bakker.pdf
Ben-Zvi, D. (2000). Toward understanding the role of technological tools in statistical learning. Mathematical
Thinking and Learning, 2, 127-155.
Centro Nacional de Evaluación. (2011). Resultados de Evaluación CENEVAL 2010. D.F.: Autor. Recuperado de:
http://www.ceneval.edu.mx/ceneval-web/content.do?page=0
Chance, B., Ben-Zvi, D., Garfield, J., y Medina, E. (2007). The Role of Technology in Improving Student Learning
of Statistics. Technology Innovations in Statistical Education. 1(1). Recuperado de:
http://escholarship.org/uc/item/8sd2t4rr
DelMas, R., Garfield, J., y Chance, B. (1999). A model of classroom research in action: Developing simulation
activities to improve students’ statistical reasoning. Journal of Statistics Education, 7(3). Recuperado de:
http://www.amstat.org/publications/jse/secure/v7n3/delmas.cfm
28. Fuentes de información
Gal, I. (2002). Adult’s Statistical Literacy: Meanings, Components, Responsibilities. International Statistical
Review, 70(, 1), 1-51. Recuperado de: http://www.stat.auckland.ac.nz/~iase/publications/isr/02.Gal.pdf
Garfield, J., Chance, B., y Snell, J.L. (2000). Technology in college statistics courses. En D. Holton et al. (Eds.),
The teaching and learning of mathematics at university level: An ICMI study (pp. 357-370). The Netherlands:
Kluwer Academic Publishers. Recuperado de:
http://www.dartmouth.edu/~chance/teaching_aids/books_articles/technology.html
Guidelines for assessment and instruction in statistics education. (2005a). Guidelines for assessment and
instruction in statistics education (GAISE) report: A curriculum framework for PreK-12 statistics education. The
American Statistical Association (ASA). Recuperado de:
http://www.amstat.org/education/gaise/GAISEPreK-12.htm
Guidelines for assessment and instruction in statistics education. (2005b). Guidelines for assessment and
instruction in statistics education (GAISE) college report. The American Statistical Association (ASA).
Recuperado de: http://www.amstat.org/education/gaise/GAISECollege.htm
Instituto Nacional para la Evaluación de la Educación. (2009). México en PISA 2009. D.F.: Autor. Recuperado de:
http://www.inee.edu.mx/BuscadorDocs/detallePub.action;jsessionid=BBBA9657E557AE90B4FA7047E44B0CD
E?clave=INEE-200905288
29. Fuentes de información
Miller, J. (2000). The quest for the constructivist statistics classroom: viewing practice through constructivist
theory (Tesis de doctorado no publicada). Ohio State University-Estados Unidos de América. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications/dissertations/00.Miller.Dissertation.pdf
Moore, D.S. (2001). Statistical Literacy and Statistical Competence in the New Century. International
Association for Statistical Education/International Statistical Institute Satellite. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications/7/Moore.pdf
Niss, M. (2001). Quantitative Literacy and Mathematical Competencies. En Madison, B.L., y Steen, L.A. (Eds.),
Quantitative Literacy: Why Numeracy Matters for Schools and Colleges (Proceedings of the National Forum on
Quantitative Literacy held at the National Academy of Sciences in Washington, D.C. on December 1-2, 2001).
Recuperado de: http://www.maa.org/ql/qltoc.html
Niss, M. (2005). Mathematical Competencies and the learning of Mathematics: the Danish Kom Project.
Recuperado de:
http://www7.nationalacademies.org/mseb/Mathematical_Competencies_and_the_Learning_of_Mathematic
s.pdf
Paulos, J.A. (1988). Innumeracy. Mathematical Illiteracy and its Consequences. New York: Vintage Books.
30. Fuentes de información
Pereira-Mendoza, L., Kea, L.S., Kee, T.W., y Wong, W.K. (Eds.). (1998). Proceedings of the Fifth International
Conference on Teaching Statistics. The Netherlands: International Statistical Institute. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications.php?show=2
Phillips, B. (Ed.). (2002). Developing a statistically literate society. Proceedings of the Sixth International
Conference on Teaching Statistics. The Netherlands: International Statistical Institute. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications.php?show=1
Programme for International Student Assessment, PISA. (2009). Recuperado de:
http://www.pisa.oecd.org/pages/0,2987,en_32252351_32235731_1_1_1_1_1,00.html
Powers, R. y Blubaugh, W. (2005). Technology in Mathematics Education: Preparing Teachers for the Future.
Contemporary Issues in Technology and Teacher Education, 5 (3/4), 254 -270. Recuperado de:
http://www.citejournal.org/vol5/iss3/mathematics/article1.cfm
Ridgway, J., McCusker, S., y Nicholson, J. (s.f.). Uncovering and Developing Student Statistical Competences via
New Interfaces. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications/rt04/3.1_Ridgway_McCusker&Nicholson.pdf
Rossman, A., y Chance, B. (Eds.) (2006). Working cooperatively in statistics education. Proceedings of the
Seventh International Conference on Teaching Statistics. The Netherlands: International Statistical Institute.
Recuperado de: http://www.stat.auckland.ac.nz/~iase/publications.php?show=17
31. Fuentes de información
Rubin, A. (2007). Much has changed; Little has changed: Revisiting the Role of Technology in Statistics
Education 1992-1997. Technology Innovations in Statistics Education, 1(1). Recuperado de:
http://escholarship.org/uc/item/833239sw;jsessionid=D472879B63F44CF81C98D40A9B4E57AF
Rubin, A. (2008). Technology meets math education: Envisioning a practical future forum on the future of
technology in education. Recuperado de: http://www.edtechleaders.org/documents/math/Rubin.pdf
Schafer, D. W. y Ramsey, F. L. (2003). Teaching the craft of data analysis. Journal of Statistics Education Volume,
11(1). Recuperado de: http://www.amstat.org/publications/jse/v11n1/schafer.html
Schield, M. (2000). Statistical Literacy and Mathematical Thinking. Recuperado de:
http://www.statlit.org/pdf/2000SchieldICME.pdf
Schield, M. (2004). Statistical Literacy Curriculum Design. Recuperado de:
http://www.stat.auckland.ac.nz/~iase/publications/rt04/2.4_Schield.pdf
Schield, M. (2001). Statistical literacy: Thinking critically about Statistics. Recuperado de:
http://web.augsburg.edu/~schield/MiloPapers/984StatisticalLiteracy6.pdf
32. Fuentes de información
Schield, M. (2001). Statistical literacy: Thinking critically about Statistics. Recuperado de:
http://web.augsburg.edu/~schield/MiloPapers/984StatisticalLiteracy6.pdf
The College of Public & Community Service (2011). Statistical competencies. Level III. Recuperado de:
http://www.cpcs.umb.edu/support/studentsupport/red_book/competencies/statistics.htm
UK Government Statistical Service (2009). Statistician Competence Framework. Recuperado de:
http://webarchive.nationalarchives.gov.uk/+/http://www.dfid.gov.uk/Documents/recruitment/gov-stat-serv-
stat-comp-fmwk.pdf
Utts, J., Sommer, B., Acredolo, C., Maher, M. W. y Matthews, H. R. (2003). A study comparing traditional and
hybrid internet-based instruction in introductory statistics classes. Journal of Statistics Education, 11(3).
Recuperado de: http://www.amstat.org/publications/jse/v11n3/utts.html
Ward, B. (2004). The best of both worlds: A hybrid statistics course. Journal of Statistics Education, 12(3).
Recuperado de: http://www.amstat.org/publications/jse/v12n3/ward.html
Wild, C.J. y Pfannkuch, M. (2004). Statistical Thinking in Empirical Enquiry. International Statistical Review, 67,
3, 223-265. Recuperado de: http://www.stat.auckland.ac.nz/~iase/publications/isr/99.Wild.Pfannkuch.pdf