Significados institucionales y personales de los estadísticos de orden en la educación secundaria

  1. Carmen Batanero 1
  2. Silvia M. Valenzuela-Ruiz 1
  3. María Magdalena Gea 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
Matemáticas, Educación y Sociedad

ISSN: 2603-9982

Año de publicación: 2020

Volumen: 3

Número: 2

Páginas: 21-39

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Matemáticas, Educación y Sociedad

Resumen

El objetivo de este trabajo es caracterizar el significado institucional de los estadísticos de orden en la Educación Secundaria (ESO y Bachillerato), identificando los objetos matemáticos elementales involucrados. Para ello presentamos un análisis semiótico de los estadísticos de orden, utilizando el enfoque ontosemiótico del conocimiento y la Instrucción matemáticos (EOS), que muestra su complejidad, incluso limitándonos a la estadística descriptiva. También resumimos las dificultades descritas, respecto a cada uno de los tipos de objetos primarios identificados en el EOS, con el fin de caracterizar los posibles significados personales que los estudiantes pueden asignar a los mismos. Esta información puede ser útil para identificar estas dificultades en los estudiantes y ayudarles a superarlas.

Referencias bibliográficas

  • Barr, G. V. (1980). Some student ideas on the median and the mode. Teaching Statistics, 2(2), 38-41.
  • Barros, P. (2003). Os futuros professores do 2.º ciclo e a estocástica –Dificuldades sentidas e o ensino do tema.Lisboa: Associação de Professores de Matemática.
  • Barwell, R. (2005). Ambiguity in the mathematics classroom. Language and Education 19(2), 118–126. DOI: https://doi.org/10.1080/09500780508668667
  • Batanero, C.y Díaz, C. (2008). Análisis de datos con Statgraphics. Departamento de Didáctica de la Matemática, Universidad de Granada.
  • Betanzos, F. G. y López, J. K. C. (2017). Estadística aplicada en psicología y ciencias de la salud.Madrid: Manual Moderno.
  • Boaventura, M. G. y Fernandes, J. (2004). Dificuldades de alunos do 12.º ano nas medidas de tendência central: O contributo dos manuais escolares. Em J. A. Fernandes (Ed.). Actas do I Encontro de Probabilidades e Estatística na Escola(pp. 103-126). Braga:Universidade da Minho.
  • Calot G. (1988). Curso de estadística descriptiva.Madrid: Paraninfo.
  • Carvalho, C. (2001). Interaçao entre pares. Contributos para a promoçao do desenvolvimiento lógico e do desempenho estatístico no 7º ano de escolaridade. Tesis Doctoral. Universidad de Lisboa.
  • Chambers, J. M. (2018). Graphical methods for data analysis,2º ed. London: Taylor and Francis.
  • Cobo, B. (2003). Significado de las medidas de posición central para los estudiantes de secundaria. Tesis doctoral. Universidad de Granada.
  • Cobo, B. y Batanero, C. (2000). La mediana en la educación secundaria obligatoria: ¿un concepto sencillo? UNO, 23,85-96.
  • Delson, A. y Mugabe, D.(2013). O conceito da mediana na perspectiva dos estudantes principiantes. International Journal of Scientific & Technology Research, 2(9), 202-206.
  • Engel, J. (2019). Cultura estadística y sociedad. En J. M. Contreras, M. M. Gea, M. M. López-Martín y E. Molina Portillo (Eds.), Actas del Tercer Congreso Internacional Virtual de Educación Estadística. Disponible en www.ugr.es/local/fqm126/civeest.html.
  • Estepa, A. (1994). Concepciones iniciales sobre la asociación estadística y su evolución como consecuencia de una enseñanza basada en el uso de ordenadores. Tesis doctoral. Departamento de Didáctica de la Matemática. Universidad de Granada.
  • Estrada, A., Batanero, C. yFortuny, J. M. (2004). Un estudio sobre conocimientos de estadística elemental de profesores en formación. Educación Matemática, 16(1), 89-111.
  • Friel, S. N. y Bright, G.W. (1998). Teach-Stat: A model for professional development in data analysis and statistics for teachers K–6. En S. P. Lajoie (Ed.), Reflections on statistics: Learning, teaching, and assessmentin Grades K–12(pp. 89–117). Mahwah, NJ: Lawrence Erlbaum.
  • Gea, M.M., Arteaga, P. y Cañadas, G.R. (2017). Interpretación de gráficos estadísticos por futuros profesores de Educación Secundaria. Avances de Investigación en Educación Matemática, 12, 19-37.
  • Gea, M. M., Batanero, C., Fernández, J. A. y Arteaga, P. (2016). Interpretación de resúmenes estadísticos por futuros profesores de educación secundaria. Journal of Research in Mathematics Education, 5(2), 135-157.
  • Godino, J. D. (2002). Un enfoque ontológico y semiótico de la cognición matemática. Recherches en Didactiques des Mathematiques, 22(2/3), 237-284.
  • Godino, J. D. y Batanero, C. (1998). Clarifying the meaning of mathematical objectsas a priority area of research in mathematics education. En A. Sierpinska y J. Kilpatrick (Eds.), Mathematics education as a research domain: A search for identity(pp. 177-195). Dordrecht: Kluwer.
  • Godino, J.D., Batanero, C. y Font, V. (2007). The onto-semiotic approach to research in mathematics education. ZDM. The International Journal on Mathematics Education, 39(1-2), 127-135.
  • Godino, J. D., Batanero, C. y Font, V. (2019). The onto-semiotic approach: implications for the prescriptive character of didactics. For the Learning of Mathematics, 39(1), 38-43.
  • Groth, R. E. y Bergner, J. A. (2006). Preservice elementary teachers’ conceptual and procedural knowledge of mean, median, and mode. Mathematical Thinking and Learning, 8,37–63.
  • Hoaglin, D. C., Mosteller, F. y Tukey, J. W. (1983). Understanding robust and exploratory data analysis.New York: Wiley.
  • Jacobbe, T. (2012). Elementary school teachers’understanding of the mean and median. International Journal of Science and Mathematics Education, 10(5), 1143-1161.
  • Johnson, R. y Kuby, P. (2008). Estadistica elemental:Lo esencial(10ª ed.). Londres: Cengage Learning Editores.
  • Mayén, S. (2009). Comprensión de las medidas de tendencia central en estudiantes mexicanos de educación secundaria y bachillerato. Tesis doctoral. Universidad de Granada.
  • Mayén, S., Cobo, B., Batanero, C. y Balderas, P. (2007). Comprensión de las medidas de posición central en estudiantes mexicanos de bachillerato. Unión, 9(1), 187-201.
  • Mayén, S. y Díaz, C. (2010). Is median an easy concept? Semiotic analysis of an open-ended task. In K. Makar (Ed.), Proceedings the Eighth International Conference on Teaching Statistics. Voorburg, The Netherlands: International Statistical Institute. Disponible en: http://iase-web. org/documents/papers/icots8/ICOTS8_C265_MAYEN. Pdf
  • Mayén, S., Díaz, C. y Batanero, C.(2009). Students ́ semiotic conflicts in the concept of median. Statistics Education Research Journal, 8(2), 74-93.
  • MECD (2015). Real Decreto 1105/2014, de 26 de diciembre, por el que se establece el currículo básico de la Educación Secundaria y del Bachillerato. Madrid: MECD.
  • Nortes Checa, A. (1993). Estadística teórica y aplicada. Barcelona: PPU.
  • Ortiz, J. J., Batanero, C. y Serrano, L. (2001). El lenguaje probabilístico en los libros de texto. Suma, 38,5-14.
  • Pallauta, J.D., Gea, M.M. y Batanero, C. (2020) Un análisis semiótico del objeto tabla estadística en los libros de texto chilenos. Zetetiké,28,1-19-e020001. DOI:https://doi.org/10.20396/zet.v28i0.8656257.
  • Ridgway, J., Nicholson, J. y McCusker, S. (2011). Statistical literacy, globalisation, and the internet. Trabajo presentado en el 58th World Statistical Congress.Dublin: International Statistical Institute.
  • Schleppegrell, M. (2007). The linguistic challenges of mathematics teaching and learning: A research review. Reading and Writing Quarterly, 23,139-159.
  • Schuyten, G. (2001). Research skills: A closely connected triplet of research area, research methodology and statistics. En C. Batanero (Ed.), Training researchers in the use of statistics (pp.227-230). Granada: IASE.
  • Sousa, O. (2002). Investigações estatísticas no 6.º ano. Em Grupo de Trabalho de Investigação (Org.), Reflectir e investigar sobre a prática profissional (pp. 75-97). Lisboa: APM.
  • Tukey, J. W. (1977). Exploratory data analysis. Reading, MA: Addison-Wesley.
  • Velleman, P. F. y Hoaglin, D. C. (1981). Applications, basics, and computing of exploratory data analysis. London: Duxbury Press.
  • Verma J.P. (2019) Non-parametric tests for psychological data.En J. P. Verma (Ed.), Statistics and research methods in psychology with Excel(pp. 477-521).Singapore: Springer,
  • Zar, J. H. (2005). Spearman rank correlation. En T. Colton y P. Armitage (Eds.), Encyclopedia of Biostatistics, 7. DOI: https://doi.org/10.1002/0470011815.b2a15150
  • Zawojewski, J. S. y Shaughnessy, J. S. (2000). Data and chance. En E. A. Silver y P. A. Kenney (Eds.), Results from the seventh mathematics assessment of the national assessment of educational progress(pp. 235–268). Reston, VA: National Council of Teachers of Mathematics.
Fuente de los datos: Dialnet