Comprensión de problemas de inferencia mediante la vinculación de conceptos probabilísticos y estadísticos en ingeniería
Monográfico
Publicado July 15, 2024
Palabras clave
inferencia estadística
ingeniería
comprensión
teoría de las probabilidades
estadística
ingeniería
comprensión
teoría de las probabilidades
estadística
Resumen
En este trabajo se describe un análisis sobre la resolución comprensiva de problemas de inferencia estadística en estudiantes de la Facultad de Ingeniería de la Universidad Nacional de Mar del Plata, Argentina. Se estudiaron las producciones de 95 estudiantes relativas a un problema de prueba de hipótesis, utilizando como marco teórico el Enfoque Ontosemiótico del Conocimiento e Instrucción Matemáticos. El objetivo es verificar si los estudiantes establecieron la relación entre conceptos probabilísticos y estadísticos para resolver problemas en inferencia estadística. La resolución comprensiva de los problemas de pruebas de hipótesis es descrita en términos de diez funciones que vinculan significados. En el análisis del establecimiento de estas funciones se encontraron conflictos de significados en la identificación del parámetro, en el reconocimiento de su estimador insesgado y en su distribución, en la comprensión del supuesto de normalidad en el problema y dificultades referidas a la ubicación de la zona crítica por el planteamiento erróneo de las hipótesis. Se propone generar una estrategia didáctica, para la resolución comprensiva de problemas de inferencia estadística, que apunte a construir el establecimiento de estas funciones y considere los conflictos encontrados para el diseño de actividades específicas.Citas
Alvarado, H., Galindo, M. y Retamal, L. (2013). Comprensión de la distribución muestral mediante configuraciones didácticas y su implicación en la inferencia estadística, Enseñanza de las Ciencias Revista de investigación y experiencias didácticas, 31(2), 75-91. https://raco.cat/index.php/Ensenanza/article/view/285763.
Batanero, C. (2013). Sentido estadístico: Componentes y desarrollo. I Jornadas Virtuales de Didáctica de la Estadística, la Probabilidad y la Combinatoria. Universidad de Granada.
Batanero, C. y Díaz, C. (2011) Estadística con proyectos. Universidad de Granada.
Batanero, C., Tauber, L. y Sánchez, V. (2001). Significado y comprensión de la distribución normal en un curso introductorio de análisis de datos. Quadrante, 10(1), 59-91
Chance, B., Ben-Zvi, D., Garfield, J., & Medina, E. (2007). The role of technology in improving student learning of statistics. Technology Innovations in Statistics Education, 1(1), 1-26. https://doi.org/10.5070/T511000026
CONFEDI (2016). Competencias y Perfil del Ingeniero Iberoamericano, Formación de Profesores y Desarrollo Tecnológico e Innovación (Documentos Plan Estratégico
ASIBEI). ASIBEI. https://www.acofi.edu.co/noticias/competencias-y-perfil-del-ingeniero-iberoamericano-formacion-de-profesores-y-desarrollo-tecnologico-e-innovacion/
Del Mas, R., Garfield, J., & Chance, B. (2004, abril). Using assessment to study the development of students’ reasoning about sampling distributions. Annual Meeting of the American Educational Research Association, California.
Ennis, R. H. (2005). Pensamiento crítico: un punto de vista racional. Revista de psicología y educación, 1(1), 47-64.
Godino, J. y Batanero, C. (1994), Significado institucional y personal de los objetos matemáticos, Recherches en Didactique des Mathématiques, 14(3), 325-355.
Godino, J., Batanero, C. y Font, V. (2009) Un enfoque ontosemiótico del conocimiento y la instrucción matemática. Versión ampliada del artículo The onto-semiotic approach to research in mathematics education. ZDM. The International Journal on Mathematics Education, 39(1-2),127-135 http://die.udistrital.edu.co/sites/default/files/doctorado_ud/publicaciones/parte_i_un_enfoque_ontosemiotico_del_conocimiento_y_instruccion_matematica.pdf
Godino, J.D., Bencomo, D., Font, V. y Wilhelmi, M. R. (2007). Análisis y valoración de la idoneidad didáctica de procesos de estudio de las matemáticas. Paradigma, 27(2), 221-252.
Inzunza, S. (2006). Significados que estudiantes universitarios atribuyen a las distribuciones muestrales en un ambiente de simulación computacional y estadística dinámica. [Tesis doctoral, Departamento de Matemática Educativa del Centro de Investigación y de Estudios Avanzados del IPN
Inzunza, S. (2007). Recursos de internet para apoyo de la investigación y la educación estadística. Revista Iberoamericana de Educación, 41(4), 1-12.
Inzunza, S. (2017). Significado institucional de las distribuciones muestrales en libros de texto universitarios. En J. M. Contreras, P. Arteaga, G. R. Cañadas, M. M. Gea, B. Giacomone y M. M. López Martín (Eds.). Actas del segundo congreso internacional virtual sobre el enfoque ontosemiótico del conocimiento y la instrucción matemáticos.
Mantilla, M. I. (2019). El pensamiento crítico en la enseñanza de la estadística. Repositorio Universidad UNAB. Universidad Autónoma de Bucaramanga. http://hdl.handle.net/20.500.12749/2686
Meyer, R., Debiaggi, M. y Giménez, N. (2008). La inferencia estadística como metodología. Análisis de contenido de ideas fundamentales (IEF)). Ciencias Económicas, 2(9), 29–46. https://doi.org/10.14409/ce.v2i9.1127
Olivo, E. y Batanero, C. (2007). Un estudio exploratorio de dificultades de comprensión del intervalo de confianza. UNION, 12, 37-51.
Ramírez, G. (2008). Formas de razonamiento que muestran estudiantes de maestría de matemática educativa sobre la distribución normal mediante problemas de simulación de fathom. Revista Electrónica de Investigación en Educación en Ciencias, 3(1), 10-23
Retamal, M. L. (2013). Enseñanza de la estadística mediante proyectos de iniciación científica en estudiantes universitarios. En Instituto Tecnológico de Costa Rica, Costa Rica (Ed.), III Encuentro sobre Didáctica de la Estadística, la Probabilidad y el Análisis de Datos (pp. 1-12). Costa Rica: Instituto Tecnológico de Costa Rica.
Retamal, M.L., Alvarado, H., & Rebolledo, R. (2007). Understanding of sample distributions for a course on statistics for engineers. Ingeniare, 15, 6-17.
Rocha Salamanca, P., Gallego Torres, A. P. y Montenegro Marín, C. E. (2016). Modelo de evaluación para los espacios de formación en estadística en ingeniería. Revista Logos Ciencia & Tecnología, 8(1), 59–66. https://doi.org/10.22335/rlct.v8i1.326.
Terán, T. y Ciminari, J. (2019). Los errores que cometen los alumnos en la resolución de situaciones problemáticas en temas de inferencia estadística como principal obstáculo en la didáctica de la estadística En J. M. Contreras, M. M. Gea, M. M. López-Martín y E. Molina-Portillo (Eds.), Actas del Tercer Congreso International Virtual de Educación Estadística. https://.ugr.es/local/fqm126/civeest.html
Wild, C., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 221-248.
Wild, C. J., & Pfannkuch, M. (2004). Towards an understanding of statistical thinking. En D. Ben-Zvi y J. Garfield (Eds.), The challenge of developing statistical literacy,reasoning, and thinking (pp. 17-46). Kluwer.
Batanero, C. (2013). Sentido estadístico: Componentes y desarrollo. I Jornadas Virtuales de Didáctica de la Estadística, la Probabilidad y la Combinatoria. Universidad de Granada.
Batanero, C. y Díaz, C. (2011) Estadística con proyectos. Universidad de Granada.
Batanero, C., Tauber, L. y Sánchez, V. (2001). Significado y comprensión de la distribución normal en un curso introductorio de análisis de datos. Quadrante, 10(1), 59-91
Chance, B., Ben-Zvi, D., Garfield, J., & Medina, E. (2007). The role of technology in improving student learning of statistics. Technology Innovations in Statistics Education, 1(1), 1-26. https://doi.org/10.5070/T511000026
CONFEDI (2016). Competencias y Perfil del Ingeniero Iberoamericano, Formación de Profesores y Desarrollo Tecnológico e Innovación (Documentos Plan Estratégico
ASIBEI). ASIBEI. https://www.acofi.edu.co/noticias/competencias-y-perfil-del-ingeniero-iberoamericano-formacion-de-profesores-y-desarrollo-tecnologico-e-innovacion/
Del Mas, R., Garfield, J., & Chance, B. (2004, abril). Using assessment to study the development of students’ reasoning about sampling distributions. Annual Meeting of the American Educational Research Association, California.
Ennis, R. H. (2005). Pensamiento crítico: un punto de vista racional. Revista de psicología y educación, 1(1), 47-64.
Godino, J. y Batanero, C. (1994), Significado institucional y personal de los objetos matemáticos, Recherches en Didactique des Mathématiques, 14(3), 325-355.
Godino, J., Batanero, C. y Font, V. (2009) Un enfoque ontosemiótico del conocimiento y la instrucción matemática. Versión ampliada del artículo The onto-semiotic approach to research in mathematics education. ZDM. The International Journal on Mathematics Education, 39(1-2),127-135 http://die.udistrital.edu.co/sites/default/files/doctorado_ud/publicaciones/parte_i_un_enfoque_ontosemiotico_del_conocimiento_y_instruccion_matematica.pdf
Godino, J.D., Bencomo, D., Font, V. y Wilhelmi, M. R. (2007). Análisis y valoración de la idoneidad didáctica de procesos de estudio de las matemáticas. Paradigma, 27(2), 221-252.
Inzunza, S. (2006). Significados que estudiantes universitarios atribuyen a las distribuciones muestrales en un ambiente de simulación computacional y estadística dinámica. [Tesis doctoral, Departamento de Matemática Educativa del Centro de Investigación y de Estudios Avanzados del IPN
Inzunza, S. (2007). Recursos de internet para apoyo de la investigación y la educación estadística. Revista Iberoamericana de Educación, 41(4), 1-12.
Inzunza, S. (2017). Significado institucional de las distribuciones muestrales en libros de texto universitarios. En J. M. Contreras, P. Arteaga, G. R. Cañadas, M. M. Gea, B. Giacomone y M. M. López Martín (Eds.). Actas del segundo congreso internacional virtual sobre el enfoque ontosemiótico del conocimiento y la instrucción matemáticos.
Mantilla, M. I. (2019). El pensamiento crítico en la enseñanza de la estadística. Repositorio Universidad UNAB. Universidad Autónoma de Bucaramanga. http://hdl.handle.net/20.500.12749/2686
Meyer, R., Debiaggi, M. y Giménez, N. (2008). La inferencia estadística como metodología. Análisis de contenido de ideas fundamentales (IEF)). Ciencias Económicas, 2(9), 29–46. https://doi.org/10.14409/ce.v2i9.1127
Olivo, E. y Batanero, C. (2007). Un estudio exploratorio de dificultades de comprensión del intervalo de confianza. UNION, 12, 37-51.
Ramírez, G. (2008). Formas de razonamiento que muestran estudiantes de maestría de matemática educativa sobre la distribución normal mediante problemas de simulación de fathom. Revista Electrónica de Investigación en Educación en Ciencias, 3(1), 10-23
Retamal, M. L. (2013). Enseñanza de la estadística mediante proyectos de iniciación científica en estudiantes universitarios. En Instituto Tecnológico de Costa Rica, Costa Rica (Ed.), III Encuentro sobre Didáctica de la Estadística, la Probabilidad y el Análisis de Datos (pp. 1-12). Costa Rica: Instituto Tecnológico de Costa Rica.
Retamal, M.L., Alvarado, H., & Rebolledo, R. (2007). Understanding of sample distributions for a course on statistics for engineers. Ingeniare, 15, 6-17.
Rocha Salamanca, P., Gallego Torres, A. P. y Montenegro Marín, C. E. (2016). Modelo de evaluación para los espacios de formación en estadística en ingeniería. Revista Logos Ciencia & Tecnología, 8(1), 59–66. https://doi.org/10.22335/rlct.v8i1.326.
Terán, T. y Ciminari, J. (2019). Los errores que cometen los alumnos en la resolución de situaciones problemáticas en temas de inferencia estadística como principal obstáculo en la didáctica de la estadística En J. M. Contreras, M. M. Gea, M. M. López-Martín y E. Molina-Portillo (Eds.), Actas del Tercer Congreso International Virtual de Educación Estadística. https://.ugr.es/local/fqm126/civeest.html
Wild, C., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 221-248.
Wild, C. J., & Pfannkuch, M. (2004). Towards an understanding of statistical thinking. En D. Ben-Zvi y J. Garfield (Eds.), The challenge of developing statistical literacy,reasoning, and thinking (pp. 17-46). Kluwer.