Escolar Documentos
Profissional Documentos
Cultura Documentos
6 de julio de 2010
La perspectiva cognitiva
“Varios educadores de matemáticas y sicólogı́a han investigado los
procesos coognitivo en el razonamiento probabilı́stico. En un inten-
to de describir cómo los estudiantes desarrollan el razonamiento pro-
babilı́stico, Piaget e Inhelder (1975/1951) propusieron un modelo de
desarrollo cognitivo de tres etapas. En la primera etapa (antes de los
7 años de edad), ellos creen que un niño no puede distinguir entre
eventos necesarios (ocurrirán), y pueden se posibles (puede suceder).
Aquı́, el débil concepto de aleatoriedad del niño le impedirá entender
y analizar probabilidades de eventos. En la segunda etapa (hasta los
14 años), un niño pudiera reconocer la distinción entre necesario y
posible, pero pudiera no generar sistemáticamente la lista de todos los
posibles resultados de un evento. Ası́, los estudiantes pueden no ser ca-
paces de hacer un modelo de un experimento probabilı́stico y expresar
1
Meletiou, M. M. (2000) Developing Student´s Conceptions of Variation: Un Untapped
Well in Statistical Reasoning. Ph.D. Dissertation. The University of Texas at Austin
1
la verosimilitud de un resultado como una razón. En la tercera etapa
(más de 14 años), Piaget e Inhelder sugieren que una persona habrı́a
desarrollado las habilidades de razonamiento combinatorio para ana-
lizar una situación de probabilidad y ser capaz de listar los posibles
resultados.”2
Otras teorı́as:
1. Juegos
2. Experimentos
2
Cuántos minutos se agregan a un partido de fútbol?
a) Cuántas tarjetas amarillas se muestran en un partido?
b) Cuántos goles hace el local? El visitante?
La estadı́stica NO es matemáticas.
Nadie piensa que la contabilidad sea aritmética!
Qué tanto se debe enseñar de probabilidad? Es la combinatoria contraprodu-
cente? Debemos usar computador? Qué programas? Excel? Word? Debemos usar
simulación?
Dos familias
Tenemos dos familias, los papás tienen alrededor de 30 años y las mamás 28
años. Ambas familias tienen dos hijos y viven en el mismo barrio. Cree que ambas
consumen lo mismo en idénticas cantidades? Cree que les gusta el mismo tipo de
música? Porqué?
3
El entusiasmo por la estadı́stica en el currı́culo entre especialistas
en educación matemática es avalado por la comunidad matemática en
general. En recientes reportes que se refieren al currı́culo, la Conferen-
ce Board of the 45 Mathematical Sciences (1982, 1983) describen el
análisis elemental de datos y estadı́stica como “más importante” que
tópicos avanzados en matemáticas actuales y recomienda que estos tó-
picos sean incluı́dos tan temprano como en el currı́culo de la escuela
media.3
4
2. Prepare la instrucción tal que los maestros gasten una cantidad
sustancial de sus tiempos en diagnosticar errores en la forma
de pensamiento de sus estudiantes e identificar los movimientos
defensivos de estso estudinates para resistir al cambio.
3. Desarrolle las estrategias que los maestros puedan incluir en su
repectorio para tratar con los errores de los estudiantes y sus
resistencias al cambio.
4. Ayude a los estudiantes a hacer que el contenido cientı́fico tenga
contenido representativo en diversos modos (e. g. verbal, ma-
temática, pictórica) y ayudar a los estudiantes a trasladar la
representación de un modo a otro.
5. Desarrollar técnicas de evaluación que ayuden al maestro a seguir
el proceso del cambio conceptual de los estudiantes.4
5
Encuestas.
Lectura de artı́culos informativos de periódicos y revistas.
Qué equipo es mejor: Medellı́n o Nacional? Cuántos goles por partido?
Relaciones entre variables.
Concepto de variable aleatoria.
Promedio (la media) vs. lo tı́pico (la moda)
La probabilidad solo desde el punto de vista de una frecuencia relativa.
Concepto difı́cil: Independencia
Concepto difı́cil: Probabilidad condicional.
El concepto imposible: La varianza
Construir medidas de dispersión.
Podremos evitar la probabilidad?
Qué produce más espuma: Una Coca Cola o una Pepsi Cola?
Qué caldo de gallina es mejor: maggi o knorr?
Cuántos hijos tiene una familia?
Elementos de muestreo.
Betanero refiere que en Inglaterra se implementó la enseñanza de estadı́stica
desde 1961. Los puntos básicos son
6
1. capacidad para interpretar y evaluar crı́ticamente la información
estadı́stica, los argumentos apoyados en datos o los fenómenos
estocásticos que las personas pueden encontrar en diversos con-
textos, incluyendo los medios de comunicación, pero no limitán-
dose a ellos, y
2. capacidad para discutir o comunicar sus opiniones respecto a
tales informaciones estadı́sticas cuando sea relevante”
7
a) la necesidad de los datos,
b) la importancia de la producción de datos,
c) la omnipresencia de la variabilidad,
d ) la medición y la modelación de la variabilidad.
Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165
Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165
Moore, D. (1997) New Pedadogy and New Content: The Case of Statistics.
International Statistical Review, Vol. 65, No. 2, pp. 123-165
Together, Schwartz et al.s and Watson and Moritzs analyses of sampling and
inference highlight the following important aspects: 1) The goal of sampling: to re-
liably obtain information about a population, whose entirety is inaccessible. Thus,
such information must be obtained indirectly; 2) The method for attaining this
goal: selecting a subset of the population in such a manner (called random) that
information obtained directly from it will provide similar reliable information about
8
the larger population; 3) The desired relationship between the sample and popu-
lation: the subset of the population should have the representativeness propertyit
should be a small-scale replica of the population; 4) The inference: generalizing
from the sample to the larger population.
This characterization describes aspects and images presumably entailed in a
coherent understanding of sampling and inference.
Saldanha, L. A. (2004) IS THIS SAMPLE UNUSUAL?: AN INVESTIGA-
TION OF STUDENTS EXPLORING CONNECTIONS BETWEEN SAMPLING
DISTRIBUTIONS, AND STATISTICAL INFERENCE. Ph.D. Dissertation, Van-
derbilt University
Maternity Ward Problem A certain town is served by two hospitals. In the
larger hospital about 45 babies are born each day. In the smaller hospital about 15
babies are born each day. As you know, about 50 % of all babies are boys. However,
the exact percentage varies from day to day. Sometimes it may be higher than 50 %,
sometimes it may be lower. For a period of 1 year, each hospital recorded the days
on which more/less than 60 % of the babies born were boys. Which hospital do
you think recorded more such days? 1) The larger hospital 2) The smaller hospital
3) About the same (that is, within 5 % of each other)
Observing students writing and talking about their statistical work made it
more transparent to me that the majority of introductory statistics students are
in the process of gaining statistical understanding. In each class, there might be a
few students who do not at all understand, for example, hypothesis testing. There
also might be one or more students, who have a solid understanding of the con-
cept. However, most students can be found on a continuum between those two
extremes. Students who have listened to the same lectures, read the same text-
book and been assigned the same homework, have widely varying understanding
of the material covered in those lectures and in that textbook. Moreover, the same
student can, even within the confines of one test, show a varying degree of un-
derstanding. However, there is very little research that details what introductory
statistics students understand and do not understand. This study will contribute
to building a knowledge base of introductory statistics students’ understanding.
If statistics teaching is to improve, more knowledge is needed about how students
think and reason about concepts such as hypothesis testing at different stages of
their learning process.
Aquilonius, B. C. (2005) How Do College Students Reason About Hypothesis
Testing in Introductory Statistics Courses? Ph.D. Dissertation. UNIVERSITY OF
CALIFORNIA Santa Barbara
Lovett, M. C. y Greenhouse, J. B. (2000) Applying Cognitive Theory to Sta-
tistics Instruction. The American Statistician, Vol. 54, No. 3, pp. 96
Principio 1. Los estudiantes aprenden mejor lo que ellos mismos practican.
9
Guı́a: Identifique las habilidades que los estudiantes se suponene deben apren-
der, y entonces darles la oportunidad de ejecutar y practicar esta habilidades.
Principio 2. El conocimiento tiende a ser especı́fico al contexto en el cual es
aprendido.
Guı́a: Presénteles problemas en diferentes contextos ası́ pueden ellos ejercitar
lo aprendido en formas diferentes.
Principio 3: El aprendizaje es más eficientes cuando los estudiantes reciben
retroalimenatción instantánea a medida que ellos resuelven los problemas
Guı́a: Trate de minimizar el tiempo entre el proceso de pensamiento y la re-
troalimentación dada por el instructor.
Principio 4: El aprendizaje involucra la integración del nuevo conocimiento con
el conocimiento previo.
Guı́a: Estudie los conocimientos, preconcepciones y prejuicios más relevantes
y adecúe la instrucción para construir sobre lo que los estudiantes ya saben.
Principio 5: El aprendizaje de los estudiantes se vuelve menos eficiente a me-
dida que su carga mental se incrementa.
Presente la información necesaria durante el proceso de aprendizaje de tal
forma que los estudiantes se enfoquen en el material a ser aprendido.
10