COMPARAR EL USO DE TECNOLOGÍAS DIGITALES Y EL MÉTODO TRADICIONAL PARA COMPRENDER EL CONCEPTO DE VARIABILIDAD ESTADÍSTICA

Ailton Paulo de Oliveria Júnior; Flávia  Helena Pereira; Diego  Marques de Carvalho; Jaqueline de Oliveira Costa

doi:10.37618/PARADIGMA.1011-2251.2022.p314-340.id1117

Ailton Paulo de Oliveria Júnior Universidade Federal do ABC
drapoj@uol.com.br http://orcid.org/0000-0002-2721-7192
Flávia Helena Pereira Universidade Federal do Triângulo Mineiro
fh_pereira18@yahoo.com.br https://orcid.org/0000-0002-6438-6972 http://lattes.cnpq.br/8488222410731071
Diego Marques de Carvalho Universidade Federal do ABC
maxbassoul@gmail.com https://orcid.org/0000-0002-5842-4653 http://lattes.cnpq.br/3269138001048812
Jaqueline de Oliveira Costa Universidade Federal do ABC
jaqueline.costa@ufabc.edu.br https://orcid.org/0000-0002-0051-113X http://lattes.cnpq.br/4525765895528528

10.37618/PARADIGMA.1011-2251.2022.p314-340.id1117

Palabras clave: Enseñanza de la estadística; Variabilidad; Tecnología digital; Educación superior y estudios de posgrado.

Resumen

Creemos que se debe considerar que el alumno comprende el proceso estadístico a través de elementos básicos para el procesamiento de datos, como la importancia de analizar, cuantificar y explicar la variabilidad de estos datos. Así, este trabajo tuvo como objetivo evaluar la comprensión de los estudiantes de la Licenciatura en Matemáticas y del Postgrado en Educación sobre el concepto de variabilidad estadística a través de la representación gráfica de distribuciones de frecuencia y los conceptos de tendencia central y medidas de dispersión. Utilizamos dos metodologías de enseñanza ("papel y lápiz gráfico" y "software R") en secuencia didáctica para presentar conceptos básicos y medidas estadísticas necesarias para una mejor comprensión de la distribución de frecuencias de los datos. Se encontró que los participantes aceptaron el uso del software, pero consideraron que el uso de papel y lápiz es importante en la construcción de los gráficos. Al comparar conjuntos de datos y examinar sus gráficos a la misma escala, fue posible especular cómo esta variación explica el comportamiento de los datos. El grado de comprensión de los participantes sobre la variabilidad convergió con la forma en que perciben la distribución de los datos.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Flávia Helena Pereira, Universidade Federal do Triângulo Mineiro

Mestre em Educação pela Universidade Federal do Triângulo Mineiro. Graduada em Licenciatura em Matemática pela Universidade Federal do Triângulo Mineiro. Bolsista do Programa de Educação Tutorial - PET MATEMÁTICA - da Universidade Federal do Triângulo Mineiro. Membro do Grupo de Estudo e Pesquisa em Educação e Cultura - GEPEDUC . Graduada em Gestão de Recursos Humanos pela Universidade de Uberaba.

Diego Marques de Carvalho, Universidade Federal do ABC

Doutorando em Ensino e História das Ciências e da Matemática da Universidade Federal do ABC. É mestre em Ciência da Computação pela Universidade Federal do ABC, programador, professor universitário em Tecnologia da Informação. Possui graduação em Comunicação Social pela Faculdade Paulus de Tecnologia e Comunicação. Foi professor e assistente de coordenação da Faculdade Paulus de Tecnologia e Comunicação, Instituto Brasileiro de Tecnologia Avançada, Faculdade Diadema, Faculdade Drummond e Faculdade Paulista de Artes. Atualmente é professor do curso de Programação de Jogos Digitais do Centro Estadual de Educação Tecnológica Paula Souza, na ETEC Guaracy Silveira e Faculdade Impacta de Tecnologia. Tem experiência na área de Desenvolvimento de Jogos Digitais, atuando principalmente nos seguintes temas: desenvolvimento de softwares e jogos para dispositivos móveis e internet, mídias digitais, web 2.0 e educação à distância. Desenvolveu projetos e softwares para empresas como IG Internet Group, Banco do Brasil, Aymoré Financeira, Livraria da Vila, Hotel União, Self-Realization Fellowship, Stella Barros Turismo, Cannon by Elgin, Tanrac, Mahindra, Fapcom e AQCEZ Construtora.

Jaqueline de Oliveira Costa, Universidade Federal do ABC

Cursando Mestrado no Programa de Pós-Graduação em Ensino e História das Ciências e da Matemática na Universidade Federal do ABC, campus Santo André; possui graduação em Engenharia Mecatrônica pela Universidade Paulista (2005); Licenciatura em Matemática pela Faculdades Oswaldo Cruz (2006); Especialização em Gestão Empresarial pela FECAP (2007). Ministrou aula de Logística na FATEC Osasco e aula de Matemática Financeira no curso de Diversidade Racial/2019, na Faculdade Zumbi dos Palmares; atuou na Secretaria da Educação do Estado de São Paulo na área de direção de logística de infraestrutura escolar, planejamento de obras e demanda escolar; orçamento - budget e forecast. Atua nas seguintes áreas: Ensino de Matemática; professor avaliador de projetos no ensino técnico.

Citas

Alencar, N. A. y Junio, J. V. S. (2013). Aprendizaje basado en problemas: un nuevo referente para la construcción del currículo en los cursos de salud. Revista Interfaces: Saúde, Humanas e Tecnologia, 1(1), 1-16.

Batanero, C., Godino, J. D., y Cañizares, M. J. (2005). Simulation as a tool to train pre-service school teachers. Proceeding of I ICMI African Regional Conference. Johannesburg: ICMI.

Batanero, C., Godino, J. D., y Flores, P. (2001). El análisis didáctico del contenido matemático como recurso en la formación de profesores de Matemáticas. En A. Olivier y K. Newstead (Eds.), Proceedings of International Conference for the Psychology of Mathematics Education, 22, Stellenbosch, África do Sul.

Becker, B. J.(1996). A look at the literature (and other resources) on teaching Statistics. Journal of Educational and Behavioral Statistics, 21, 71-90.

Ben-Zvi, D. (2011). Statistical reasoning learning environment. Em Teia – Revista de Educação Matemática e Tecnológica Ibero-americana, 2(2), 1-13.

Borovcnik, M. y Kapadia, R. (2009). Research and Developments in Probability. Education. International – Electronic Journal of Mathematics, 4(3), 111-130.

Brasil. Constituição (1988). Constitución de la República Federativa de Brasil de 1988. Brasília, DF: Presidência da República, [2016]. Recuperado de http://www.planalto.gov.br/ccivil_03/Constituicao/ Constituiçao.htm

Castro L., F. J., Gutiérrez F., G., y Hugues G., E. (2014). Un acercamiento a la variabilidad estadística usando tecnología computacional. Tecnología Computacional en la Enseñanza de las Matemáticas. Universidad Autónoma de Nuevo León y Asociación Mexicana de Investigadores en Uso de la Tecnología en Educación Matemática A. C., Monterrey, México. Recuperado de http://pmme.mat.uson.mx/Articulos/Hugues2014Un_acercamiento_variabilidad.pdf

Cobo, B. (2003). Significados de las medidas de posición central para los estudiantes de secundaria. Tesis Doctoral en Educación, Departamento de Didáctica de las Matemáticas, Universidad de Granada. Recuperado de http://www.ugr.es/-batanero/proyecto.html

Correa, S. M. B. B. (2003). Probabilidad y Estadística. Belo Horizonte: PUC Minas Virtual.

Franklin, C. et al. (2007). A curriculum framework for K-12 statistics education. GAISE report. American Statistical Association. Disponível em www.amstat.org/education/gaise/.

Garfield, J. y Ben-Zvi, D. (2005). A framework for teaching and assessing reasoning about variability. Statistics Education Research Journal, 4(1), 92-99.

Gould, R. (2010). Statistics and the Modern Student. International Statistical Review, 78(2), 297-315.

Jelihovschi, E. (2014). Análisis exploratorio de datos utilizando el R. Ilhéus, Brasil: Editus.

Kader, G. y Perry, M. (2007). Variability for categorical variable. Journal of Statistics Education, 15(2). Recuperado de http://www.amstat.org/publications/jse/

Levy. P. (2008). Cibercultura. Trans. Carlos Irineu da Costa. São Paulo: Editora 34.

Lima, E. I., Nagao, F. Q. A., Selmo, J. T., Landim, S. P. P., y Lima, V. M. M. (2019). El papel de la educación formal, no formal e informal en la formación política de las educadoras. Revista Pegada, 20(1), 270-286.

Maltby, J. (2001). Learning statistics by computer software is cheating. Journal of Computer Assisted Learning, 17(3), 329-330.

Ministério da Educação (MEC). (2017). Base nacional comum curricular: Educação é a base. Brasília: Ministério da Educação. Recuperado de http://basenacionalcomum.mec.gov.br/images/BNCC_20dez_site.pdf.

Oliveira, M. M. (2013). Secuencia didáctica interactiva en el proceso de formación del profesorado. Petrópolis: Vozes.

Ponte, J. P., Brocardo, J., y Oliveira, H. (2006). Investigações Matemáticas em sala de aula. Belo Horizonte: Autêntica.

R Development Core Team. (2011). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de https://www.r-project.org/

Reading, C. y Shaughnessy, M. (2004). Reasoning about variation. En D. Ben-Zvi y J. Garfield. The challenge of developing Statistical Literacy, Reasoning and Thinking (pp. 201-226). Netherlands: Kluwer.

Sancho, J. M. (2001). Por una tecnología educativa. Porto Alegre: Artme.

Schuyten, G. y Thas, O. (2007). Statistical thinking in computer-based learning environments. International Statistical Review, 75(3), 365-371.

Shaughnessy, J. M. (2007). Research on statistics learning and reasoning. En F. Lester (Ed.). Second Handbook of Research on Mathematics Teaching and Learning (pp. 957-1009). Reston, VA: NCTM.

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, 14(18), 44-58.

Silva, R. C. (2014). Impactos, dificultades y avances en la inserción de tecnologías en la cultura escolar. Tesis de Maestría en Educación, Post-Graduación Stricto Sensu en Educación, Universidad Estatal del Oeste de Paraná - UNIOESTE, Brasil.

Snell L. y Peterson W. (1992). Does the computer help us understanding statistics? In Statistics for the Twenty First Century. Ed. Florence, G. and Gordon, S. MAA Notes, 26.

Souza, J. y Peñaloza, R. A. S. (2005). Estadísticas exploratorias de series nominales y ordinales: teoría y aplicación a medidas difusas de pobreza multidimensional para datos ordinales. Recuperado de https://www.ufrgs.br/ppge/wp-content/themes/PPGE/page/textos-para-discussao/pcientifica/2005_03.pdf

Tornaghi, A. J. C., Costa, A. J. Brito, M. E. B., y Almeida, M. E. B. A. (2010). Tecnologías en la educación: enseñar y aprender con las TIC: una guía para el estudiante. Brasília: Departamento de Educación a Distancia.

Verzani, J. (2008). Using R in Introductory Statistics Courses with the pmg Graphical user Interface. Journal of Statistics Education, 16(1), 1-17.

Watson, J. y Kelly, B. A. (2002). Can grade 3 students learn about variation? Proceedings of the Sixth International Conference on Teachings Statistics. África do Sul. Recuperado de http://www.stat.auckland.ac.nz/