Conocimiento didáctico-matemático sobre la distribución de la media muestral de profesorado de bachillerato en formación

  1. Valenzuela-Ruiz, Silvia M 1
  2. Batanero, Carmen 1
  3. Begué, Nuria 2
  4. Garzón-Guerrero, José A 1
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

  2. 2 Universidad de Zaragoza
    info

    Universidad de Zaragoza

    Zaragoza, España

    ROR https://ror.org/012a91z28

Aldizkaria:
Uniciencia

ISSN: 2215-3470

Argitalpen urtea: 2023

Zenbakien izenburua: Uniciencia. January-December, 2023

Alea: 37

Zenbakia: 1

Mota: Artikulua

DOI: 10.15359/RU.37-1.3 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Beste argitalpen batzuk: Uniciencia

Garapen Iraunkorreko Helburuak

Laburpena

[Objetivo] El objetivo del trabajo es evaluar el conocimiento didáctico-matemático de profesores españoles en formación sobre la distribución de la media muestral, específicamente, el conocimiento común del contenido, y las facetas epistémicas y cognitiva del conocimiento didáctico. [Metodología] Se pidió a una muestra de futuros profesores resolver un problema propuesto a los estudiantes en las pruebas de acceso a la universidad, además de resolverlo debían identificar los conceptos, propiedades y procedimientos requeridos para su resolución y los errores previsibles de los estudiantes en este proceso. [Resultados] Los resultados de la evaluación fueron muy buenos en lo que se refiere al conocimiento matemático común del tema, aunque se observaron algunos errores, como la confusión de la distribución de la variable analizada en la población con la distribución muestral del estadístico. Los participantes mostraron un desempeño razonable de análisis de los objetos matemáticos requeridos (conceptos, procedimientos y propiedades) para solucionar la tarea propuesta. Fue menor la competencia de análisis de los posibles errores que podrían cometer los estudiantes en la resolución de la tarea. [Conclusiones] El estudio revela puntos de mejora en la formación de los futuros profesores sobre la distribución de la media muestral, un contenido relevante para la posterior comprensión del resto de la inferencia. Dicha formación debiera enfatizar la diferencia entre las tres distribuciones de probabilidad que aparecen en el muestreo y la diferencia entre estadístico y parámetro, pues el futuro profesorado no reconoce la posibilidad de errores de este tipo en su alumnado.

Erreferentzia bibliografikoak

  • References Abu-Ghalyoun, O. (2021). Pre-service teachers’ difficulties in reasoning about sampling variability. Educational Studies in Mathematics, 108(3), 553-577. https://doi.org/10.1007/s10649-021-10067-8
  • Batanero, C., Begué, N., Borovcnik, M., & Gea, M. M. (2020). Ways in which high-school students understand the sampling distribution for proportions. Statistics Education Research Journal, 19(3), 32-52.
  • Batanero, C., López-Martín, M. M., Gea, M. M., & Arteaga, P. (2018). Conocimiento del contraste de hipótesis por futuros profesores de educación secundaria y bachillerato. Publicaciones, 48(2), 73-95. https://revistaseug.ugr.es/index.php/publicaciones/article/view/8334/7735
  • Batanero, C., Tauber, L. M., & Sánchez, V. (2004). Students’ reasoning about the normal distribution. En D. Ben-Zvi, & J. Garfield (Eds.), The challenge of developing statistical literacy, reasoning and thinking (pp. 257-276). Springer. https://doi.org/10.1007/1-4020-2278-6_11
  • Begué, N., Batanero, C., Ruiz, K., & Gea, M. M. (2019). Understanding sampling: A summary of the research. Boletín de Estadística e Investigación Operative, BEIO, 35(1), 49-78.
  • Beswick, K., & Goos, M. (2018). Mathematics teacher educator knowledge: What do we know and where to from here? Journal of Mathematics Teacher Education, 21(5), 417-427. https://doi.org/10.1007/s10857-018-9416-4
  • Espinel, M. C., Ramos, R. M., & Ramos, C. E. (2007). Algunas alternativas para la mejora de la enseñanza de la inferencia estadística en Secundaria. Números. Revista de Didáctica de las Matemáticas, 67, 15-23. https://ensciencias.uab.cat/article/view/v11-n3-mumbru/2418
  • Gal, I., & Geiger, V. (2022). Welcome to the era of vague news: a study of the demands of statistical and mathematical products in the COVID-19 pandemic media. Educational Studies in Mathematics, 111, 5-28. https://doi.org/10.1007/s10649-022-10151-7
  • Godino, J. D. (2009). Categorías de análisis de conocimientos del profesor de matemáticas. Unión, 20, 13-31.
  • Godino, J., Batanero, C., & Font, V. (2007). The ontosemiotic approach to research in mathematics education. ZDM - Mathematics Education, 39(12), 127-135. https://doi.org/10.1007/s11858-006-0004-1
  • Godino, J., Batanero, C., & Font, V. (2019). The ontosemiotic approach: Implications for the prescriptive character of didactics. For the Learning of Mathematics, 39(1), 38-43.
  • Godino, J. D., Giacomone, B., Batanero, C., & Font, V. (2017). Enfoque ontosemiótico de los conocimientos y competencias del profesor de matemáticas. Bolema, 31(57), 90-113. https://doi.org/10.1590/1980-4415v31n57a05
  • González, Y., & Ojeda, A. M. (2017). Comprensión de la distribución normal en bachillerato. En L. A. Serna (Ed.), Acta Latinoamericana de Matemática Educativa (pp. 207-217). Comité Latinoamericano de Matemática Educativa.
  • Haller, H., & Krauss, S. (2002). Misinterpretations of significance: A problem students share with their teachers? Methods of Psychological Research, 7(1), 1-20.
  • Harradine, A., Batanero, C., & Rossman, A. (2011). Students and teachers’ knowledge of sampling and inference. En C. Batanero, G. Burrill, & C. Reading (Eds.), Teaching statistics in school mathematics-Challenges for teaching and teacher education (pp. 235-246). Springer. https://doi.org/10.1007/978-94-007-1131-0
  • Inzunsa, S., & Jiménez, J. V. (2013). Caracterización del razonamiento estadístico de estudiantes universitarios acerca de las pruebas de hipótesis. Revista Latinoamericana de Investigación en Matemática Educativa, 16(2), 179-211. https://doi.org/10.12802/relime.13.1622
  • Kula, F., & Koçer, R. G. (2020). Why is it difficult to understand statistical inference? Reflections on the opposing directions of construction and application of inference framework. Teaching Mathematics and its Applications, 39(4), 248-265. https://doi.org/10.1093/teamat/hrz014
  • Llinares, S. (2018). Mathematics teacher’s knowledge, knowledge-based reasoning, and contexts. Journal of Mathematics Teacher Education, 21(1), 1-3. https://doi.org/10.1007/s10857-018-9399-1
  • Liu, Y., & Thompson, P. W. (2009). Mathematics teachers’ understandings of proto-hypothesis testing. Pedagogies: An International Journal, 4(2), 126-138. https://doi.org/10.1080/15544800902741564
  • López-Martín, M. M., Batanero, C., & Gea, M. M. (2019). ¿Conocen los futuros profesores los errores de sus estudiantes en la inferencia estadística? Bolema: Boletim de Educação Matemática, 33, 672-693. https://doi.org/10.1590/1980-4415v33n64a11
  • Lugo-Armenta, J. G., & Pino-Fan, L.R. (2021). Inferential statistical reasoning of math teachers: experiences in virtual contexts generated by the COVID-19 pandemic. Education Sciences, 11, 363. https://doi.org/10.3390/educsci11070363
  • Makar K., & Rubin A. (2018) Learning about statistical inference. En D. Ben-Zvi, K. Makar, & J. Garfield (Eds.), International Handbook of Research in Statistics Education. Springer International Handbooks of Education. https://doi.org/10.1007/978-3-319-66195-7_8
  • Mendenhall, W., Scheaffer, R. L., & Lyman, R. (2006). Elementos de muestreo. Paraninfo.
  • Ministerio de Educación, Cultura y Deporte. (2015). Real decreto 1105/2014, de 26 de diciembre, por el que se establece el currículo básico de la educación secundaria obligatoria y del bachillerato. MECD.
  • Ministerio de Educación y Formación Profesional. (2022). Real Decreto 217/2022, de 29 de marzo, por el que se establece la ordenación y las enseñanzas mínimas de la Educación Secundaria Obligatoria. MEFP.
  • Muñiz-Rodríguez, L., Alonso, P., Rodríguez-Muñiz, L. J., & Valcke, M. (2016). Is there a gap in initial secondary mathematics teacher education in Spain compared to other countries? Revista de Educación, 372, 106–132. https://doi.org/10.4438/1988-592X-RE-2015-372-317
  • Onyancha, B. N., & Ogbonnaya, U. I. (2022). Undergraduate students’ proficiencies in solving bivariate normal distribution problems. Journal of Pedagogical Sociology and Psychology, 4(1), 20-34. https://doi.org/10.33902/JPSP.202212259
  • Pino-Fan, L. R., & Godino, J. D. (2015). Perspectiva ampliada del conocimiento didáctico-matemático del profesor. Paradigma, 36(1), 87-109.
  • Pino-Fan, L., Assis, A., & Castro, W. F. (2015). Towards a methodology for the characterization of teachers' didactic-mathematical knowledge. EURASIA Journal of Mathematics, Science and Technology Education, 11(6), 1429-1456. https://doi.org/10.12973/eurasia.2015.1403a
  • Scheiner, T., Montes, M. A., Godino, J. D., Carrillo, J., & Pino-Fan, L. R. (2019). What makes mathematics teacher knowledge specialized? Offering alternative views. International Journal of Science and Mathematics Education, 17(1), 153-172. https://doi.org/10.1007/s10763-017-9859-6
  • De Vetten, A., Schoonenboom, J., Keijzer, R., & Van Oers, B. (2018). Pre-service primary school teachers’ knowledge of informal statistical inference. Journal of Mathematics Teacher Education, 22(6), 639–661. https://doi.org/10.1007/s10857-018-9403-9
  • Vallecillos, A. (1999). Some empirical evidence on learning difficulties about testing hypotheses. Bulletin of the International Statistical Institute: Proceedings of the Fifty second Session of the International Statistical Institute (pp. 201-204). International Statistical Institute https://www.stat.auckland.ac.nz/~iase/publications/5/vall0682.pdf
  • Watson, J. M., & Callingham, R. (2013). Likelihood and sample size: The understandings of students and their teachers. The Journal of Mathematical Behavior, 32(3), 660–672. https://doi.org/10.1016/j.jmathb.2013.08.003
  • Weiland, T. (2017). Problematizing statistical literacy: An intersection of critical and statistical literacies. Educational Studies in Mathematics, 96(1), 33–47. https://doi.org/10.1007/s10649-017-9764-5
Datuen iturria: Dialnet