Literancia estatística

Alguns dos maiores avanços no campo da Educação Estatística foram obtidos

pela colaboração entre os estatísticos e os educadores matemáticos num projeto

desenvolvido na década de 1980, nos Estados Unidos, chamado Quantitative

Literacy Project (QLP). Acredita-se que o QLP, ao abraçar as modernas ideias da

pedagogia e enfatizar o entendimento e a comunicação, deu início a uma

revolução no ensino de Estatística. Scheaffer (1990), o líder desse projeto, com

seu olhar voltado para a sala de aula de Estatística, descreveu assim os princípios

do QLP

O termo literacia,⁴ que deu nome ao QLP, nos remete à habilidade de ler,

compreender, interpretar, analisar e avaliar textos escritos. A literacia estatística

refere-se ao estudo de argumentos que usam a estatística como referência, ou

seja, à habilidade de argumentar usando corretamente a terminologia estatística.

Entendemos que a literacia estatística inclui também habilidades básicas e importantes que
podem ser usadas no entendimento de informações estatísticas.

O raciocínio estatístico

Oriundo do latim reri, ratus, ratiocinium, o nome raciocínio mantém a carga

etimológica e semântica do étimo, que significa contar, contado, conta. O Dicionário Aurélio
nos ensina que raciocínio é o ato ou efeito de raciocinar, é

um encadeamento, aparentemente lógico, de juízos ou pensamentos. Por sua vez,

raciocinar é usar a razão para conhecer, para julgar a relação de coisas, fazer

cálculos, deduzir razões, discorrer. Para a filosofia, raciocínio é aquele que opera

mediante comparações complexas, para a obtenção de novos resultados de

conhecimento, progredindo de um termo para outro e deste para outro mais.

Nosso estudo se refere a um tipo específico de raciocínio, o qual a EE chama de

raciocínio estatístico.

O pensamento estatístico

Oriundo do latim reri, ratus, ratiocinium, o nome raciocínio mantém a carga

etimológica e semântica do étimo, que significa contar, contado, conta. O Dicionário Aurélio
nos ensina que raciocínio é o ato ou efeito de raciocinar, é
um encadeamento, aparentemente lógico, de juízos ou pensamentos. Por sua vez,

raciocinar é usar a razão para conhecer, para julgar a relação de coisas, fazer

cálculos, deduzir razões, discorrer. Para a filosofia, raciocínio é aquele que opera

mediante comparações complexas, para a obtenção de novos resultados de

conhecimento, progredindo de um termo para outro e deste para outro mais.

Nosso estudo se refere a um tipo específico de raciocínio, o qual a EE chama de

raciocínio estatístico.

RCIOSINIO SEGUNDO GARFIELD

Nível 1 – Raciocínio idiossincrático. O estudante sabe algumas palavras e

símbolos estatísticos, usa-os mesmo sem entendê-los completamente e mistura-

os com informações não relacionadas. Por exemplo, os estudantes aprendem os

conceitos de média, mediana e desvio padrão como medidas de resumo

numérico, mas fazem uso incorreto deles, comparando a média com o desvio

padrão ou fazendo julgamentos isoladamente sobre uma boa média ou um bom

desvio padrão.

Nível 2 – Raciocínio verbal. O estudante tem entendimento verbal de certos

conceitos, mas não aplica isso em seu comportamento. Nesse nível, o estudante

pode selecionar ou prover uma correta definição, mas não entende

completamente o seu conceito. Por exemplo, por que a média é maior que a

mediana em distribuições com assimetria positiva.

Nível 3 – Raciocínio transicional. O estudante é capaz de identificar

corretamente uma ou duas dimensões de um processo estatístico, mas sem

integrar completamente essas dimensões. Por exemplo, uma amostra maior leva

a um intervalo de confiança menor, um desvio padrão menor leva a um intervalo

de confiança menor.

Nível 4 – Raciocínio processivo. O estudante é capaz de identificar corretamente

as dimensões de um conceito ou processo estatístico, mas não integra

completamente essas dimensões ou não entende o processo por completo. Por

exemplo, o estudante sabe que a forte correlação entre duas variáveis não

implica necessariamente que uma causa a outra, mas não consegue explicar oporquê dessa
não implicação.

Nível 5 – Raciocínio processual integrado. O estudante tem um completo

entendimento sobre um processo estatístico, coordenando as regras e o

comportamento da variável. Ele pode até mesmo explicar o processo com suas

próprias palavras e com confiança. Por exemplo, o estudante pode explicar o

que um intervalo de confiança de 95% significa em termos do processo se

obtiver uma distribuição amostral de uma população.

Pensamento estatístico

Com os recentes avanços tecnológicos podemos, nos dias de hoje, focar nossa

aula muito mais nos processos estatísticos, em interpretações e em reflexões dos

resultados alcançados, do que na valorização de fórmulas e de cálculos. Com

esses avanços, que trouxeram a necessidade de novas abordagens pedagógicas,

tornou-se um importante desafio para os educadores e pesquisadores

desenvolverem uma teoria que explicasse como pensar sobre Estatística

Aplicada, ou, mais especificamente, sobre a sua presença na sala de aula.

Temos defendido uma abordagem pedagógica relacionada com o aprender

Estatística fazendo Estatística (learning by doing). Nessa abordagem o ambiente pedagógico é

construído com base em problemáticas que tenham a ver com o

cotidiano do estudante, estando elas relacionadas com a sua comunidade, com o

seu convívio social ou até mesmo com o seu mundo do trabalho. Nela,

procuramos valorizar não apenas os conteúdos programáticos, mas também

interpretações de resultados e suas relações com o contexto no qual os problemas

estão inseridos. Identificamos esse olhar pedagógico, centrado tanto na

compreensão da dimensão completa do problema quanto em investigações,

questionamentos e reflexões, com o pensamento estatístico.

Moldagem matemática

A aproximação da Estatística com a Matemática abre a possibilidade de fazer

uso de alguns princípios filosóficos, presentes na Educação Matemática,

voltados, essencialmente, para a elaboração e a análise de algumas propostas de

trabalho de conteúdos estatísticos em sala de aula. Esses princípios,

fundamentais na elaboração de projetos pedagógicos que buscam valorizar o

desenvolvimento da literacia, do pensamento e do raciocínio estatísticos,

encontram-se fortemente presentes na modelagem matemática.

O trabalho com projetos é uma forma pedagógica de ação em que um programa

de estudo é desenvolvido a partir da organização e do desenvolvimento

curricular, com a explícita intenção de transformar o aluno de objeto em sujeito.

Esta pedagogia baseia-se na concepção de que a educação é um processo de

vida, e não apenas uma preparação para o futuro profissional ou uma forma de

transmissão da cultura e do conhecimento. Assim, trabalhos com projetos na sala

de aula inserem-se num contexto em que se busca direcionar o olhar pedagógico pelos
fundamentos da Educação Crítica, com a intenção de se construir um

ambiente de aprendizagem baseado na participação ativa dos educandos. Essa

participação se dá, entre outras maneiras, a partir do estudo de situações

presentes no cotidiano do aluno, voltado para reflexões diversas que envolvam

não apenas aspectos curriculares, mas, igualmente, múltiplas questões,

interdisciplinares ou não, relacionadas com tais situações. Na Educação

Matemática brasileira o trabalho baseado em atividades de projetos é, muitas

vezes, associado à aplicação da modelagem matemática na sala de aula.

A Matemática e a realidade podem ser conectadas por meio da modelagem. Essa

conexão interativa é feita mediante o uso dos processos matemáticos conhecidos,

com o objetivo de estudar, analisar, explicar, prever situações da vida cotidiana

concreta que nos cercam (Campos, 2007). Como diz Bassanezi (2002), a

modelagem matemática é um processo dinâmico, utilizado para a obtenção e

validação de modelos matemáticos e consiste, essencialmente, na arte de

transformar situações do nosso cotidiano em problemas matemáticos e resolvê-

los, interpretando suas respostas numa linguagem usual. Bassanezi, ao dizer que

esse método pode ser utilizado tanto como um processo para a resolução dos

mais variados problemas relacionados com a Matemática Aplicada¹¹ quanto

como uma estratégia de ensino e de aprendizagem, reafirma o papel da

modelagem matemática como instrumento pedagógico, quando, através dos

procedimentos intrínsecos ao método, conteúdos matemáticos são abordados e

tópicos curriculares são sintetizados.

A modelagem matemática constitui-se, então, em um método de ensino e de

aprendizagem que pode ser empregado nos diversos níveis escolares, desde a

matemática elementar até a pós-graduação. Nessa perspectiva da modelagem

matemática, consideramos adequado conceituá-la da mesma forma que Barbosa

(2007), como um ambiente de aprendizagem (a ser construído na sala de aula)

em que os estudantes são convidados (pelo professor) para investigar, através da

Matemática, situações extraídas do dia a dia ou mesmo de outras ciências.

Vemos um ambiente de aprendizagem como um espaço educacional construído

pelo professor com a intenção de desenvolver suas atividades pedagógicas.

O processo de modelagem matemática é realizado em muitas atividades

presentes em nosso cotidiano e pode ser um caminho para despertar nos

estudantes o interesse pelos conteúdos matemáticos, na medida em que eles têm

a oportunidade de estudar, por meio de investigações diversas, situações que têm

aplicação prática e que valorizam o seu senso crítico. A modelagem, como um processo, pode
sofrer algumas alterações para se

adaptar ao sistema escolar, devendo-se levar em consideração, quando do seu

uso, o nível de ensino, o tempo disponível para os alunos realizarem as

pesquisas, o currículo da disciplina, etc. Como diz D’Ambrosio (1991), a

modelagem eficiente se dá a partir do momento em que nos conscientizamos de

que estamos sempre trabalhando com aproximações da situação real.

O Raciocínio estatístico

O raciocínio estatístico envolve fazer interpretações sobre dados, representações

gráficas, construção de tabelas, etc. Em alguns casos, o raciocínio estatístico

envolve ainda as ideias de chance ou probabilidade, distribuição, variabilidade,

incerteza, aleatoriedade, amostragem, testes de hipóteses, o que leva a

interpretações e inferências acerca dos resultados.