Documente Academic
Documente Profesional
Documente Cultură
Pedro Arteaga
Tesis de Mster
Universidad de Granada, 2009
Directora: Carmen Batanero
1
Jos Pedro Arteaga Cezn, 2009
Todos los derechos reservados. Ninguna parte del libro puede ser reproducida,
almacenada en forma que sea accesible o transmitida sin el permiso previo escrito del
autor.
ISBN: 978-84-691-7511-8
Publica:
Universidad de Granada
Imprime:
Universidad de Granada
Financiacin:
Trabajo realizado en el marco de la beca FPU AP2007-03222 y Proyecto SEJ2007-
60110 /EDUC, MEC-Feder.
NDICE
1. Introduccin 3
2. Contextualizacin de la investigacin 6
2.1. Introduccin 6
2.2. Elementos tericos 6
2.3. Objetivos de la investigacin 10
2.4. Hiptesis de la investigacin 12
2.5. Contexto educativo 13
2.6. Trabajo con proyectos en la clase de estadstica 14
2.6.1. Introduccin 14
2.6.2. Esquema del trabajo en un proyecto 15
2.6.3. Desarrollo de competencias bsicas a travs de proyectos 17
2.6.4. Justificacin del uso de un proyecto en nuestro trabajo 19
3. Investigaciones sobre comprensin de grficos 21
3.1. Introduccin 21
3.2. Elementos y competencias en la lectura de grficos estadsticos 21
3.3. Niveles de comprensin de grficos estadsticos 24
3.4. Errores en la lectura y construccin de grficos 27
3.5. Comprensin grfica de los futuros profesores 29
3.6. Conclusiones sobre las investigaciones previas 30
4. Estudio emprico 32
4.1. Introduccin 32
4.2. Descripcin de la muestra 32
4.3. Anlisis a priori del proyecto 33
4.3.1. La actividad 33
4.3.2. El proyecto 33
4.3.3. Solucin esperada de los estudiantes 36
4.4. Grficos construidos por los estudiantes 40
4.4.1. Tipos de grficos usados y complejidad semitica 40
4.4.2. Correccin de los grficos 53
4.4.3. Interpretacin y niveles de lectura 55
4.4.4. Conclusiones de los estudiantes 61
1
4.5. Conclusiones del estudio emprico 63
5. Conclusiones 67
5.1. Conclusiones sobre los objetivos 67
5.2. Conclusiones sobre las hiptesis 69
5.3. Limitaciones del estudio y futuras lneas de investigacin 70
6. Referencias 72
Anexo. Listado de publicaciones derivadas del trabajo 75
2
1. INTRODUCCIN
3
Tratamiento de la informacin, azar y probabilidad en todos los ciclos de la Educacin
primaria. En el primer ciclo se comienza con interpretaciones de determinados
elementos de un grfico sencillo relacionado con fenmenos cercanos a los nios y
progresivamente se pasa a los contenidos del tercer ciclo en los que se estudiarn
distintos tipos de grficos estadsticos y se deber conseguir que los nios aprecien la
importancia que tiene el poder valorar crticamente informaciones que son presentadas a
travs de grficos. Adems se manifiesta que la destreza en la utilizacin de
representaciones grficas para interpretar la informacin aporta una herramienta muy
valiosa para conocer y analizar mejor la realidad. Como criterio de evaluacin para el
primer ciclo se indica:
Para que estas propuestas puedan llevarse a cabo, ser necesario preparar a los
futuros maestros tanto en lo que respecta al conocimiento estadstico, como en el
conocimiento pedaggico relacionado con su enseanza. Esta es una preocupacin
asumida por organismos internacionales como la IASE (International Association for
Statistical Education) e ICMI (International Commission on Mathematical Instruction)
que han lanzado un estudio internacional enfocado sobre la problemtica de formacin
del profesorado en estadstica, puesto que el problema no es exclusivo de Espaa
(http://www.ugr.es/~icmi/iase_study/).
Estos son algunos de los motivos que nos han llevado a interesarnos en la
competencia grfica estadstica de los futuros maestros de Educacin Primaria, as, en
este trabajo presentamos una investigacin inicial relacionada con este tema, en
concreto se analizan las grficas estadsticas construidas por una muestra de futuros
profesores en el desarrollo de un proyecto abierto de anlisis de datos. Comenzamos
contextualizando el problema, mediante la descripcin de sus objetivos, el contexto
educativo y la justificacin del uso de proyectos en la enseanza de la estadstica.
4
A continuacin presentamos un estado de la cuestin sobre las investigaciones
relacionadas con la comprensin de los grficos estadsticos, que ser necesario
completar en el futuro, pero nos permite introducirnos en el tema.
En el estudio emprico que sigue se hace un anlisis a priori del proyecto propuesto,
y se analizan las grficas producidas por los futuros profesores desde diversos puntos de
vista. Finalizamos con la presentacin de nuestras conclusiones y algunas publicaciones
que han resultado de esta investigacin.
5
2. CONTEXTUALIZACIN DE LA INVESTIGACIN
2.1. INTRODUCC IN
En este trabajo vamos a utilizar algunas nociones tericas desarrolladas por Godino
y colaboradores en el marco terico llamado Enfoque Ontosemitico (EOS), que nos
van a resultar de utilidad para analizar las producciones grficas realizadas por una
muestra de futuros profesores en un proyecto abierto de anlisis de datos, que
describiremos detalladamente en el punto 4. Adems, estos elementos tericos van a
permitirnos definir una jerarqua en la construccin de los grficos estadsticos en
funcin de la complejidad semitica de estos.
En diversas publicaciones, los autores que han desarrollado este marco terico se
interesan por los objetos matemticos que surgen de las prcticas matemticas
realizadas para resolver un problema que puede ser matemtico o extra-matemtico
(Godino, 2002; Godino, Batanero y Font, 2007). En nuestro trabajo, plantearemos a los
futuros profesores un problema extra-matemtico cuya finalidad es decidir si las
intuiciones del conjunto de alumnos de la clase respecto a la aleatoriedad son correctas
o hasta qu punto lo son. Este problema extra-matemtico llevar a organizar en la clase
un experimento que cada alumno realizar individualmente y a modelizar la situacin,
6
para as definir algunas variables estadsticas y recoger datos sobre las mismas.
Para permitir analizar con detalle los procesos didcticos, en el EOS se formula una
ontologa de los objetos matemticos que tiene en cuenta el triple aspecto de la
matemtica como actividad socialmente compartida de resolucin de problemas, como
lenguaje simblico y como sistema conceptual lgicamente organizado. A continuacin
se muestran las categoras de objetos o entidades matemticas primarias propuestas
desde el EOS. Cualquiera de estas entidades puede ser objeto de anlisis didctico. As
en nuestro caso nos centramos en los grficos estadsticos, mientras otras
investigaciones podran centrarse en los problemas, algn concepto o proposicin, etc.
7
Lenguajes: trminos, expresiones, notaciones, grficos que se utilizan para
representar los datos del problema, las operaciones que hacemos con ellos, los
objetos matemticos que se utilizan y la solucin encontrada. Nosotros nos
interesaremos por los grficos producidos por los estudiantes que por un lado,
seran en s mismos, parte del lenguaje matemtico. Pero, por otro, se pueden
considerar a su vez como objetos matemticos complejos, dentro de los cuales
aparecen diversos tipos de lenguaje. Esperamos que en los grficos construidos
los alumnos mezclen el lenguaje verbal y grfico, aunque tambin pudieran usar
el simblico. Este tipo de lenguajes se organizan dentro del grfico en funcin
de varios elementos del mismo: su ttulo, ejes, escalas, marcas del eje y
elementos geomtricos especficos del grfico.
Conceptos- definicin: En las prcticas que llevan a cabo los estudiantes para
resolver un problema matemtico (en este caso cuando resuelven el problema
planteado o construyen los grficos) se usan implcita o explcitamente objetos
matemticos, de los cules el alumno ha de recordar o aplicar la definicin. Por
ejemplo, los estudiantes usarn implcitamente los objetos: nmeros enteros y
decimales, fracciones, variable estadstica, valor, rango de la variable, frecuencia
y en algunos tipos de grficos la proporcionalidad, sistema de coordenadas
cartesianas, orden numrico, longitud, segmento u otros.
Proposiciones o enunciados sobre relaciones o propiedades de los conceptos que
igualmente se han de emplear al resolver problemas matemticos. Por ejemplo,
cuando los estudiantes han de usar la relacin de proporcionalidad entre una
frecuencia y la altura de una barra cuando construyen el diagrama de barras o
para comprobar si su representacin es completa han de recordar el hecho de que
la suma de frecuencias ha de ser igual al tamao de la muestra o incluso cuando
detectan visualmente la moda, han de buscar el valor (o valores) de la variable
con mayor frecuencia.
Procedimientos: Seran los algoritmos, operaciones, tcnicas de clculo que los
estudiantes han aprendido durante la enseanza previa y que aplican al resolver
el problema. En nuestro ejemplo, los alumnos aplican algoritmos de
representacin de nmeros enteros en la recta numrica, ordenacin y recuento
de datos. En el punto 4 haremos un anlisis detallado del lenguaje, conceptos,
proposiciones y procedimientos empleados en algunos de los grficos
producidos por los estudiantes.
8
Argumentos: Seran los enunciados usados para validar o explicar las
proposiciones y procedimientos o bien la solucin de los problemas. Los
estudiantes en nuestro estudio usan argumentos para comparar los datos o
justificar si las intuiciones de los estudiantes son o no correctas. Nosotros
analizaremos separadamente los argumentos de los estudiantes en los apartados
4.4.3 y 4.4.4.
Otro punto de inters en nuestro estudio es el de funcin semitica que sirve para
resaltar los procesos de interpretacin que se llevan a cabo en la actividad matemtica y
en los cuales a veces pueden aparecer desajustes (conflictos) de interpretacin entre
alumnos y profesor. Partiendo de diversos autores, Font, Godino y DAmore (2007)
describen la idea de funcin semitica como correspondencia entre un antecedente y un
consecuente, establecida por un sujeto (persona o institucin). Un grfico estadstico, en
s mismo, puede considerarse como una funcin semitica, donde el antecedente es el
propio grfico y lo representado es la distribucin estadstica de los datos, siendo la
correspondencia el conjunto de convenios establecidos en estadstica para el grfico
particular, que permite a la persona que lee el grfico interpretarlo o bien a la persona
que tiene los datos construirlo. En este ejemplo se pone de manifiesto la posibilidad de
que una persona no conozca los convenios citados y por tanto no interprete o interprete
incorrectamente el grfico, producindose un conflicto que los autores denominan
semitico.
9
entidades primarias mostradas anteriormente, o grupo de ellas. Algunos de los procesos
matemticos citados por los autores son los de comunicacin, problematizacin,
definicin, enunciacin, elaboracin de procedimientos (algoritmizacin, rutinizacin,. )
y argumentacin.
10
Dentro de este objetivo general, los objetivos especficos que nos proponemos son
los siguientes:
Objetivo 4. Recoger algunos grficos elaborados por futuros profesores con dicho
instrumento y clasificarlos para definir una jerarqua inicial de niveles de complejidad
en la construccin de dichos grficos.
Con ello adquiriremos competencia en el anlisis de datos cualitativos y
produciremos una primera categorizacin de los grficos que en el futuro se pueda
11
mejorar y pueda ser til tanto para la enseanza como para la investigacin. Este es el
objetivo de mayor inters en el estudio, en cuanto no hemos encontrado investigaciones
que describan niveles en la construccin de grficos y de este modo aportaramos un
resultado original.
12
2.5. CONTEXTO EDUCATIVO
13
ampliaron su informacin sobre datos, variables estadsticas, distribuciones de
frecuencias, grficos sencillos (diagramas de barras, polgonos de frecuencias,
histogramas, grficos de sectores), medidas de posicin central (media, mediana y
moda) y medidas de dispersin (rango y desviacin tpica). Tambin se revisaron y
ampliaron las ideas de aleatoriedad, probabilidad y la asignacin de probabilidades
mediante regla de Laplace o probabilidad frecuencial. No se hizo un estudio formal de
la variable aleatoria.
Los estudiantes haban trabajado tambin en Matemticas y su Didctica con un
proyecto sencillo de anlisis de datos (aunque una sola vez y los datos no fueron
recogidos personalmente, sino que fueron dados por el profesor). Hay que tener tambin
en cuenta que los estudiantes proceden de diferentes bachilleratos, siendo en su mayora
alumnos provenientes de bachillerato de humanidades y ciencias sociales, en los cuales
los contenidos matemticos son menores que en los otros bachilleratos, aunque hay
mayor contenido de estadstica.
En todo caso, cualquiera que sea el bachillerato cursado, durante la Enseanza
Primaria (6-12 aos) y Enseanza Secundaria Obligatoria (12-16) todos los estudiantes
habrn recibido una enseanza mnima de estadstica que incluye los mismos conceptos
trabajados el primer ao de la Facultad en la asignatura de Matemticas y su Didctica.
2.6.1. INTRODUCCIN
En algunos trabajos previos (Daz, Arteaga y Batanero, 2007; Daz y Arteaga, 2008)
hemos analizado las posibilidades que brinda el trabajo con proyectos en la enseanza
de la estadstica para contribuir a la adquisicin de las competencias bsicas incluidas
en los recientes decretos de enseanza mnimas para la Educacin Secundaria
Obligatoria (MEC, 2006b). Creemos importante incluir ac alguna de estas ideas puesto
que la recogida de datos se hace a travs de un proyecto.
14
Batanero y Daz (2004) sugieren que la mejor forma de lograr la cultura estadstica
de los estudiantes es introducir en las clases de estadstica el trabajo con proyectos,
pues, en lugar de introducir los conceptos y tcnicas descontextualizadas, o aplicadas
nicamente a problemas como los que aparecen en los libros de texto, consistentes en
calcular un promedio o hacer un grfico y que son difciles de encontrar en la vida real,
un proyecto permite presentar las diferentes fases de una investigacin estadstica:
planteamiento de un problema, decisin sobre los datos a recoger, recogida y anlisis de
datos y obtencin de conclusiones sobre el problema planteado.
Por otro lado, hay que diferenciar entre conocer y ser capaz de aplicar un
conocimiento. La habilidad para aplicar los conocimientos matemticos es mucho ms
difcil de lo que se supone, porque requiere no slo conocimientos tcnicos (tales como
preparar un grfico o calcular un promedio), sino tambin conocimientos estratgicos
(saber cundo hay que usar un concepto o grfico dado) (Connor, Davies y Payne,
2002). Los problemas y ejercicios de los libros de texto slo suelen concentrarse en los
conocimientos tcnicos, mientras que cuando trabajan con proyectos los alumnos
desarrollan conocimientos estratgicos (Starkings, 1997).
15
ve que la parte puramente matemtica de la estadstica (la reduccin, anlisis e
interpretacin de los datos) es slo una de las fases del proyecto, y an la interpretacin
ha de hacerse en funcin del contexto del problema planteado (Pimenta, 2003).
16
Tabla 2.1. Algunas fuentes de datos en Internet
Journal of Statistical Education http://www2.ncsu.edu/ncsu/pams/stat/info/jse/homepage.html
CAUSE http://www.causeweb.org/
Statlib http://lib.stat.cmu.edu/datasets/
La eleccin del conjunto de datos es muy importante, pues dependiendo del tipo de
datos, podremos aplicar ms o menos tcnicas estadsticas. Por ejemplo, no podemos
hacer un histograma con datos cualitativos y no se recomienda hacer la media con datos
ordinales. Es importante que los estudiantes experimenten estos diversos tipos de datos
para que adquieran capacidad de seleccionar una tcnica estadstica adecuada. En
nuestro estudio trabajaremos con variables cuantitativas pero que slo toman valores
enteros, por lo cual podremos aplicar todas las tcnicas que se han estudiado en primaria
y secundaria.
Cuando sea posible, los alumnos pueden usar ordenadores para llevar a cabo sus
proyectos, no slo para el anlisis de los datos, sino tambin para elaborar sus informes
con un procesador de texto en el que pueden incorporar los resultados grficos y
numricos de los programas estadsticos. El proyecto contribuye as a aprender estas
herramientas informticas que son hoy da esenciales. Respecto a los programas
estadsticos existe una gran variedad, desde programas profesionales, como SPSS hasta
las hojas de clculo como Excel. Nuestros estudiantes han tenido alguna experiencia
con la hoja Excel aunque como el proyecto es sencillo, pueden tambin trabajar a mano
o con calculadora.
17
Competencia en comunicacin lingstica. Durante el desarrollo del proyecto los
alumnos se ejercitan en la comunicacin oral y escrita; la representacin,
interpretacin y comprensin de la realidad; la construccin y comunicacin del
conocimiento y la organizacin y autorregulacin del pensamiento. Adems
adquieren destrezas y actitudes como formarse un juicio crtico, generar ideas,
estructurar el conocimiento, tomar decisiones y disfrutar expresndose tanto de
forma oral (exponiendo las conclusiones obtenidas a sus compaeros) como escrita
(redactando el informe del proyecto).
Competencia matemtica. Puesto que han de utilizar y relacionar nmeros enteros,
fraccionarios y decimales, los alumnos aplican operaciones bsicas, smbolos,
formas de expresin y razonamiento matemtico. Utilizan las proporciones,
funciones, elementos geomtricos y de medicin. Tambin se ponen en prctica
procesos de reflexin que llevan a la solucin de los problemas o a la obtencin de
informacin, por medio del reconocimiento de las tcnicas apropiadas. Al trabajar
con los proyectos, los alumnos integraran el conocimiento matemtico con
conocimientos de otras disciplinas, ya que como hemos visto anteriormente, la parte
puramente matemtica es slo una de las fases de los proyectos.
Competencia en el conocimiento y la interaccin con el mundo fsico. El trabajo con
proyectos posibilita la comprensin de sucesos de la actualidad y sus consecuencias
y el anlisis de fenmenos sociales desde diversos puntos de vista. Hace tambin
posible identificar preguntas o problemas en la vida diaria o en la actualidad y
obtener conclusiones basadas en pruebas, con la finalidad de comprender y tomar
decisiones. Procura una habilidad progresiva para poner en prctica los procesos y
actitudes propios del anlisis sistemtico de una tarea y de indagacin cientfica, ya
que los proyectos se conciben como autnticas investigaciones.
Tratamiento de la informacin y competencia digital. En las fases de recogida de
datos y organizacin, anlisis e interpretacin de los datos, se habita a los
alumnos a buscar, obtener y procesar informacin para transformarla en
conocimiento. Los proyectos contribuyen al aprendizaje del uso de calculadora,
ordenadores y software y adquirir destrezas de razonamiento para organizar la
informacin, relacionarla, analizarla, sintetizarla y hacer inferencias y deducciones
de distinto nivel de complejidad.
18
Competencia social y ciudadana, pues se adquieren conocimientos diversos y
habilidades complejas que permiten participar, tomar decisiones y responsabilizarse
de las elecciones y decisiones adoptadas. Adems, se conciencia a los alumnos de la
importancia de la estadstica en la sociedad actual, implicndose a travs de
procesos estadsticos en la mejora de la sociedad (participando en los censos, etc.).
Por otro lado, los proyectos es aconsejable realizarlos en grupos de 2 o 3 personas,
lo cual fomenta la cooperacin y la valoracin del trabajo de los dems. Finalmente
ayuda a tener una actitud crtica y reflexiva en la valoracin de la informacin
disponible, contrastndola cuando es necesario, y respetando las normas de
conducta acordadas socialmente.
Competencia para aprender a aprender, se ejercita la curiosidad de plantearse
preguntas, identificar y manejar las diversas tcnicas y estrategias con las que
afrontar una misma situacin problemtica y afrontar la toma de decisiones con la
informacin de la que se dispone. Se ejercitan habilidades para obtener informacin
y para transformar dicha informacin en conocimientos propios.
Autonoma e iniciativa personal. Es preferible que los proyectos sean planteados
por los propios alumnos, fomentando as su capacidad de elegir con criterio propio,
de ejercitar su imaginacin y de llevar adelante las acciones necesarias para
desarrollar las acciones y planes personales. Adems en el proyecto el estudiante no
depende tanto del profesor, pues tiene libertad para elegir las estrategias de
resolucin.
19
mediante la recogida y anlisis de los datos se puede contestar a una pregunta de inters
para los alumnos. De esta manera la estadstica se contextualiza, se muestra su utilizad
para la comprobacin de conjeturas y el anlisis de datos en experimentos y esto ayuda
a que los estudiantes aprecien su utilidad en diversas situaciones de la vida real.
En el desarrollo del proyecto, los estudiantes no slo tienen que realizar clculos
matemticos o grficos, sino elaborar un informe en que usen estos resultados para
apoyar sus argumentos. En la produccin del informe final el estudiante debe situar el
anlisis de sus datos dentro de un argumento coherente y convincente que apoye sus
hiptesis. La comunicacin de ideas a partir de tablas y grficos es especialmente
importante en el razonamiento estadstico.
Siguiendo a Murray y Gal (2002) hemos tratado de desarrollar en los estudiantes la
comprensin e interpretacin de la informacin estadstica, que no slo requiere
conocimiento estadstico o matemtico, sino tambin habilidades lingsticas,
conocimiento del contexto, capacidad para plantear preguntas y una postura crtica ante
la informacin. Tambin Nolan y Speed (1999) resaltan la importancia de desarrollar la
capacidad discursiva de los estudiantes, como medio de ampliar sus habilidades de
pensamiento crtico.
20
3. INVESTIGACIONES SOBRE COMPRENSIN DE
GRFICOS
3.1. INTRODUCCIN
El lenguaje grfico tiene un papel esencial en la organizacin, descripcin y anlisis
de datos, al ser un instrumento de transnumeracin. Esta es una de las formas bsicas de
razonamiento estadstico definidas por Wild y Pfannkuch (1999), que consiste en
obtener una nueva informacin, al cambiar de un sistema de representacin a otro. Por
ejemplo, al pasar de un listado de datos a un histograma, el alumno puede percibir el
valor de la moda, que antes no era visible en los datos brutos.
La construccin e interpretacin de grficos estadsticos es tambin parte importante
de la cultura estadstica a la que cada vez se dedica ms atencin y que Gal (2002, pg. 2)
define como la unin de dos competencias relacionadas:
21
grficos. Encontramos grficos en la prensa diaria, en Internet y tambin en textos de
materias como las ciencias sociales. Sera por tanto necesario que una persona culta
fuese capaz de comprender la informacin expresada en los mismos, aunque esta
competencia no es sencilla. Cuando se pide a un estudiante interpretar un grfico, el
estudiante debe realizar la traduccin entre lo representado en el grfico y la realidad.
Pero esta traduccin requiere conocimientos tanto sobre la realidad representada, como
sobre los convenios de construccin del grfico que a veces el estudiante no posee. Un
grfico queda determinado por los siguientes elementos (Curcio, 1987):
Las palabras que aparecen en el grfico, como el ttulo del grfico, las etiquetas
de los ejes y de las escalas, y que proporcionan las claves necesarias para
comprender el contexto, las variables y las relaciones expresadas en el grfico.
El contenido matemtico subyacente en el grfico. Por ejemplo los conjuntos
numricos empleados y otros conceptos matemticos implcitos en el grfico que
el estudiante ha de dominar para interpretarlo, como los de rea en un grfico de
sectores, longitud en un grfico de lneas o sistema de coordenadas cartesianas
en un diagrama de dispersin.
Los convenios especficos que se usan en cada tipo de grfico y que se deben
conocer para poder realizar una lectura o construccin correcta. Por ejemplo, el
alumno ha de conocer que en un diagrama de sectores, la amplitud del sector es
proporcional a la frecuencia. En diagrama de dispersin, cada punto representa
un caso y las coordenadas del punto los valores de las dos variables
representadas. En algunos grficos estadsticos estos convenios no son sencillos,
como ocurre en el grfico de la caja, que es muy difcil de interpretar si no se
estudia la forma en que se construye e interpreta.
Partiendo del anlisis anterior, Friel, Curcio y Bright (2001) identifican los
siguientes elementos estructurales de un grfico estadstico:
El ttulo y las etiquetas indican el contenido contextual del grfico y cules son
las variables en l representadas. Ser importante incluir un ttulo y etiquetas no
ambiguos.
El marco del grfico, que incluye los ejes, escalas, y marcas de referencia en
cada eje. Dicho marco proporciona informacin sobre las unidades de medida de
22
las magnitudes representadas. Puede haber diferentes tipos de marcos y sistemas
de coordenadas (lineales, cartesianas bidimensionales o multidimensionales,
polares).
Los especificadores del grfico son los elementos usados para representar los
datos, como los rectngulos (en el histograma) o los puntos (en el diagrama de
dispersin). Los autores nos alertan de que no todos los especificadores son
igualmente sencillos de comprender, sugiriendo el siguiente orden de dificultad:
Posicin en una escala homognea (grficos de lnea, de barras, de puntos,
algunos pictogramas e histogramas); posicin en una escala no homognea
(grficos polares, grficos bivariantes); longitud (grficos poligonales o
estrellados sin ejes de referencia, rboles), ngulo o pendiente (grfico de
sectores, discos), rea (crculos, pictogramas), volumen (cubos, algunos mapas
estadsticos), color (mapas estadsticos codificados mediante color).
23
3.3. NIVELES DE COMPRENSIN DE GRFICOS ESTADSTICOS
Adems de las competencias anteriores, algunos autores definen niveles de
comprensin en la lectura crtica de datos y muestran que no todos los alumnos alcanzan
el nivel ms alto durante la Educacin Secundaria. A continuacin resumimos las
teoras de diversos autores al respecto.
Bertin (1967) sugiere que la lectura de un grfico comienza con una identificacin
externa, del tema al que se refiere el grfico, a travs de la comprensin del significado
del ttulo y las etiquetas. A continuacin se requiere una identificacin interna, de las
dimensiones relevantes de variacin en el grfico: variables representadas y escala.
Finalmente se produce una percepcin de la correspondencia entre los niveles
particulares de cada dimensin visual para obtener conclusiones sobre los niveles
particulares de cada variable y sus relaciones en la realidad representada. A partir de
estos supuestos define diversos niveles de lectura de un grfico:
24
los datos" (interpretacin e integracin de los datos en el grfico) y "leer ms all de los
datos" (realizar predicciones e inferencias a partir de los datos sobre informaciones que
no se reflejan directamente en el grfico). Este autor mostr que las principales
dificultades aparecen en los dos niveles superiores y que el nivel progresa con la edad
de los estudiantes. Friel, Curcio y Bright (2001) amplan la clasificacin anterior
definiendo un nuevo nivel leer detrs de los datos consistente en valorar crticamente
el mtodo de recogida de datos, su validez y fiabilidad, as como las posibilidades de
extensin de las conclusiones.
Un modelo algo ms complejo es debido a Gerber, Boulton-Lewis y Bruce (1995),
quienes diferencian siete niveles de comprensin de grficos, en funcin de las
competencias de los estudiantes para interpretarlos:
Nivel 1. Los estudiantes no se centran en los datos, sino que asocian algunas
caractersticas de los mismos, con su conocimiento del mundo en forma
imprecisa. Por ejemplo, si les hacemos una pregunta sobre edades de nios
representados en un grfico, pueden responder dando su edad.
Niveles 2 y 3. Los estudiantes se centran en los datos representados, pero de
forma incompleta. En el nivel 2 no llegan a apreciar el propsito del grfico e
interpretan slo aspectos parciales de los datos, por ejemplo, solamente leen una
de las barras del diagrama de barras. En el nivel 3 los estudiantes aprecian el
propsito del grfico y analizan todos los elementos uno a uno, pero no llegan a
una sntesis global, al no comprender algn elemento especfico que es clave en
la representacin. Un caso sera el estudiante que en una pirmide de poblacin
interpreta los grupos de edad (que se refieren a un conjunto de personas) como
edades de sujetos individuales.
Niveles 4, 5 y 6. Una vez que el estudiante llega a una sntesis global, puede
todava tener una interpretacin esttica de los grficos, y podemos diferenciar
tres niveles diferentes. En el nivel 4 los estudiantes son capaces de analizar una a
una las variables representadas en el mismo grfico, pero no conjuntamente, por
ejemplo, si representamos la esperanza de vida de hombre y mujeres en diversos
pases en un grfico de lneas, los alumnos interpretan por un lado la esperanza
de vida de los hombres y por otro los de las mujeres. En el nivel 5 se comparan
varias variables representadas en el mismo grfico; en el ejemplo anterior
podran deducir que la esperanza de vida en las mujeres es superior a la de los
25
hombres en la mayora de pases. En el nivel 6 los estudiantes usan los grficos
para apoyar o refutar sus teoras. No slo comparan varias variables en el mismo
grfico, sino sacan conclusiones generales respecto a una hiptesis, por ejemplo,
podran usar el grfico anterior para refutar la idea de que la mujer es ms dbil
que el hombre.
Nivel 7. En el ltimo nivel los estudiantes son capaces de hacer extrapolaciones,
y hacer predicciones para otros datos no representados en el grfico; en el
ejemplo anterior, podran deducir la esperanza de vida del hombre, conocida la
esperanza de vida de la mujer, para un determinado pas no representado en el
grfico.
26
Nivel Hipottico: Los estudiantes leen los grficos, los interpretan y evalan la
informacin. Forman sus propias hiptesis y modelos: No estoy de acuerdo en
que la causa de la violencia sea el juego, quizs la falta de atencin de los padres
puede llevar a la vez a que el chico sea violento y juegue ms con la consola.
27
Tendencia a observar el eje vertical y comparar las diferencias en las alturas de
las barras cuando comparan la variacin de dos histogramas.
Interpretacin determinista, sin apreciar que los datos representan un fenmeno
aleatorio que podra variar al tomar diferentes muestras de la misma poblacin.
Tendencia a interpretar los histogramas como grficos de dos variables (es decir, como
diagramas de dispersin).
28
3.5. COMPRENSIN GRFICA DE LOS FUTUROS PROFESORES
Las dificultades con los grficos estadsticos no son exclusiva de los estudiantes, sino
que tambin se presentan en los futuros profesores, ms concretamente en los alumnos de
las Facultades de Ciencias de la Educacin. Bruno y Espinel (2005) estudian la forma en
que futuros profesores construyen un histograma de frecuencias a partir de una lista de
datos. Aproximadamente la mitad de los participantes en su investigacin tuvieron errores
al representar los intervalos de variacin de la variable en el eje X, omitir intervalos de
frecuencia nula, o usar rectngulos no adosados, a pesar de que la variable fuese continua.
En cuanto al polgono de frecuencias, los errores ms frecuentes en la investigacin citada
fueron no unir por las marcas de clase, omitir el intervalo de frecuencia nula en el polgono
y confundir la frecuencia y valor de la variable.
Continuando la investigacin, Bruno y Espinel tratan de comparar los errores de los
futuros profesores en la construccin del histograma y el polgono de frecuencias, con su
evaluacin de histogramas producidos por posibles estudiantes. Prcticamente todos los
estudiantes cometen algn error al construir los grficos, pero lo ms preocupante es la
falta de coherencia entre la forma que los futuros profesores construyen un grfico y la
forma en que lo evalan. Adems, en caso de coherencia se trata de alumnos que cometen
errores en la interpretacin de los grficos, y tambin consideran correctos los grficos
incorrectos de sus posibles estudiantes.
Preocupadas por estos resultados las autoras continan la investigacin utilizando un
cuestionario sobre cultura y razonamiento estadstico en relacin a los grficos y
comparando sus resultados con los de otros estudiantes universitarios americanos (Espinel,
2007; Espinel, Bruno y Plasencia, 2008). Para ello dieron a 190 estudiantes de Magisterio
un conjunto de tems de opciones mltiples en los que se evaluaba su competencia grfica
y que haban sido tomados del proyecto ARTIST (delMas, Garfield y Ooms, 2005), donde
se pas a 350 estudiantes de primer curso de universidad. Aunque en ambos colectivos las
tareas fueron difciles, la dificultad fue mayor para los futuros profesores espaoles, en
particular al tratar de predecir la forma de un grfico a partir de la descripcin verbal de
variables conocidas por los estudiantes o en la lectura de histogramas.
Monteiro y Ainley (2006, 2007) indican que la lectura de los grficos usuales dentro
del contexto escolar es una tarea ms limitada que la posible interpretacin de dichos
grficos fuera de dicho contexto, porque, mientras en la escuela slo pedimos a los
estudiantes una respuesta correcta desde el punto de vista matemtico, fuera de la escuela
interviene tambin el conocimiento del contexto en el que se sita el tema del grfico. Al
29
estudiar la competencia de futuros profesores en la lectura de grficos tomados de la
prensa diaria, en primer lugar encontraron que muchos no tenan conocimientos
matemticos suficientes para llevar a cabo dicha lectura. La mayora indic que no tuvo
formacin especfica en la lectura de grficos estadsticos durante sus estudios en la
universidad y reconoci su necesidad que tenan de formacin al respecto. Tambin se
observ como la interpretacin de los grficos moviliza conocimientos y sentimientos que
inciden en su comprensin; por ejemplo, se obtuvo mucho mejores resultados al interpretar
un grfico sobre incidencia de cncer en las mujeres que otro matemticamente
equivalente sobre tiempo de gestacin de diferentes especies animales.
Tampoco es bueno el conocimiento didctico de los futuros profesores respecto a la
enseanza de los grficos. En un estudio cualitativo Gonzlez y Pinto (2008) analizan la
forma en que algunos futuros profesores seleccionan y clasifican grficos para preparar
una unidad didctica dirigida a la enseanza del tema en educacin primaria. Los
estudiantes parecen desconocer todo lo relacionado con las dificultades de los futuros
alumnos o los niveles de comprensin de grficos. Adems, a la hora de clasificarlos o
seleccionarlos slo tienen en cuenta los aspectos procedimentales y no la utilidad del
grfico para un problema particular o las posibles actividades interpretativas que pueden
llevarse a cabo con ellos.
30
Asimismo debiera conocer los convenios de construccin de los diferentes tipos de
grficos y ser capaz de construir correctamente un grfico sencillo. Esto es todava ms
necesario en los futuros profesores responsables de formar a los nios en el tema. Sin
embargo la investigacin reseada indica que los futuros profesores de Educacin
Primaria tienen dificultades con el lenguaje grfico que han de transmitir a sus alumnos
y han de utilizar como herramienta en su vida profesional. Nuestra investigacin trata de
contribuir a proporcionar ms informacin al respecto con el fin de poder mejorar en el
futuro la preparacin de los profesores.
31
4. EL ESTUDIO EMPRICO
4.1. INTRODUCCIN
En este captulo presentamos una investigacin, donde analizamos los grficos
producidos por una muestra de estudiantes de Magisterio. Aunque la actividad con la que
se tomaron los datos es ms amplia, y requera tambin la elaboracin de tablas y
resmenes estadsticos, nosotros nos centramos slo en el estudio de los grficos
producidos, que analizaremos desde distintos puntos de vista.
Primeramente describimos la muestra y el contexto en que se realiz la actividad, as
como la enseanza de estadstica que los alumnos participantes haban tenido y realizamos
un anlisis a priori del proyecto con el cual se tomaron los datos para realizar el estudio
emprico. Seguidamente clasificamos los grficos construidos por los estudiantes segn
unos niveles de complejidad semitica definidos teniendo en cuenta algunas ideas tericas
de Font, Godino y DAmore (2007). Para cada uno de los niveles presentaremos un
ejemplo de grfico correcto y otro de grfico incorrecto, realizando un anlisis semitico
de los mismos.
Analizamos tambin la correccin del grfico, su interpretacin y las conclusiones
obtenidas en funcin de su complejidad semitica y finalizamos con la discusin de las
conclusiones.
32
4.3. ANLISIS A PRIORI DEL PROYECTO
4.3.1. LA ACTIVIDAD
La actividad con la que se tomaron los datos era parte de una prctica a la que se
dedic dos sesiones de clase de dos horas de duracin cada una, dentro de la asignatura
citada (Currculo de Matemticas en Educacin Primaria) y se relaciona con el cuarto
bloque del currculo de matemticas en la Educacin Primaria: Tratamiento de la
informacin, azar y probabilidad.
Dicha prctica, titulada Evaluacin de experiencias de enseanza: estadstica en
primaria tena como objetivos adquirir competencias de anlisis didctico de experiencias
de enseanza y tambin competencias de bsqueda de recursos didcticos. Puesto que es
difcil llevar a todos los estudiantes a un aula de primaria a observar una sesin de
enseanza, en lugar de ello, se realiza una experiencia de enseanza de la estadstica en el
mismo aula, siendo los alumnos los estudiantes para profesor (primera sesin) y
posteriormente se analiza desde el punto de vista didctico la experiencia realizada
(segunda sesin).
Nosotros nos centramos slo en la experiencia llevada a cabo en la primera de estas
sesiones. En ella se propuso a los futuros profesores la realizacin de un proyecto de
anlisis de datos, titulado Comprueba tus intuiciones sobre el azar, en el que ellos
mismos obtuvieron los datos necesarios. Al finalizar la sesin se dio a los estudiantes una
copia con los datos obtenidos en la clase y se les pidi producir individualmente un
informe escrito en el cual deban responder la pregunta que se les planteaba. Los
estudiantes tuvieron libertad para elegir los grficos o resmenes estadsticos que
considerasen convenientes e incluso usar ordenadores. A la semana siguiente, en la
segunda sesin, se recogieron y analizaron las producciones de los estudiantes.
4.3.2. EL PROYECTO
El proyecto Comprueba tus intuiciones sobre el azar es parte de una unidad didctica
diseada para introducir los temas sobre tratamiento de la informacin, azar y
probabilidad en los primeros aos de Educacin Secundaria Obligatoria, pero su
contenido estadstico es tambin adecuado para la formacin de maestros (Batanero,
2001). Fines complementarios de este proyecto son mostrar la utilidad de la estadstica
para probar conjeturas y comprobar que las intuiciones sobre el azar a veces son
engaosas. La secuencia de actividades se describe a continuacin (una descripcin ms
completa puede analizarse en Godino, Batanero, Roa y Wilhelmi, 2008).
33
1. Presentacin del proyecto, instrucciones iniciales y discusin colectiva. Se
comenz la sesin con una discusin sobre si las personas tienen o no buena intuicin
respecto a los fenmenos aleatorios. Conseguido el inters de los alumnos en el tema, se
propuso a los futuros profesores llevar a cabo un experimento para decidir si la clase en
conjunto tena o no buenas intuiciones respecto a dichos fenmenos. El experimento
consiste en inventar una secuencia de 20 posibles resultados al lanzar una moneda
equilibrada (sin lanzarla realmente) de modo que la secuencia pueda pasar como
aleatoria para otra persona y comparar con los resultados de 20 lanzamientos reales de
una moneda. Este experimento est adaptado de otros realizados en las investigaciones
sobre percepcin subjetiva de la aleatoriedad (por ejemplo, de la investigacin de
Serrano, 1996).
Secuencia real
Adems, puesto que cada estudiante realiza el experimento y cuenta el nmero de caras
obtenidas, tenemos una serie de m ensayos de cada una de las variables aleatorias
anteriores, siendo m el nmero de estudiantes de la muestra, y por lo tanto obtenemos dos
variables estadsticas:
4. Elaboracin de un informe individual. Una vez que los estudiantes tienen una
hoja con los datos de estas variables, han de resumirlos, formando la distribucin de
frecuencias de las correspondientes variables estadsticas para proceder, primeramente
al anlisis de cada una de estas dos variables estadsticas y luego a la comparacin de
las principales diferencias en su distribucin. De ello esperamos extrapole a las
35
diferencias entre las correspondientes variables aleatorias y de ah obtenga conclusiones
respecto a las intuiciones de la clase en su conjunto sobre la aleatoriedad. Esperamos
que los estudiantes se den cuenta de que las variables tienen la misma media, pero
distinta dispersin. Las intuiciones sobre el nmero de caras son correctas respecto al
promedio, pero hay una mala intuicin respecto a la dispersin, pues la secuencia de los
alumnos tiene menos variabilidad que las secuencias reales. En otras palabras no se
percibe la variabilidad real de un proceso aleatorio, aunque si sus tendencias (Serrano,
1996).
Tabla 4.1. Nmero de caras obtenidas en cada secuencia en uno de los grupos
36
Para recoger estos datos, una vez finalizados los experimentos, el profesor pide a los
alumnos que, segn el orden en que estn colocados en la clase, vayan dando en voz alta
sus datos para el nmero de caras en cada una de las secuencias. Cada vez que un
estudiante da sus datos, todos los compaeros lo anotan en una nueva fila de la tabla.
Como vemos se tiene una tabla de datos con tantas filas como alumnos en la clase y dos
variables estadsticas: nmero de caras en la secuencia real y simulada.
Al comenzar el trabajo, disponiendo ya los alumnos de la lista de datos, se ha pasado
de un problema extra-matemtico (decidir sobre las intuiciones respecto al azar del
conjunto de la clase) a otro matemtico (comparar dos listas de datos). Para resolver el
problema planteado, esperamos que los estudiantes identifiquen el valor mximo y mnimo
del nmero de caras en las secuencias real y simulada y preparen una tabla de frecuencias
como la Tabla 4.2 para resumir la informacin, donde se recoja la frecuencia absoluta,
porcentaje, quizs tambin la frecuencia acumulada. Sera necesaria tambin otra tabla
similar para resumir los datos de la secuencia real.
Se espera tambin que los alumnos calculen resmenes estadsticos tales como las
medidas de posicin central: media, mediana y moda y de dispersin (al menos el rango)
que se han estudiado el curso anterior y cuyos valores para el conjunto de datos de la Tabla
4.1 se muestran en la Tabla 4.3.
Lo deseable sera que realizasen grficos simultneos para las dos distribuciones, ya
que esto facilitara la comparacin de ambas y como consecuencia la mejor interpretacin
37
de la informacin estadstica puesta en juego y la obtencin de conclusiones en relacin a
las intuiciones del conjunto de la clase sobre el azar. En las siguientes figuras (4.2, 4.3, 4.4)
se muestran ejemplos de algunos grficos de este tipo que podran utilizar los alumnos.
Aunque todos ellos representan la misma informacin, los objetos matemticos puestos en
juego varan. En el grfico de puntos, por ejemplo, no hay un eje que represente la
frecuencia de los valores de la variable, sino que esta frecuencia se representa por el
nmero de cruces en el grfico asociado a cada valor de las variables. Dicha frecuencia
est representada por la altura de la barra en el grfico de barras y por la coordenada Y del
punto en el grfico de lneas, que es donde verdaderamente aparece una representacin en
coordenadas cartesianas.
Figura 4.3 Grficos de barras adosados para el n de caras para ambas secuencias
Siendo conscientes de que este tipo de grficos, al estar representados en ellos dos
variables, son de mayor complejidad para los alumnos, podemos admitir tambin que
los estudiantes hagan grficos separados para la distribucin de cada secuencia, siempre
que se utilice el mismo tipo de grfico para ambas y la misma escala en los dos grficos,
para que as se facilite la comparacin de las distribuciones en estudio. En la Figura 4.5
se muestra un grfico de barras para cada una de las secuencias, en los cuales se ha
38
utilizado la misma escala. Tanto en el grfico de barras como en el de lneas se puede
visualizar mejor la moda, la dispersin y la forma que tienen las distribuciones, que en
otros grficos como los de sectores, que aunque estn correctamente construidos, es ms
difcil extraer de ellos diferencias importantes entre las dos distribuciones que indiquen
si nuestra intuicin sobre el azar nos engaa.
Figura 4.4. Grfico de lneas adosado del n de caras para ambas secuencias
Interpretacin y conclusiones
Una caracterstica del nmero de caras en una secuencia real es que, en general, es
ms variable de lo que nuestra intuicin nos sugiere como se vio en la investigacin de
Serrano (1996) con alumnos de bachillerato y futuros profesores. Mientras que los
valores medios del nmero de caras coinciden, aproximadamente en las secuencias
reales y simuladas de los participantes en dicho estudio, la dispersin fue mucho mayor
en las secuencias reales. El autor indica que somos muy exactos al reflejar la
equiprobabilidad de resultados, incluso ms exactos de lo debido, puesto que la
secuencia simulada tiene menos dispersin que la real.
39
Al estudiar los diferentes grficos (4.2 a 4.5) y lo resmenes estadsticos presentados
la Tabla 4.3, se observa que hemos obtenido una distribucin bimodal lo cual sugiere la
necesidad de usar la media o la mediana para llevar a cabo la comparacin:`x=10,14
para las secuencias simuladas `x=9,74 para las reales en nuestro ejemplo, donde vemos
que los valores son muy parecidos entre s y casi iguales al valor terico np=10 de la
variable aleatoria nmero de caras en 20 lanzamientos de una moneda equilibrada, que
es una variable aleatoria Binomial. Las medianas son respectivamente iguales a 10 y 9.
Por tanto los estudiantes han reproducido intuitivamente los promedios de la variable
nmero de cara en 20 lanzamientos de una moneda.
Tambin surge en esta actividad la idea de dispersin de una forma sencilla. Bien a
travs del recorrido o del 50 % de casos centrales se observa mayor dispersin en la
secuencia real, donde el 50% de los casos centrales se presentan en el intervalo (9-11) y
el recorrido es 7, mientras que en la secuencia simulada el 50% de casos centrales se
reduce al valor 10 y el recorrido es 5. Esperamos que los estudiantes, bien calculando
los estadsticos, bien a partir de los grficos perciban la igualdad aproximada de las
medidas de posicin central y la mayor dispersin de las secuencia reales.
La conclusin respecto a las intuiciones es que los alumnos de los grupos donde se
realiz el experimento tienen una buena percepcin del valor esperado del nmero de
caras en 20 lanzamientos, puesto que la mayora produce exactamente 10 caras. Sin
embargo, la variabilidad del nmero de caras no se percibe, suponiendo mayor
regularidad que la existente en un proceso aleatorio.
41
dispersin en ambas secuencias. No tendremos en cuenta estos estudiantes en nuestro
anlisis, pues nuestro inters se centra en los grficos estadsticos producidos por los
estudiantes.
C1. Representa slo sus resultados individuales. Algunos alumnos producen una
grfica para representar los datos obtenidos en su experimento particular, sin considerar los
datos de sus compaeros. Estos estudiantes tratan de resolver la pregunta para su caso
particular (si l mismo tiene una buena intuicin), no habiendo comprendido el propsito
del proyecto o no siendo capaces de realizar un anlisis global de los datos. Generalmente
manifiestan una intuicin errnea sobre la aleatoriedad suponiendo que una buena
intuicin implicara que su secuencia simulada fuese idntica en alguna caracterstica a su
secuencia real.
Aunque la impredecibilidad es una diferencia esencial entre experimentos aleatorios y
deterministas, estos estudiantes tratan de predecir el resultado o al menos predecir una
parte de los resultados de la secuencia aleatoria. Este fenmeno, denominado ilusin de
control fue observado originalmente de Langer (1975) en diferentes tipos de juegos de
azar, por ejemplo la lotera, donde observ en los sujetos una creencia ilusoria sobre su
capacidad para influir en el resultado.
Estos estudiantes representan la frecuencia de resultados obtenidos en sus propias
secuencias; en el caso de la secuencia real, consideran solamente la variable aleatoria
resultado del lanzamiento de una moneda equilibrada, es decir, una variable Bernoulli
que puede tomar los siguientes valores Cara o Cruz. As estos alumnos llegan a una
idea intuitiva de variable estadstica y su distribucin, siendo dicha variable los resultados
de los 20 lanzamientos de una moneda que cada uno de los alumnos realizan, es decir se
trata de una muestra de 20 valores de la variable aleatoria Bernoulli.
En la Figura 4.6 se muestra un ejemplo correcto. El grfico representa las frecuencias
de caras y cruces en los 20 lanzamientos del estudiante. En este caso concreto, el
estudiante usa un diagrama que podramos interpretar como de barras, aunque sustituye las
barras por lneas de puntos. Tambin traza una lnea punteada, no necesaria, para marcar
las frecuencias que corresponden a cada resultado.
El ttulo del grfico es confuso ya que lo que se representa son las frecuencias de cada
uno de los resultados y no las diferencias. Los ejes no tienen rtulos aunque s etiquetas
para los valores de las variables representadas en los mismos. En el eje X el significado de
estas etiquetas es claro, sin embargo en el eje Y debemos interpretar que lo que se
42
representa son frecuencias absolutas. Para realizar el grfico, el alumno tiene que haber
hecho un recuento del nmero de caras y cruces, considerando el experimento aleatorio,
sus posibles resultados, la variable estadstica y las correspondientes frecuencias. Usa
implcitamente la proporcionalidad en la escala del eje Y. El orden de la escala en el eje X
es artificial.
43
alumno no puede sacar ninguna informacin que le permita resolver el problema
planteado. El alumno utiliza la hoja Excel para realizar su grfico por lo que no est claro
que sepa los convenios de construccin del grfico de sectores, por ejemplo no est claro
que sepa que la amplitud de cada uno de los sectores debe ser proporcional a la frecuencia.
Sin embargo, al menos implcitamente est usando las ideas de crculo y sector circular.
Procedimientos
- Recuento de los resultados del experimento.
- Introduccin de los datos del experimento en Excel
para realizar el grfico.
- Seleccin del grfico de sectores en Excel.
- Introduccin de datos dentro de la funcin Excel que
proporciona el grfico de sectores, incluyendo el
ttulo y etiquetas.
- Diferenciacin de los valores de las distintas
variables por medio de la utilizacin de distintos
colores.
C2. Representa los valores individuales de la variable. Son los estudiantes que no
llegan a agrupar los valores similares del nmero de caras obtenidos en las secuencias
reales o simuladas del total de alumnos en la clase. En lugar de ello, representan el valor (o
44
valores) obtenidos para cada alumno dentro del grfico. Se trata de una representacin de
los datos en el orden en que han sido obtenidos, pero no se llega a la idea de frecuencia
asociada a cada valor o de distribucin de frecuencias de la variable estadstica.
Hacemos notar que el orden de presentacin de los datos en el eje X es artificial, pues
slo indica el orden arbitrario en que se recogieron los datos en la clase. Dentro de esta
categora hemos obtenido diagramas de barras horizontales y verticales; grficos de lneas
de una o las dos variables, que, aunque no permiten resolver el problema de comparacin,
al menos muestran la variabilidad de los datos en los diferentes estudiantes.
En las figuras 4.8 y 4.9 se muestran dos ejemplos de grficos realizados por los futuros
profesores, correspondientes a la categora C2. En el primero de los casos el estudiante
realiza diagramas de barras separados para cada secuencia, permitiendo este tipo de
grficos mostrar la variabilidad de los datos obtenidos por los alumnos, aunque
dificultando mucho la comparacin de las secuencias real y simulada para la obtencin de
una conclusin final en el proyecto, pues no se observa con claridad la moda ni las
frecuencias de los diferentes valores. Sin embargo, usa implcitamente las ideas de
experimento aleatorio, variable aleatoria y sus valores, as como la variabilidad de la
variable.
El alumno usa la idea de proporcionalidad, pues la altura de cada barra corresponde al
valor de la variable obtenido por cada alumno. El valor de la variable se ha representado en
el eje Y, que usualmente corresponde a las frecuencias. En el eje X se representan los
nmeros naturales ordenados en su orden natural. Por tanto establece una correspondencia
entre las divisiones en el eje que son los nmeros naturales y cada uno de los alumnos,
aunque dicha correspondencia es arbitraria, as en el eje X se representan los alumnos de la
clase ordenados segn su colocacin en el aula, es por tanto un orden arbitrario que no
corresponde al orden de los nmeros naturales.
Tambin se visualiza la idea de variable estadstica (diferentes valores de la variable
aleatoria para cada estudiante), pues se representa cada unidad estadstica (alumno) con su
valor de la variable.
45
Figura 4.8. Anlisis semitico de un grfico correcto del tipo C2
Grfico de barras separados de cada secuencia Configuracin cognitiva
Conceptos y proposiciones
- Experimento aleatorio: lanzamiento de
una moneda 20 veces.
- Variables aleatorias: nmero de caras al
lanzar 20 veces una moneda equilibrada
y nmero de caras en la secuencia
inventada de longitud 20 por un
estudiante genrico.
- Variables estadsticas: nmero de caras
al lanzar 20 veces una moneda
equilibrada y nmero de caras en la
secuencia inventada de longitud 20
obtenidas por cada uno de los m
estudiantes de la clase.
- Valor de la variable aleatoria para cada
alumno.
Procedimientos - Proporcionalidad (altura de la barra con
- Representa en el eje X: Nmero de orden de los valor de la variable).
alumnos en la clase, segn su colocacin, no - Nmeros naturales.
corresponde a una propiedad del conjunto de alumnos. - Orden de los nmeros naturales.
- Establece una correspondencia entre las divisiones en - Segmento.
el eje que son los nmeros naturales y cada uno de los - Perpendicularidad y paralelismo.
alumnos. Dicha correspondencia es arbitraria. - Variabilidad de los datos.
- Representacin del eje Y: nmero de caras obtenido
por cada alumno, es decir representa el valor de la Lenguaje
variable. Hay divisiones, en el eje que representan los - Grafico: lneas, puntos, marcas.
resultados individuales obtenidos por cada uno de los - Verbal: ttulo del grfico y etiquetas de
alumnos. los ejes.
- Numrico, en las escalas de los ejes.
- Rtulo para el ttulo del grfico confuso
al no hacer referencia a la variable N
de caras.
- Incluye rtulo en los dos ejes.
46
Figura 4.9. Anlisis semitico de un grfico incorrecto del tipo C2
Grfico de barras adosado de las dos secuencias Configuracin cognitiva
Conceptos y proposiciones
En este ejemplo (figura 4.9), las etiquetas de los ejes son claramente deficientes, pues
el eje Y no presenta los nmeros naturales ordenados y los que aparecen en el eje X no
corresponden a lo representado (estudiantes de la clase). Hay un conflicto semitico pues
el estudiante confunde al menos a nivel verbal la mediana con unidad estadstica (nmero
del estudiante). En este ejemplo, as como en el presentado en la figura 4.7 se muestra
como el uso del ordenador ha dificultado la construccin del grfico por parte del alumno.
En este ejemplo, parece que el alumno quiere representar los valores individuales de las
variables en un mismo grfico, pero que acepta las opciones que vienen por defecto en la
hoja Excel, as, segn la categorizacin dada por Ben-Zvi y Friedlander (1997), este
grfico correspondera a un Uso acrtico, por parte del estudiante, del software para la
realizacin del grfico.
47
C3. Produce grficos separados para cada distribucin. El alumno forma una tabla de
frecuencias de cada una de las dos variables y a partir de ella produce un grfico o bien
representa directamente un grfico de cada uno de los valores diferentes de la variable
(para las dos variables) con sus frecuencias. Esto supone que el alumno pasa del conjunto
de datos a la variable aleatoria nmero de caras en 20 lanzamientos y a su
correspondiente variable estadstica con su distribucin de frecuencias en la muestra de m
estudiantes. El usar dos grficos separados dificulta a veces la comparacin de las
variables, sobre todo en caso de no usar la misma escala de representacin en los dos
grficos o usar distintos tipos de grficos para cada una de las secuencias.
Entre los grficos correctos dentro de esta categora hemos obtenido grficos de barras
horizontales y verticales y polgonos de frecuencias. En las figuras 4.10 y 4.11 se
muestran, respectivamente, un grfico correcto y otro incorrecto pertenecientes al nivel de
complejidad semitico C3. En ambos casos los alumnos llegan a la distribucin de
frecuencias de las variables estadsticas, pasando de los datos a la variable y su
48
distribucin.
En la figura 4.10 el estudiante ha sido capaz de agrupar los datos obtenidos en el
experimento realizado por la clase segn el valor de la variable, llegando as al concepto de
variable estadstica, frecuencia asociada a cada uno de los posibles valores de sta y a su
distribucin. En este caso el grfico utilizado es un grfico de barras, en el que cada barra
representa la frecuencia asociada a cada valor de la variable estadstica y en cuya
representacin el alumno utiliza la idea de proporcionalidad. Este grfico permite
visualizar fcilmente la moda, el valor mximo y mnimo de la variable y por tanto el
rango, por lo que si en el grfico anlogo para la secuencia real se utilizasen las mismas
escalas, sera posible extraer interpretaciones y conclusiones de la comparacin de dichos
resmenes estadsticos en ambos grficos. Tanto en el eje X como en el Y el alumno
representa los nmeros naturales ordenados, sin poner rtulos a los ejes. Adems el ttulo
del grfico puede considerarse incompleto al no hacer referencia a la variable N de caras
en la secuencia simulada cuya distribucin est siendo representada.
Los alumnos tambin producen grficos incorrectos, como histogramas con intervalos
incorrectamente representados, grficos de barras con ejes intercambiados (confusin de la
variable dependiente e independiente en la distribucin de frecuencias), representacin de
las frecuencias adosadas a los valores de la variable (no se comprende el significado de la
frecuencia) y grficos de sectores, que no permiten mostrar la variabilidad de los datos. En
el ejemplo de la figura 4.11 se observa un grfico incorrecto dentro de esta categora. Se
trata de un grfico de barras en el que no se han respetado los convenios de construccin
de este tipo de grficos ya que, han sido intercambiadas las variables independiente
(nmero de caras) y dependiente (frecuencias absolutas asociadas al nmero de caras) de la
distribucin de frecuencias en los ejes.
Este conflicto ya fue detectado por Ruiz (2006) en un estudio de comprensin de la
variable aleatoria y lleva consigo una mayor dificultad en la lectura e interpretacin del
grfico. En el ejemplo mostrado no se perciben todos los valores diferentes de la variable,
pues si hay dos valores con la misma frecuencia, se representan sobre la misma barra.
Adems, la moda en este caso es ms complicada de detectar visualmente. Esto conlleva
una mayor dificultad en la comparacin de los grficos de la secuencia simulada y la
secuencia real y por lo tanto en la interpretacin y extraccin de conclusiones para dar
respuesta a la pregunta planteada en el proyecto. A pesar de estos problemas el alumno es
capaz de agrupar los datos brutos y llegar al concepto de variable estadstica y frecuencias
y utilizar la idea de proporcionalidad en la construccin del grfico.
49
Figura 4.11. Anlisis semitico de un grfico incorrecto del tipo C3
Grfico de barras con ejes cambiados Configuracin cognitiva
Conceptos y proposiciones
- Experimento aleatorio: lanzar 20
monedas.
- Variables aleatorias: nmero de
caras al lanzar 20 veces una
moneda equilibrada y nmero de
caras en la secuencia inventada de
longitud 20 por un estudiante
genrico.
- Variables estadsticas: muestra de
tamao m de los resultados del
nmero de caras al lanzar 20 veces
una moneda equilibrada y nmero
Lenguaje de caras en la secuencia inventada
- Grafico: rectngulos, lneas, marcas. de longitud 20 obtenidas por cada
- Verbal: rtulos de los ejes y ttulos de ambos grficos. uno de los m estudiantes de la
- Numrico: Escalas en los ejes que representan los nmeros clase.
naturales ordenados; incluye etiquetas de los valores. - Frecuencias de cada posible valor
- Simblico: utiliza el smbolo xi para referirse a los posibles de la variable.
- Distribucin de frecuencias.
valores de la variable estadstica y fi para referirse a las
- Paralelismo y perpendicularidad.
frecuencias absolutas de los distintos valores que toma la - Proporcionalidad (altura de la
variable. barra con valor de la variable).
- El ttulo del eje es incompleto, pues lo que se representa es - Nmeros naturales y orden de los
la distribucin del nmero de caras en ambas secuencias. naturales.
- Conflicto al confundir frecuencia y
Procedimientos valor de la variable.
- Recuento de datos y clculo de frecuencias.
- Conflicto al confundir la variable
- Representacin de los ejes: en el eje Y representa el nmero
dependiente e independiente en la
de caras (valores de la variable estadstica) y en el eje X la
distribucin de frecuencias.
frecuencia asociada a cada valor de la variable.
- Representacin de escalas en los ejes.
- Representacin de valores de la variable mediante barras.
- Utiliza la misma escala en ambos grficos lo cual facilita la
comparacin.
- No sigue el convenio en la representacin de las frecuencias
50
(por ejemplo las medias) en variables no directamente comparables, o de varios
estadsticos no comparables en las dos variables (por ejemplo, media y rango) o diagrama
de sectores del total de caras en las dos distribuciones.
51
estadsticos subyacentes en el, ya que posibilita visualizar la moda, los valores mximos y
mnimos de las variables, los rangos e incluso permite, por un simple mecanismo de
conteo de puntos, calcular cual es la mediana en ambas distribuciones. Este grfico tiene la
ventaja de facilitar mucho la comparacin de ambas distribuciones. El alumno hace un
pequeo error en el grfico pues no ha colocado el mismo nmero de puntos en cada parte
del grfico, mientras que el nmero de datos de las dos variables estadsticas es el mismo.
Pensamos que este es un error accidental por lo que consideramos el grfico correcto.
53
En la Tabla 4.4 se presenta la clasificacin de los alumnos segn el nivel de los
grficos que elaboran y la correccin de los mismos. En la figura 4.14 se representan estos
datos, primeramente mediante un grfico de barras adosado de frecuencias absolutas y
seguidamente, mediante un grfico apilado de barras en porcentajes dentro de cada
categora.
En dicha tabla y grficos se observa que la mayora de los estudiantes que representan
los datos grficamente (52,2%), producen grficos separados para cada variable (nivel C3),
generalmente correctos o parcialmente correctos. Consideramos que el grfico es
parcialmente correcto si no teniendo errores esenciales, el alumno no usa la misma escala
en los dos grficos o bien no usa el mismo grfico en las dos muestras, dificultndose por
ello la comparacin. Otros casos considerados parcialmente correctos es cuando no centran
54
el intervalo en los histogramas, no hay coincidencia de los valores representados con la
escala utilizada o no incluyen etiquetas. Catorce alumnos en este nivel producen grficos
sin sentido al representar en el mismo grfico los promedios del nmero de caras y de otras
variables utilizadas en la realizacin del proyecto, las cuales no han son objeto de estudio
en este trabajo (nmero de rachas y longitud de la racha ms larga) , representan los
productos de valores por frecuencia o bien intercambian frecuencias y valores de las
variables en los ejes, considerando las frecuencias como variable independiente y los
valores de la variable dependiente error ya detectado en Ruiz (2006) en relacin al
concepto de variable aleatoria.
El 28,4% trabajan al nivel C4, y producen un solo grfico de las dos variables, aunque
seis de estos grficos son parcialmente correctos y cinco incorrectos por alguna de las
razones sealadas anteriormente. Este nivel tiene un alto porcentaje de grficos correctos
(56%) y si tenemos en cuenta tambin los grficos parcialmente correctos se tiene que un
total del 80% de los grficos pertenecientes a esta categora, son al menos, parcialmente
correctos. Los alumnos que llegan a construir grficos del nivel C4, a pesar de ser el nivel
de mayor complejidad semitica, consiguen, en su mayora, realizar el grfico de manera
que sea al menos correcto parcialmente.
Son pocos los estudiantes que analizan slo sus propios datos (nivel C1) y slo 17%
estudian los valores obtenidos por cada estudiante caso a caso sin llegar a formar la
distribucin, por lo que dicho concepto parece ser adquirido y utilizado por los estudiantes
para resolver la tarea propuesta. En este caso (nivel C2), la mayora de los grficos
producidos son correctos, precisamente el mayor porcentaje de grficos construidos
correctamente se da en el nivel C2, siendo un 62,5% del total de los grficos de esta
categora correctos. Al ser grficos muy simples, el alumno no produce errores en la
representacin de los datos; sin embargo, puesto que el alumno no ha llegado a la
distribucin de frecuencias de la variable, estos grficos no permiten resolver el problema
propuesto.
55
Tabla 4.5 Distribucin de estudiantes, segn nivel de complejidad semitica e
interpretacin de los grficos
100%
90%
Porcentaje en cada nivel
80%
70%
60%
50% En bla nco o i ncorrecta
40% Parci al mente correcta
30% Correcta
20%
10%
0%
C1 C2 C3 C4
Niveles de complejidad semitica
56
En la secuencia real las frecuencias son ms consecutivas, no se repite la misma cara tantas veces y se
repiten menos veces y distintos nmeros, por ello las barras estn ms juntas (Alumno CB).
En este otro ejemplo, el alumno hace una lectura incorrecta del mnimo (que es 9) en la
grfica producida:
En la experiencia de la secuencia simulada, el nmero de caras que cada uno de la clase pensbamos
estaban a partir de 8 caras (Alumno TF)
Destacamos, en primer lugar que una cuarta parte de los estudiantes se limita a
producir el grfico sin llegar a interpretarlo o bien da una interpretacin errnea, pues,
aunque leen elementos aislados del grfico, no llegan a la extraccin de tendencias o
57
anlisis de la estructura (Bertn, 1967) en su nivel de lectura de grficos. Estos errores o
esta falta de interpretacin se produce sobre todo en los grficos de nivel C3 y C4, pues la
menor complejidad semitica de los grficos de nivel C1 y C2 hace que estos sean ms
sencillos de interpretar para los estudiantes.
En cuanto al nmero de caras reales que ha obtenido el grupo es mucho ms variable son ms
homogneos que en la simulacin. Para poder realizar esta afirmacin hemos usado el rango (Alumno
JI).
En primer lugar compar los datos del nmero de caras en las dos secuencias donde destacar las
diferencias que se aprecian principalmente entre el rango, la varianza y consecuentemente la desviacin
tpica de hasta seis veces ms en la secuencia simulada respecto a la real (Alumno LC).
58
aumenta la frecuencia; deteccin de la moda). En este caso se comparan las modas y
porcentajes de valores pero no la dispersin.
El sistema de representacin de datos utilizado es el diagrama de lneas ya que se pueden ver las
diferencias entre la secuencia simulada y la real; si la lnea asciende, la frecuencia aumenta,.. El punto
ms alto del diagrama corresponde al valor de la variable que tiene mayor frecuencia, como ocurre
(pone un ejemplo) (Alumno AG).
La mayor proporcin absoluta de los que hacen esta interpretacin parcial se encuentra
entre los estudiantes que producen un grfico de nivel C3 igualando en este nivel al
nmero de interpretaciones correctas. En proporcin relativa, dentro de cada nivel, los que
producen mayor nmero de interpretaciones parcialmente correctas son los de nivel C2 y
que, como hemos indicado no llegan a trabajar con la distribucin de la variable
estadstica. La explicacin es que la comprensin de la idea de distribucin entraa
conjugar a la vez las ideas de promedio y dispersin, que los estudiantes en este nivel no
han sabido todava relacionar. Por ello en la interpretacin de la grfica, bien no interpretan
los promedios, bien no interpretan la dispersin.
Hay tambin una alta proporcin de interpretaciones parcialmente correctas dentro de
los que llegan a producir grficos de nivel de complejidad C4; en algunos casos los
grficos son producidos con la ayuda de Excel, por lo que el alumno aunque llega al mayor
nivel a la hora de representar los datos, no comprende bien el grfico producido y no llega
a interpretarlo en forma completa.
Interpretaciones correctas
Una tercera parte de los estudiantes conjuga estas dos ideas detectando las tendencias y
analizando la estructura de los datos, llegando al nivel de anlisis de la estructura
definido por Bertin (1976), que coincide con el nivel de lectura de los grficos leer ms
all de los datos dado por Curcio (1989), aumentando la proporcin de los que lo hacen
en los dos niveles superiores.
En el siguiente caso, aunque no muy bien expresado, el alumno compara tanto la moda
(tendencia central) como la dispersin (rango) dando una interpretacin correcta de cada
una de estas medidas.
El rango de la secuencia simulada ha sido 3 y de la secuencia real 8, por tanto podramos deducir la
mayor variedad de que salga cara en la secuencia real. La moda es de 10 en la secuencia simulada y 9 en
59
la secuencia real, es decir, en ambos casos se han repetido casi el mismo nmero de caras seguidas
(Alumno NG).
Otro ejemplo (Alumno MC) hace referencia a los valores centrales y la distribucin de
los datos (dispersin) alrededor de los mismos:
Al comparar los grficos podemos observar que el nmero de caras de la simulacin real est mucho
ms repartido que en la simulacin, cuyos datos estn ms centrados en los nmeros 10 y 11 al igual que
en la real (Alumno MC).
Esta misma idea se expresa en forma diferente por otros estudiantes. En el ejemplo,
aunque el alumno es impreciso en el lenguaje (intervalo en lugar de valor; frecuencia, en
lugar de secuencia, etc.) hace referencia a la variabilidad (fluctuacin), rango de variacin
(8-15); moda (10 es la secuencia con mayor nmero de veces):
Para comentar las diferencias, el grfico aporta ms posibilidades pues visualmente podemos percibir las
diferencias. Centrndome en el grfico, observamos que los valores de la frecuencia simulada e
concentran en torno a unos mismos intervalos, 10 y 11 mientras que en la frecuencia real los valores estn
ms disgregados aunque tambin vemos que se concentran en los niveles 8-15 fluctuando al alza y a la
baja. De esta forma en la frecuencia real comprobamos que 10 es la secuencia con mayor nmero de
veces, saliendo cara, tanto en la simulada (20) como en la real (14) (sigue comparando las frecuencias de
los diferentes valores)... de esta forma percibimos que la horquilla de la secuencia real es mucho ms
amplia que la simulada (Alumno FL).
En el siguiente caso hay mejor uso del lenguaje matemtico hacindose referencia
explcita al rango e implcita a la moda.
Comparando ambas secuencias observo que se asimilan mucho en el nmero de caras en el que todo es
igual (se refiere a las modas) a excepcin del rango que en uno es de 9-12 y en otro de 6-15 (Alumno
PF).
Sin tener en cuenta el nivel C1, en el que solamente se encuentran dos alumnos, y uno
de ellos interpret su grfico correctamente, con lo que el porcentaje de interpretaciones
correctas de los grficos en esta categora es del 50%, el nivel en el cual hay mayor
porcentaje de interpretaciones correctas es en el nivel C4. Una vez que el alumno es capaz
de construir correctamente un grfico de este nivel de complejidad, este tipo de grficos
facilita la comparacin de tendencias en ambas distribuciones, e incluso las posibles
60
diferencias existentes en promedios y en dispersin de estas. Dicho de otro modo el mayor
nivel alcanzado en la construccin de grficos parece implicar mayor nivel en la lectura de
los mismos.
61
Figura 4.16. Clasificacin de estudiantes, segn nivel de complejidad semitica y
conclusin final obtenida
35
30
25
frecuencia
20
Correcta
15 Parcial
10 En blanco o incorrecta
0
C1 C2 C3 C4
Niveles de complejidad semitica
Conclusiones errneas
As, algunos alumnos no perciben la impredecibilidad de los experimentos aleatorios,
identificando buena intuicin con capacidad de obtener exactamente los mismos
resultados en el experimento real y simulado, es decir mostrando la ilusin de control
descrita por Langer (1975), como se observa en los siguientes ejemplos:
Las conclusiones obtenidas despus de realizar el experimento aleatorio de lanzar una moneda podemos
comprobar el nmero de veces que la previsin coincide con la real para comprobar las diferencias entre
las dos situaciones (Alumno AA).
Las conclusiones a las que llego despus de haber hecho el estudio acerca de las intuiciones de los
estudiantes de la clase sobre el experimento de lanzar una moneda son: mis compaeros han tenido una
62
buena intuicin a la hora de realizar la secuencia simulada, llegando a obtener resultados idnticos entre
las dos secuencias, como me ocurri a mi (Alumno GC).
No se parecen mucho ya que en las simuladas lo que se haca es inventarse los datos y no sabes como
pueden salir los datos en la realidad. Cada tirada tienes un 50% de posibilidades para acertar (Alumno
AG).
Otra concepcin errnea sobre los fenmenos aleatorios la muestra el alumno EL quien
no entiende el propsito de la estadstica pues no comprende que, aunque el fenmeno
aleatorio no sea predecible para el caso particular, la estadstica permite detectar las
tendencias y medir la variabilidad de los resultados en un conjunto de experimentos. De
este modo, las similitudes en los resultados de las dos distribuciones las atribuye al azar y
no a una buena intuicin del conjunto de la clase.
En mi opinin creo que los resultados han sido obtenidos por el azar. Comparando los datos me he dado
cuenta que son muchos los compaeros que coinciden pero an as sigo pensando que es mera
casualidad, porque en la simulada hemos puesto lo que hemos querido puesto que nadie saba lo que iba a
salir (Alumno EL).
Podemos concluir diciendo que las intuiciones de los estudiantes de la clase sobre el experimento
aleatorio son muy acertadas y aproximadas a la realidad, aunque en las secuencias el nmero de caras es
63
ms exacto que el tamao de las rachas (Alumno JC).
En general si hay una buena intuicin ya que las medias son valores muy prximos, es decir han salido
casi los mismos valores y a golpe de vista se puede comprobar (Alumno TG).
Las intuiciones de la clase haciendo la media es bastante buena. Al calcular la moda, es decir el nmero
que ms se repite en el caso de la variable nmero de caras es el mismo (Alumno CG).
Conclusiones correctas
Slo dos estudiantes concluyen sobre la diferencia en dispersin en las dos
distribuciones, es decir, que el grupo tiene buena intuicin respecto al promedio de nmero
de caras, aunque, al ser las secuencias reales ms variables que las simuladas, las
intuiciones sobre la variabilidad de los fenmenos aleatorios es pobre en los estudiantes. A
continuacin reproducimos la respuesta de uno de ellos.
En cuanto al nmero de caras las intuiciones del aula fueron aproximadas a la realidad, pero no del todo,
ya que la desviacin tpica nos indica que los datos se distancian. Anteriormente la alumna dice: La
media entre la simulada y la real se asemeja,.... la mediana y la moda dan los mismos datos (Alumna
CG)
Resaltamos el hecho de que en los dos casos, el grfico producido por el estudiante es
de nivel C4. Este tipo de grfico ha permitido la solucin completa al problema que no se
produce en los niveles anteriores.
64
Una segunda conclusin del estudio que es independiente del inters de relacionar la
complejidad del grfico con su interpretacin y conclusin es el hecho preocupante que un
nmero tan pequeo de estudiantes llegue a una conclusin completa en el proyecto
planteado. En dicho proyecto se pretende que los estudiantes recorran todos los pasos del
mtodo estadstico, desde el planteamiento del problema, la definicin de las preguntas,
recogida y anlisis de datos y obtencin de conclusiones.
Tambin se pone en prctica el proceso de modelizacin, pues, segn Henry (1997)
un modelo es una interpretacin abstracta, simplificada e idealizada de un objeto del
mundo real, de un sistema de relaciones o de un proceso evolutivo que surge de una
descripcin de la realidad" (pg. 78). En nuestro proyecto la realidad se ha simplificado y
abstrado pasando de la idea general de intuicin al experimento concreto y la definicin
de variables aleatorias (nmero de caras en las secuencias real y simuladas). Adems de
trabajar con las variable aleatorias y estadsticas correspondientes, los estudiantes han de
interpretar los resultados del trabajo matemtico realizado con el modelo (distribuciones de
datos obtenidas) en el contexto del problema (traducir estos resultados a lo que indican
respecto de las intuiciones de los estudiantes).
Es precisamente este ltimo paso (puesta en relacin del resultado con la pregunta
planteada) el que ha causado ms dificultad, por la falta de familiaridad de los futuros
profesores con proyectos estadsticos y actividades de modelizacin. Puesto que estas
actividades se recomiendan hoy en la enseanza de la estadstica en educacin primaria
nos parece necesario que los futuros profesores comprendan y puedan llevar a cabo todos
los pasos de dicho proceso en actividades similares a la analizada. Adems, el trabajo con
proyectos abiertos puede ser especialmente adecuado en el trabajo individual y en grupos
recomendados en el marco del Espacio Europeo de Educacin Superior, y por ello
pensamos que debieran emplearse en la formacin de profesores.
Nuestra investigacin tambin indica que la construccin e interpretacin de grficos
(incluso elementales) es una habilidad altamente compleja, y confirma las dificultades
descritas por Bruno y Espinel (2005) y Espinel (2007) en futuros profesores, a pesar de que
han de transmitir el lenguaje grfico a sus alumnos y utilizarlo como herramienta en su
vida profesional.
En nuestros alumnos se confirman algunos errores frecuentes en la construccin de
grficos citados por dichas autoras, ya que pocos estudiantes incluyen un rtulo correcto y
significativo en el grfico y algunos no centran los intervalos de frecuencias en los
histogramas. Hemos encontrado errores no descritos por Bruno y Espinel como representar
65
el producto de los valores de la variable por su frecuencia y cambiar la variable
dependiente e independiente, representando las frecuencias en el eje de las X, error ya
sealado en el trabajo de Ruiz (2006).
66
5. CONCLUSIONES
En este trabajo hemos planteado a los estudiantes de Magisterio una actividad abierta,
que nos ha permitido iniciarnos en la investigacin, realizando un primer estado de la
cuestin, identificando un problema sencillo de investigacin, recogiendo y analizando los
datos y obteniendo unas primeras conclusiones. Como hemos indicado, este trabajo se
incluye en la lnea de investigacin sobre Didctica de la Estadstica en la que se trabaja
en el Departamento de Didctica de la Matemtica, concretndonos en la evaluacin del
conocimiento de los futuros profesores de educacin primaria respecto a los grficos
estadsticos.
En lo que sigue expondremos las conclusiones obtenidas con respecto a los objetivos y
las hiptesis y finalizaremos con limitaciones encontradas en nuestro estudio y futuras
lneas de investigacin.
67
En nuestro trabajo nos hemos interesado por la construccin de los grficos
estadsticos por parte de futuros profesores de Educacin primaria. Pensamos que la
lnea de investigacin iniciada tiene inters, tanto desde el punto de vista de la educacin
estadstica, como en el campo de formacin de profesores. En Educacin estadstica,
porque se aborda el tema de los niveles en la comprensin grfica desde un nuevo punto de
vista: centrndonos en la construccin, en lugar de en la lectura y utilizando ideas del
Enfoque Ontosemitico para llevar a cabo la definicin de niveles de complejidad del
grfico.
Respecto a la formacin de profesores, como hemos dicho, en la revisin inicial son
muy pocas las investigaciones encontradas sobre comprensin o construccin de
grficos estadsticos por futuros profesores. Por ello, nuestro trabajo puede proporcionar
informacin til al formador de profesores sobre las dificultades de los futuros
profesores con la construccin de grficos y el trabajo con proyectos.
Objetivo 4. Recoger algunos grficos elaborados por futuros profesores con dicho
instrumento y clasificarlos para definir una jerarqua inicial de niveles de complejidad
en la construccin de dichos grficos.
68
Este era el objetivo principal de nuestra investigacin y creemos haberlo llevado a
cabo. En el captulo 4 se han analizado los grficos realizados por los futuros profesores
en el proyecto de anlisis de datos Comprueba tus intuiciones sobre el azar y se han
definido unos niveles de complejidad semitica, que nos han permitido clasificar los
grficos elaborados por la muestra de futuros profesores de nuestro estudio. En este
sentido aportamos un resultado original, ya que no hemos encontrado en nuestra
revisin bibliogrfica ninguna categorizacin basada en la construccin de los grficos
por parte de los alumnos.
69
Esta hiptesis, al realizar el estudio emprico, vemos que no se verifica, como ya se
mostr en el captulo 4 de este trabajo, puesto que el 80,6% del total de los alumnos que
realizan grficos lo hacen dentro de una de las dos categoras superiores (niveles C3 y
C4). Es decir, la mayora de los estudiantes de nuestra muestra llegan al concepto de
distribucin de una variable estadstica, que segn Wild y Pfannkuch (1999) es parte
esencial del razonamiento estadstico. Esto nos muestra que la mayora de los futuros
profesores llegan a construir un grfico de complejidad suficiente para poder resolver
con xito el problema que se les planteaba en el proyecto Comprueba tus intuiciones
sobre el azar.
Los problemas se presentan porque, aunque el grfico sea suficientemente complejo,
bien es inadecuado (por ejemplo se representa en el mismo grfico variables no
relacionadas, como el nmero de caras y el nmero de rachas) o bien los alumnos se
limitan a construir el grfico pero no lo interpretan o lo interpretan incorrectamente.
Hay tambin dificultades a la hora de relacionar la interpretacin matemtica del grfico
con la pregunta planteada sobre las intuiciones.
70
los alumnos pero de grficos construidos por ellos mismos, en este sentido una
conjetura que hemos formado a partir de los resultados es que cuanto menor sea el nivel
de complejidad del grfico ms fcil le resulta al alumno interpretarlo, que podramos
tratar de confirmar.
En un futuro se podra ampliar este estudio analizando el conocimiento didctico de
los profesores para ensear estadstica y en particular los grficos estadsticos. Este
conocimiento lo podramos evaluar a partir de las unidades didcticas producidas por
ellos para ensear grficos estadsticos, de su evaluacin y clasificacin de tareas
relacionadas con los grficos (en la lnea del trabajo de Gonzlez y Pinto, 2008) o de la
evaluacin que hacen de grficos producidos por estudiantes (siguiendo a Espinel,
2007).
71
6. REFERENCIAS
72
Ben-Zvi, D., y Friedlander, A. (1997). Statistical thinking in a technological
environment. En J. Garfield y G. Burrill (Eds.), Research on the role of technology
in teaching and learning statistics (pp. 54-64). Voorburgo, International Statistical
Institute.
Bertin (1967). Semiologie graphique. Paris: Gauthier-Villars.
Biehler, R. (1997). Software for learning and for doing statistics. International
Statistical Review, 65(2), 167-190.
Bruno, A. y Espinel, M. C. (2005). Recta numrica, escalas y grficas estadsticas: un
estudio con estudiantes para profesores. Formacin del Profesorado e
Investigacin en Educacin Matemticas VII, 57-85.
Cazorla, I. (2002). A relaao entre a habilidades viso-pictricas e o dominio de
conceitos estatsticos na leitura de grficos. Tesis Doctoral. Universidad de
Campinas.
Connor, D., Davies, N. y Payne, B. (2002). Web-based project and key skill work.
Teaching Statistics, 24(2), 62-65.
Curcio, F. R. (1987). Comprehension of mathematical relationships expressed in graphs.
Journal for Research in Mathematics Education, 18 (5), 382-393.
Curcio, F. R. (1989). Developing graph comprehension. Reston, VA: N.C.T.M.
delMas, R., Garfield, J., & Ooms, A. (2005). Using assessment items to study students
difficulty reading and interpreting graphical representations of distributions. In K.
Makar (Ed.), Proceedings of the 4th International Research Forum on Statistical
Reasoning, Thinking and Literacy. University of Auckland. Online:
app.gen.umn.edu/artist/articles/SRTL4_ARTIST.pdf
Diaz, C. y Arteaga, P. (2008). Developing general and data analysis competences
through project work. Trabajo presentado en el III European Congress of
Methodology, Oviedo, 2008.
Daz, C., Arteaga, P. y Batanero, C. (2007). Contribucin del trabajo con proyectos
estadsticos a la adquisicin de competencias bsicas. En M. Molina, P. Prez-
Tyteca y M. A. Fresno (Eds.). Jornadas de Investigacin en el Aula de
Matemticas. Competencias matemticas. Granada. Sociedad Thales y
Departamento de Didctica de las Matemticas. CD- ROM.
Estepa, A. (1993). Concepciones iniciales sobre la asociacin estadstica y su evolucin
como consecuencia de una enseanza basada en el uso de ordenadores. Tesis
Doctoral. Universidad de Granada.
73
Espinel, C. (2007). Construccin y razonamiento de grficos estadsticos en la
formacin de profesores. Investigacin en Educacin Matemtica 11, 99-119.
Espinel, C., Bruno, A. y Plasencia, I. (2008). Statistical graphs in the training of
teachers. En C. Batanero, G. Burrill, C. Reading y A. Rossman (Eds.), Joint
ICMI/IASE Study: Teaching Statistics in School Mathematics. Challenges for
Teaching and Teacher Education. Proceedings of the ICMI Study 18 and 2008
IASE Round Table Conference. Monterrey: ICMI e IASE. CD-ROM.
Font, J. D., Godino, J. D. y DAmore, B. (2007). An ontosemiotic approach to
representations in mathematics education. For the Learning of Mathematics, 27 (2),
3-9.
Friel, S., Curcio, F. y Bright, G. (2001). Making sense of graphs: critical factors
influencing comprehension and instructional implications. Journal for Research in
mathematics Education 32(2), 124-158.
Gal, I. (2002). Adult's statistical literacy: Meaning, components, responsibilities.
International Statistical Review 70(1), 1-25.
Gerber, R., Boulton-Lewis, G y Bruce, C. (1995). Childrens understanding of graphic
representation of quantitative data. Learning and Instruction 5, 70-100.
Godino, J. D. (2002). Un enfoque ontolgico y semitico de la cognicin matemtica.
Recherches en Didactique des Mathmatiques, 22 (2 y 3), 237-284.
Godino, J. D., Batanero, C. y Fonts, V. (2007). The onto-semiotic approach to research
in mathematics education. Zentralblatt fr Didaktik der Mathematik, 39(1-2), 127-
135.
Godino, J. D., Batanero, C., Roa, R. y Wilhelmi, M. R. (2008). Assessing and
developing pedagogical content and statistical knowledge of primary school
teachers through project work. En C. Batanero, G. Burrill, C. Reading y A.
Rossman (2008). Proceedings of the Joint ICMI /IASE StudyTeaching Statistics in
School Mathematics. Challenges for Teaching and Teacher Education. Monterrey,
Mxico: ICMI e IASE. CD ROM, en prensa.
Gonzlez, M. T. y Pinto, J. (2008). Conceptions of four pre-service teachers on
graphical representation. En C. Batanero, G. Burrill, C. Reading y A. Rossman
(Eds.), Joint ICMI/IASE Study: Teaching Statistics in School Mathematics.
Challenges for Teaching and Teacher Education. Proceedings of the ICMI Study
18 and 2008 IASE Round Table Conference. Monterrey: ICMI e IASE. CD-ROM.
Graham, A. (1987). Statistical investigations in the secondary school. Cambridge: The
74
Open University Centre for Mathematics Education.
Henry, M. (1997). Notion de modle et modlization en lenseignement. En Enseigner
les probabilits au lyce (pp. 77-84). Reims: Commission Inter-IREM-
Holmes, P. (1997). Assessing project work by external examiners. En I. Gal y J. B:
Garfield (Eds.), The assesment challenge in statistics education (pp. 153-164).
Voorburg: IOS Press.
Lee, C. y Meletiou, M. (2003). Some difficulties of learning histograms in introductory
statistics. Joint Statistical Meetings- Section on Statistical Education. On line:
http://www.statlit.org/PDF/2003LeeASA.pdf
Li, D. Y. y Shen, S. M. (1992). Studentsweaknesses in statistical projects. Teaching
Statistics 14 (1), 2-8.
Langer, E.J. (1975). The illusion of control. Journal of Personality and Social
Psychology, 32, 311-328.
MEC (2006a). Real Decreto 1513/2006, de 7 de diciembre, por el que se establecen las
enseanzas mnimas correspondientes a la Educacin primaria.
MEC (2006b). Real Decreto 1631/2006, de 29 de diciembre, por el que se establecen
las enseanzas mnimas correspondientes a la Educacin Secundaria
Obligatoria.
Monteiro, C. y Ainley, J. (2006). Student teachers interpreting media graphs. En A.
Rossman & B. Chance (Eds.), Proceedings of the Seventh International
Conference on Teaching Statistics, Salvador, Brazil: International Statistical
Institute and International Association for Statistical Education. Online:
http://www.stat.auckland.ac.nz/~iase.
Monteiro, C. y Ainley, J. (2007). Investigating the interpretation of media graphs among
student teachers. International Electronic Journal of Mathematics Education 2
(3), 188-207. On line: http://www.iejme/.
Murray, S., y Gal, I. (2002). Preparing for diversity in statistics literacy: Institutional
and educational implications. En B. Phillips (Ed.). ICOTS-6 papers for school
teachers. Cape Town: International Association for Statistics Education (CD
ROM).
Nolan, D., y Speed, T.P. (1999). Teaching statistics theory through applications.
American Statistician, 53, 370-375.
Pereira-Mendoza, L. y Mellor, J. (1990). Students concepts of bar graph: Some
preliminary findings. Proceedings of the Third International Conference on
75
Teaching Statistics Ed D. Vere-Jones. Voorburg: International Statistical Institute.
Pimenta, R. (2003). O uso da estatstica no projecto de investigao em fisioterapia.
Trabajo de Investigacin Tutelada. Universidad de Santiago de Compostela.
Ruiz, B. (2006). Un acercamiento cognitivo y epistemolgico a la didctica del
concepto de variable aleatoria. Tesis de Maestra. CICATA. Mxico.
Schield, M. (2006). Statistical literay survey analysis: reading graphs and tables of rates
percentages. En B. Phillips (Ed.), Proceedings of the Sixth International
Conference on Teaching Statistics. Cape Town: International Statistical Institute
and International Association for Statistical Education. On line: www.
stat.auckland.ac.nz/~iase.
Serrano, L. (1996). Significados institucionales y personales de conceptos matemticos
ligados a la aproximacin frecuencial de la enseanza de la probabilidad. Tesis
Doctoral. Universidad de Granada
Starkings, S. (1997). Assessing students projects. En I. Gal y J. B. Garfield (Eds.), The
assesment challenge in statistics education (pp. 139-152). Voorburg: IOS Press.
Tauber, L. (2001). Significado y comprensin de la distribucin normal a partir de
actividades de anlisis de datos. Tesis Doctoral. Universidad de Sevilla.
Wild, C., y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry (con
discusin). International Statistical Review, 67(3), 223-265.
76