Presentación Rodriguez A - PROME

286 views

Published on

Análisis relacional del uso del software “Minitab®” con respecto al desarrollo del pensamiento estadístico sobre intervalos de confianza .

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
286
On SlideShare
0
From Embeds
0
Number of Embeds
37
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Presentación Rodriguez A - PROME

  1. 1. Adelanto de proyecto de tesis doctoral: Análisis relacional del uso del software “Minitab®” con respecto aldesarrollo 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. 2. Contenido:1. Introducción2. Pregunta de investigación3. Caracterización del estudio4. Contexto donde está situado el estudio5. Naturaleza de los estudios de investigación
  3. 3. 1. IntroducciónUno de los propósitos principales que persigueel proceso de enseñanza-aprendizaje de laestadística consiste en que los estudiantes seancapaces de adquirir una serie de habilidadesque les permitan, con relativa soltura, sercapaces de analizar y estudiar diversosproblemas estadísticos.
  4. 4. 1. IntroducciónLo anterior implica, entre otros aspectos, el quelos estudiantes se apropien de un marcocognitivo conocido como el “pensamientoestadístico”, así como ser capaces de plantear yresolver problemas significativos en el área, tal ycomo está señalado en Wild y Pfannkuch(1999).
  5. 5. 1. IntroducciónEn dicho artículo, se presenta una definición delpensamiento estadístico, dada por Snee en1990: “thought process, which recognize thatvariation is all around us and present ineverything we do, all work is a series ofinterconnected processes, and identifying,characterizing, quantifying, controlling, andreducing variation provide opportunities forimprovement” (cita no encontrada de maneraoriginal).
  6. 6. 1. IntroducciónDentro del modelo planteado en la página 226en Wild y Pfannkuch (1999), se señala que lostipos fundamentales identificados delpensamiento estadístico son los siguientes:
  7. 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. 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. 9. 1. Introducción•Reasoning with statistical models.•Integrating the statistical and contextual (information, knowledge, conceptions).
  10. 10. 1. IntroducciónAsí entonces, uno de los principales objetivos enlos procesos de enseñanza-aprendizaje de laestadística consiste en incentivar la adquisiciónde los elementos anteriores con la finalidad depromover un nivel de comprensión en elpensamiento estadístico.
  11. 11. 1. IntroducciónActualmente, el sistema educativo mexicano nopromueve, en general, el aprendizaje efectivode la estadística que se traduzca en elincremento del nivel de pensamientoestadístico.
  12. 12. 1. IntroducciónLo anterior queda establecido por diversas pruebasestandarizadas tanto a nivel de bachillerato(Instituto Nacional para la Evaluación de laEducación, 2009), así como en el análisis de losresultados de las pruebas del Centro Nacional deEvaluación para la Educación Superior, A.C. (CentroNacional de Evaluación, 2011), en las cuales losmenores niveles de comprensión se tienenprecisamente en matemáticas, en general, yparticularmente en la estadística.
  13. 13. 1. IntroducciónLa problemática de esta “incultura” estadísticaqueda de manifiesto en diversos estudios, comolos que han sido llevados a cabo por Gal (2002),Moore (2001), Schield (2000), Schield (2004), laAustralian Bureau of Statistics (2008) y Paulos(1988).
  14. 14. 1. IntroducciónEsto es, queda de manifiesto que a pesar losdiversos esfuerzos al respecto (visto de maneraglobal), no se logrado dotar a los estudiantes denivel superior con los elementos necesariospara que ellos desarrollen un nivel adecuado depensamiento estadístico.
  15. 15. 1. IntroducciónDe manera operacional, lo anterior se traduce en lafalta de habilidades de diversos estudiantes para laresolución de problemas.Esto es, al no tenerse apropiadamente loselementos del pensamiento matemático, no esposible en general resolver íntegramenteproblemas de estadística, y a su vez, la falta depericia en este último aspecto impide el desarrollode, al menos, algunas partes del pensamientoestadístico.
  16. 16. 1. IntroducciónUno de los aspectos que están relacionados conla promoción del pensamiento estadístico y laresolución de problemas en dicha área es el usode diversas herramientas informáticas, lascuales han traído como consecuencia unacompleta re-conceptualización acerca de unagran diversidad de tópicos asociados en laestadística educativa.
  17. 17. 1. IntroducciónLo anterior es cierto a la luz de diversasinvestigaciones, tales como las que se presentan enlos artículos de Rubin (2007), Rubin (2008), Powersy Blubaugh (2005), entre otros.De hecho, también en vista de la experiencia deldocente que escribe este documento, es notable elimpacto que se ha percibido en el aprendizaje delos estudiantes cuando se implementanherramientas informáticas adecuadas en sucurricula estadística.
  18. 18. 1. IntroducciónSin embargo, la incorporación de lasherramientas tecnológicas replantean, en otrosaspectos, la forma de evaluar el conocimientopor parte de los estudiantes, la manera deimpartir así los cursos, la forma decomunicación entre profesores y estudiantes(así como entre alumnos entre sí), etc.
  19. 19. 1. IntroducciónAsí, tal y como se menciona en Chance, Ben-Zvi, Garfieldy Medina (2007), la estadística es probablemente la ramaque mayormente ha sido impactada por laimplementación del desarrollo tecnológico.Esto, sin lugar a dudas, se encuentra correlacionado conel hecho de que los estadísticos profesionales han vistorevolucionado su trabajo con el advenimiento de loslogros tecnológicos, impactando, por ende, la forma enque estos profesionales enseñan la estadística.
  20. 20. 2. Pregunta de investigación¿Cuál es la relación que existe entre el uso delsoftware “Minitab®” con respecto al desarrollodel pensamiento estadístico sobre intervalos deconfianza?
  21. 21. 3. Caracterización del estudioEl estudio explorará la relación que existe entre laincorporación del software “Minitab®” en relaciónal nivel de pensamiento estadístico sobre intervalosde confianza en los estudiantes de ingeniería delTecnológico de Monterrey®, CampusAguascalientes.En tal sentido, resultará particularmenteinteresante conocer la forma en la cual elestudiante se apropia de la herramienta.
  22. 22. 3. Caracterización del estudioEn principio se intentará describir el problemaen las dos facetas anteriormente planteadas(desarrollo del pensamiento estadístico sobreintervalos de confianza e incorporación delpaquete Minitab® en los estudiantes), aunquees posible, dependiendo de la complejidad quemás adelante se encuentre, que se seleccioneúnicamente una de ellas, o bien, incorporaralguna otra categoría.
  23. 23. 4. Contexto donde está situado el estudioEl “medio de estudio” será el uso de latecnología y los “objetos de estudio” son losestudiantes. Así, la investigación está situadabásicamente en el “aprendizaje de laestadística”, enfatizado que el estudio se realizabásicamente sobre el estudiante.
  24. 24. 5. Naturaleza de los resultados de investigaciónSe espera contar con un conjunto de tabuladosde resultados, en el cual, en una primeracolumna, se describa el grado de aprendizaje(como éste sea operacionalizado en etapasposteriores del estudio) del paquete Minitab®, yen otra columna, el nivel de cierta competenciaestadística (por ejemplo, el grado de destrezapara resolver problemas estadísticos acerca deintervalos de confianza).
  25. 25. 5. Naturaleza de los resultados de investigaciónEsto es, en concreto, la naturaleza de los resultadosse consideran como asociativos o relacionales, enun sentido de un modelo explicativo de unavariable con respecto a otras (no se escribenvalores numéricos en ninguna de las columnas,puesto que se desconoce, en estos momentos, si laescala será de razón, intervalo, ordinal o inclusonominal).Un prototipo de dicha tabla se presenta acontinuación:
  26. 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 deestudiantes, Estadístico” (PE) Problemas” (RP)medido en sucalificación) A MA PEA RPA B MB PEB RPB C MC PEC RPC ⁞ ⁞ ⁞ ⁞ X MX PEX RPX
  27. 27. 6. Fuentes de informaciónAustralian 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_Paper.pdfBakker, 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.pdfBen-Zvi, D. (2000). Toward understanding the role of technological tools in statistical learning. MathematicalThinking 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=0Chance, B., Ben-Zvi, D., Garfield, J., y Medina, E. (2007). The Role of Technology in Improving Student Learningof Statistics. Technology Innovations in Statistical Education. 1(1). Recuperado de:http://escholarship.org/uc/item/8sd2t4rrDelMas, R., Garfield, J., y Chance, B. (1999). A model of classroom research in action: Developing simulationactivities to improve students’ statistical reasoning. Journal of Statistics Education, 7(3). Recuperado de:http://www.amstat.org/publications/jse/secure/v7n3/delmas.cfm
  28. 28. Fuentes de informaciónGal, I. (2002). Adult’s Statistical Literacy: Meanings, Components, Responsibilities. International StatisticalReview, 70(, 1), 1-51. Recuperado de: http://www.stat.auckland.ac.nz/~iase/publications/isr/02.Gal.pdfGarfield, 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.htmlGuidelines for assessment and instruction in statistics education. (2005a). Guidelines for assessment andinstruction in statistics education (GAISE) report: A curriculum framework for PreK-12 statistics education. TheAmerican Statistical Association (ASA). Recuperado de:http://www.amstat.org/education/gaise/GAISEPreK-12.htmGuidelines for assessment and instruction in statistics education. (2005b). Guidelines for assessment andinstruction in statistics education (GAISE) college report. The American Statistical Association (ASA).Recuperado de: http://www.amstat.org/education/gaise/GAISECollege.htmInstituto 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=BBBA9657E557AE90B4FA7047E44B0CDE?clave=INEE-200905288
  29. 29. Fuentes de informaciónMiller, J. (2000). The quest for the constructivist statistics classroom: viewing practice through constructivisttheory (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.pdfMoore, D.S. (2001). Statistical Literacy and Statistical Competence in the New Century. InternationalAssociation for Statistical Education/International Statistical Institute Satellite. Recuperado de:http://www.stat.auckland.ac.nz/~iase/publications/7/Moore.pdfNiss, 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 onQuantitative 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.htmlNiss, 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_Mathematics.pdfPaulos, J.A. (1988). Innumeracy. Mathematical Illiteracy and its Consequences. New York: Vintage Books.
  30. 30. Fuentes de informaciónPereira-Mendoza, L., Kea, L.S., Kee, T.W., y Wong, W.K. (Eds.). (1998). Proceedings of the Fifth InternationalConference on Teaching Statistics. The Netherlands: International Statistical Institute. Recuperado de:http://www.stat.auckland.ac.nz/~iase/publications.php?show=2Phillips, B. (Ed.). (2002). Developing a statistically literate society. Proceedings of the Sixth InternationalConference on Teaching Statistics. The Netherlands: International Statistical Institute. Recuperado de:http://www.stat.auckland.ac.nz/~iase/publications.php?show=1Programme 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.htmlPowers, 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.cfmRidgway, J., McCusker, S., y Nicholson, J. (s.f.). Uncovering and Developing Student Statistical Competences viaNew Interfaces. Recuperado de:http://www.stat.auckland.ac.nz/~iase/publications/rt04/3.1_Ridgway_McCusker&Nicholson.pdfRossman, A., y Chance, B. (Eds.) (2006). Working cooperatively in statistics education. Proceedings of theSeventh International Conference on Teaching Statistics. The Netherlands: International Statistical Institute.Recuperado de: http://www.stat.auckland.ac.nz/~iase/publications.php?show=17
  31. 31. Fuentes de informaciónRubin, A. (2007). Much has changed; Little has changed: Revisiting the Role of Technology in StatisticsEducation 1992-1997. Technology Innovations in Statistics Education, 1(1). Recuperado de:http://escholarship.org/uc/item/833239sw;jsessionid=D472879B63F44CF81C98D40A9B4E57AFRubin, A. (2008). Technology meets math education: Envisioning a practical future forum on the future oftechnology in education. Recuperado de: http://www.edtechleaders.org/documents/math/Rubin.pdfSchafer, 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.htmlSchield, M. (2000). Statistical Literacy and Mathematical Thinking. Recuperado de:http://www.statlit.org/pdf/2000SchieldICME.pdfSchield, M. (2004). Statistical Literacy Curriculum Design. Recuperado de:http://www.stat.auckland.ac.nz/~iase/publications/rt04/2.4_Schield.pdfSchield, M. (2001). Statistical literacy: Thinking critically about Statistics. Recuperado de:http://web.augsburg.edu/~schield/MiloPapers/984StatisticalLiteracy6.pdf
  32. 32. Fuentes de informaciónSchield, M. (2001). Statistical literacy: Thinking critically about Statistics. Recuperado de:http://web.augsburg.edu/~schield/MiloPapers/984StatisticalLiteracy6.pdfThe College of Public & Community Service (2011). Statistical competencies. Level III. Recuperado de:http://www.cpcs.umb.edu/support/studentsupport/red_book/competencies/statistics.htmUK 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.pdfUtts, J., Sommer, B., Acredolo, C., Maher, M. W. y Matthews, H. R. (2003). A study comparing traditional andhybrid internet-based instruction in introductory statistics classes. Journal of Statistics Education, 11(3).Recuperado de: http://www.amstat.org/publications/jse/v11n3/utts.htmlWard, 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.htmlWild, 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

×