Diagnóstico sobre el razonamiento inferencial en estudiantes de licenciatura del área económico-administrativa
DOI:
https://doi.org/10.33010/ie_rie_rediech.v12i0.1134Palabras clave:
razonamiento estadístico, educación universitaria, evaluación del aprendizajeResumen
Entre las líneas de investigación vanguardista en el ámbito de la educación estadística se encuentra el razonamiento inferencial, como herramienta fundamental para la toma de decisiones; factor que acentúa su importancia tratándose de licenciaturas del área económico-administrativa donde los futuros profesionales deben probar hipótesis, construir intervalos de confianza y hacer estimaciones sobre poblaciones basándose en datos referentes a muestras representativas. En este sentido, el objetivo de este trabajo es medir el razonamiento inferencial de los estudiantes de licenciatura del área económico-administrativa de la Universidad de Guadalajara para diagnosticar e identificar fortalezas y áreas de oportunidad, que puedan utilizarse en la implementación de soluciones pertinentes tanto en el aspecto pedagógico como disciplinar, y así elevar el rendimiento futuro de los alumnos. Para ello se aplicó el examen CAOS-4 a una muestra de 326 estudiantes, dicho instrumento ha sido validado estadísticamente para estudiantes universitarios, y permite determinar el nivel de razonamiento inferencial. Los resultados encontrados muestran que los estudiantes tienen dificultades para identificar y plantear hipótesis, no entienden la naturaleza probabilista de las conclusiones de la inferencia estadística, interpretan erróneamente los intervalos de confianza y el margen de error.
Citas
AME (2020). Asociación Mexicana de Estadística. Recuperado de: http://amestad.mx.
Beitz, J. (1998). Helping students learn and apply statistical analysis: A metacognitive approach. Nurse Education, 23(1), 49-51. https://doi.org/10.1097/00006223-199801000-00016.
Cuevas, J. H., e Ibáñez, C. (2008). Estándares en educación estadística: necesidad de conocer la base teórica y empírica que los sustentan. Revista Iberoamericana de Educación Matemática, (15), 33-45. Recuperado de: http://funes.uniandes.edu.co/14850/1/Cuevas2008Est%C3%A1ndares.pdf.
DelMas, R., Garfield, J. B., Ooms, A., y Chance, B. (2007). Assessing students’ conceptual understanding after a first course in Statistics. Statistics Education Research Journal, 6(2), 28-58. https://doi.org/10.1016/j.brat.2010.07.005.
Delucchi, M. (2014). Measuring student learning in social statistics: A pretest-posttest study of knowledge gain. Teaching Sociology, 42(3), 231-239. https://doi.org/10.1177/0092055X14527909.
Doerr, H. M., Delmas, R., y Makar, K. (2017). A modeling approach to the development of students’ informal inferential reasoning. Statistics Education Research Journal, 16(2), 86-115. Recuperado de: http://iase-web.org/documents/SERJ/SERJ16%282%29_Doerr.pdf.
Gibbs, B. G., Shafer, K., y Miles, A. (2017). Inferential statistics and the use of administrative data in US educational research. International Journal of Research and Method in Education, 40(2), 214-220. https://doi.org/10.1080/1743727X.2015.1113249.
Huang, Z. X. (2018). Application of statistical inference in education and teaching. Educational Scienses: Theory and Practice, 18(6), 2782-2793. https://doi.org/10.12738/estp.2018.6.179.
Hubbard, R., Haig, B. D., y Parsa, R. A. (2019). The limited role of formal statistical inference in scientific inference. The American Statistician, 73(sup. 1), 91-98. https://doi.org/10.1080/00031305.2018.1464947.
Makar, K., y Rubin, A. (2017). Learning about statistical inference. En D. Ben-Zvi, K. Makar y J. B. Garfield (eds.), International handbook of research in Statistics education (pp. 261-294). Cham, Suiza: Springer. https://doi.org/10.1007/978-3-319-66195-7_8.
Noll, J., Gebresenbet, M., y Glover, E. D. (2016). A modeling and simulation approach to informal inference: Successes and challenges. The Teaching and Learning of Statistics, 2016(1), 139-150. https://doi.org/10.1007/978-3-319-23470-0_19.
Peñaloza, J. L., y Vargas, C. (2017). Big-data and the challenges for statistical inference and economics teaching and learning. Multidisciplinary Journal for Education, Social and Technological Sciences, 4(1), 64-87. https://doi.org/10.4995/muse.2017.6350.
Pfannkuch, M., y Wild, C. J. (2015). Laying foundations for statistical inference. En S. J. Cho (ed.), Selected regular lectures from the 12th International Congress on Mathematical Education (pp. 653-666). Cham, Suiza: Springer. https://doi.org/10.1007/978-3-319-17187-6_36.
Reaburn, R. (2018). Students’ understanding of statistical inference: Implications for teaching. En D. Kember y M. Corbett (eds.), Structuring the thesis (pp. 121-127). Singapur: Springer. https://doi.org/10.1007/978-981-13-0511-5_12.
Rumsey, D. J. (2002). Statistical literacy as a goal for introductory Statistics courses. Journal of Statistics Education, 10(3), 1-12. https://doi.org/10.1080/10691898.2002.11910678.
Sánchez, J. (2010). International statistical literacy project. Recuperado de: http://www.stat.fi/org/tilastokeskus/flyer.pdf.
Tong, C. (2019). Statistical inference enables bad science; statistical thinking enables good science. The American Statistician, 73(1), 246-261. https://doi.org/10.1080/00031305.2018.1518264.
Watson, J. M. (1997). Assessing statistical thinking using the media. En E. Gal y J. B. Garfield (eds.), The assessment challenge in Statistics education (pp. 107-121). Amsterdam, Holanda: IOS Press. Recuperado de: http://iase-web.org/documents/book1/chapter09.pdf.
Weinberg, A., Wiesner, E., y Pfaff, T. J. (2010). Using informal inferential reasoning to develop formal concepts: Analyzing an activity. Journal of Statistics Education, 18(2), 1-24. https://doi.org/10.1080/10691898.2010.11889494.
Zellner, K., Boerst, C. J., y Tabb, W. (2007). Statistics used in current nursing research. Journal Nurse Education, 46(2), 55-59. Recuperado de: https://pdfs.semanticscholar.org/0a00/93cc3d131534073ee13bc3bafb014ac2b46a.pdf.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Salvador Sandoval Bravo, Pedro Luis Celso Arellano, Víctor Hugo Gualajara Estrada
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.