Diagnóstico sobre el razonamiento inferencial en estudiantes de licenciatura del área económico-administrativa

Autores/as

  • Salvador Sandoval Bravo Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México https://orcid.org/0000-0001-9434-6536
  • Pedro Luis Celso Arellano Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México https://orcid.org/0000-0003-3856-6344
  • Víctor Hugo Gualajara Estrada Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México https://orcid.org/0000-0002-5405-3779

DOI:

https://doi.org/10.33010/ie_rie_rediech.v12i0.1134

Palabras clave:

razonamiento estadístico, educación universitaria, evaluación del aprendizaje

Resumen

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.

Biografía del autor/a

Salvador Sandoval Bravo, Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México

Es doctor en Negocios y Estudios Económicos, maestro en Administración de Negocios y licenciado en Matemáticas. Reconocimiento Perfil Prodep y Miembro del Sistema Nacional de Investigadores. Ha publicado libros, capítulos de libros y artículos en revistas indizadas nacionales e internacionales. Entre sus publicaciones recientes se encuentran “Análisis descriptivo de las diferencias por sexo en los estudiantes de licenciatura de la Universidad de Guadalajara” y “Production of comics in Powtoon as a teaching-learning strategy in an operations”.

Pedro Luis Celso Arellano, Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México

Es doctor en Negocios y Estudios Económicos, maestro en Negocios y Estudios Económicos y licenciado en Administración en Empresas Agropecuarias. Reconocimiento Perfil Prodep y miembro del Sistema Nacional de Investigadores. Entre sus publicaciones recientes se encuentran “Análisis descriptivo de las diferencias por sexo en los estudiantes de licenciatura de la Universidad de Guadalajara” y “Diagnóstico sobre la lectura e interpretación de gráficos estadísticos en estudiantes de licenciatura de ciencias económica-administrativas en la Universidad de Guadalajara”.

Víctor Hugo Gualajara Estrada, Departamento de Métodos Cuantitativos del Centro de Ciencias Económico Administrativas de la Universidad de Guadalajara, México

Es doctor en Ciencias Físico Matemáticas, maestro en Tecnologías de la Información y licenciado en Matemáticas. Reconocimiento al Perfil Prodep. Ha publicado capítulos de libros y artículos en revistas indizadas nacionales e internacionales. Entre sus publicaciones recientes se encuentran “Criptomonedas en América Latina y China: el rol del e-commerce y la especulación financiera” y “Diagnóstico sobre la lectura e interpretación de gráficos estadísticos en estudiantes de licenciatura de ciencias económica-administrativas en la Universidad de Guadalajara”.

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.

Publicado

2021-12-20

Cómo citar

Sandoval Bravo, S., Celso Arellano, P. L., & Gualajara Estrada, V. H. (2021). Diagnóstico sobre el razonamiento inferencial en estudiantes de licenciatura del área económico-administrativa. IE Revista De Investigación Educativa De La REDIECH, 12, e1134. https://doi.org/10.33010/ie_rie_rediech.v12i0.1134

Número

Sección

Reportes de investigación