Sentido gráfico y su importancia en la comprensión de la información sobre la COVID

  1. Carmen Batanero 1
  2. José Antonio Garzón-Guerrero 1
  3. Silvia M. Valenzuela-Ruiz 1
  1. 1 Universidad de Granada, España
Revista:
Paradigma

ISSN: 1011-2251

Año de publicación: 2021

Número: 1

Tipo: Artículo

DOI: 10.37618/PARADIGMA.1011-2251.2021.P206-224.ID996 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Paradigma

Resumen

En este trabajo partimos de la idea de sentido estadístico, como unión de la cultura y el razonamiento estadístico, particularizándola para el caso de los gráficos estadísticos y describiendo sus componentes. Argumentamos la especial importancia del sentido gráfico en la actual etapa marcada por la pandemia del COVID-19, debido a la necesidad de interpretar información estadística presentada en gráficos de diverso tipo en los medios de comunicación y actualizada a diario, para comprender y colaborar con las decisiones de las autoridades sanitarias y políticas. Se analizan algunos ejemplos de gráficos asociados a la COVID presentados en los medios de comunicación, para clarificar las componentes del sentido gráfico, resaltando sus características dinámicas y multivariantes, no tenidas en cuenta en los gráficos incluidos en las directrices curriculares. Se concluye la necesidad de una mejor enseñanza de los gráficos y la utilidad de los gráficos estadísticos tomados de los medios de comunicación para motivar a los estudiantes y reforzar su sentido gráfico.

Referencias bibliográficas

  • Citas Aleixandre-Benavent, R., Castelló-Cogollos, L. y Valderrama-Zurián, J. C. (2020). Información y comunicación durante los primeros meses de Covid-19. Infodemia, desinformación y papel de los profesionales de la información. El Profesional de la Información, 29(4). Disponible en http://profesionaldelainformacion.com/contenidos/2020/jul/aleixandre-castello-valderrama.html.
  • Batanero, C. (2019). Statistical sense in the information society. En K. O. Villalba-Condori, A. Adúriz-Bravo, F. J. García-Peñalvo y J. Lavonen (Eds.), Proceedings of the Congreso Internacional Sobre Educación y Tecnología en Ciencias – CISETC (pp. 28-38). Aachen, Germany: CEUR-WS.org.
  • Batanero, C., Arteaga, P. y Ruiz, B. (2009). Análisis de la complejidad semiótica de los gráficos producidos por futuros profesores de educación primaria en una tarea de comparación de dos variables estadísticas. Enseñanza de las Ciencias, 28(1), 141-154.
  • Bertin, J. (1983). Semiologie graphique. Paris: Gauthier-Villars.
  • Burrill, G. y Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in training teachers. En C. Batanero, G. Burrill y C. Reading (Eds), Teaching statistics in school mathematics-Challenges for teaching and teacher education (pp. 57-69). New York: Springer.
  • Cleveland, W. S. y McGill, R. (1984). Graphical perception: theory, experimentation and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531-554.
  • Crucianelli, S. (2013). ¿Qué es el periodismo de datos? Cuadernos de Periodistas, 26, 106-124.
  • Diggle, P. J. (2015). Statistics: a data science for the 21st century. Journal of the Royal Statistical Society: Series A, 178(4), 793-813.
  • Engel, J. (2017). Statistical literacy for active citizenship: A call for data science. Statistics Education Research Journal, 16(1), 44-49.
  • Engel, J., Ridgway, J. y Weber-Stein, F. (2021). Educación estadística, democracia y empoderamiento de los ciudadanos. Paradigma, monográfico de educación estadística, en prensa.
  • Friel, S. N., Curcio, F. R. y Bright, G. W. (2001). Making sense of graphs: Critical factors influencing comprehension and instructional implications. Journal for Research in Mathematics Education, 2, 124-158. https://doi.org/10.2307/749671.
  • Gal, I. (2002). Adults’ statistical literacy: Meanings, components, responsibilities (with discussion). International Statistical Review, 70(1), 1-51. https://doi.org/10.1111/j.1751- 5823.2002.tb00336.x.
  • Gal, I. y Murray, S. T. (2011). Responding to diversity in users' statistical literacy and information needs: Institutional and educational implications. Statistical Journal of the International Association for Official Statistics, 27(3-4), 185-195. https://doi.org/ 10.3233/SJI-2011-0730.
  • Garfield, J. (2002). The challenge of developing statistical reasoning. Journal of Statistics Education, 10(3). https://doi.org/10.1080/10691898.2002.11910676.
  • Garfield, J. y Gal, I. (1999), Teaching and assessing statistical reasoning. En L. Stiff (Ed,), Developing mathematical reasoning in grades K-12 (pp. 207-2019). Reston, VA: National Council Teachers of Mathematics.
  • Garzón-Guerrero, J.A., y Jiménez Castro, M. (2021). Un estudio exploratório de la competencia gráfica de futuros profesores de Portugal e Italia a través de la interpretación de diagramas estadísticos de barras y sectores extraídos de la prensa escrita. Números. Revista de Didáctica de las Matemáticas, 106, 33–42.
  • Glazer, N. (2011). Challenges with graph interpretation: A review of the literature. Studies in Science Education, 47(2), 183-210.
  • Gray, J., Chambers, L. y Bounegru, L. (2012). The data journalism handbook. Sebastapol, CA: O’Reilly Media.
  • Hardin, J., Hoerl, R., Horton, N. J., Nolan, D., Baumer, B., Hall-Holt, O., Murrell, P. Peng, R., Roback, P., Temple, D. y Ward, M. D. (2015). Data science in statistics curricula: Preparing students to “think with data”. The American Statistician, 69(4), 343-353. https://doi.org/10.1080/00031305.2015.1077729.
  • Kosslyn, S. M. (1985). Graphics and human information processing: A review of five books. Journal of the American Statistical Association, 80, 499-512.
  • Lem, S., Onghena, P., Verschaffel, L. y Van Dooren, W. (2013). External representations for data distributions: in search of cognitive fit. Statistics Education Research Journal, 12(1), 4-19.
  • Moore, D. S. (1991). Teaching statistics as a respectable subject. En F. Gordon y S. Gordon (Eds.), Statistics for the twenty-first century (pp. 14-25). Mathematical Association of America.
  • Muñiz-Rodríguez, L., Rodríguez-Muñiz, L. J. y Alsina, Á. (2020). Deficits in the statistical and probabilistic literacy of citizens: effects in a world in crisis. Mathematics, 8 (11), 1872; https://doi.org/10.3390/math8111872.
  • Ridgway, J. (2016). Implications of the data revolution for statistics education. International Statistical Review, 84(3), 528-549.
  • Rodríguez-Muñiz, L. J., Muñiz-Rodríguez, L., Vásquez Ortiz, C. A. y Alsina, Á. (2020). ¿Cómo promover la alfabetización estadística y de datos en contexto? Estrategias y recursos a partir de la COVID-19 para Educación Secundaria. Números, 104, 217-238.
  • Salcedo, A. González, J. y González, J. (2021). Lectura e interpretación de gráficos estadísticos, ¿cómo lo hace el ciudadano? Paradigma, edición temática de educación estadística, en prensa.
  • Schield, M. (2004). Information literacy, statistical literacy and data literacy. Iassist Quarterly (IQ), 28(2/3), 6-11.
  • Shah, P., y Hoeffner, J. (2002). Review of graph comprehension research: Implications for instruction. Educational Psychology Review, 14(1), 47-69.
  • Snee, R. (1990). Statistical thinking and its contribution to quality. The American Statistician 44, 116-121.
  • Sutherland, S. y Ridgway, J. (2017). Interactive visualisations and statistical literacy. Statistics Education Research Journal., 16(1), 26-30.
  • Wallman, K. K. (1993). Enhancing statistical literacy: Enriching our society. Journal of the American Statistical Association, 88(421), 1-8.
  • Watson, J. M. (2006). Statistical literacy at school: Growth and goals. London: Routledge.
  • Wild, C. J., y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 223-265.
Fuente de los datos: Dialnet