Académique Documents
Professionnel Documents
Culture Documents
Educacin Matemtica,
ISSN (Versin impresa): 1665-5826
revedumat@yahoo.com.mx
Grupo Santillana Mxico
Mxico
Cmo citar?
Fascculo completo
Pgina de la revista
www.redalyc.org
Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
El aprendizaje de la estadstica
en estudiantes universitarios
de profesiones no matemticas
Daniel Eudave Muoz
Resumen: El aprendizaje de la estadstica en carreras universitarias que no tienen
una orientacin matemtica presenta retos singulares. Se analiza el caso de tres
licenciaturas: medicina, mercadotecnia y asesora psicopedaggica, tanto en su dimensin curricular como en los aprendizajes obtenidos. El propsito central es
describir la manera de conceptualizar las nociones de la estadstica descriptiva de 12
estudiantes universitarios, distinguiendo aquellos rasgos que puedan ser producto
de las situaciones formativas de cada carrera.
La teora de los campos conceptuales de Gerard Vergnaud nos permite explicar las diferentes concepciones de la estadstica descriptiva que tienen los estudiantes entrevistados. Se describen los aprendizajes mostrados por los alumnos,
en los que se observan perfiles de desempeo caractersticos para cada carrera,
aunque stos se manifiestan a manera de conceptos-en-acto. Es importante
resaltar el papel que desempean los cursos de carcter metodolgico y disciplinares en la formacin de las nociones estadsticas.
Palabras clave: educacin estadstica, aprendizaje de la estadstica, formacin
profesional, campos conceptuales, estadstica descriptiva.
Abstact: Learning statistics in no-mathematical university majors presents special
challenges. This article presents the analysis of the curricular dimension and the
learning obtained in three professional majors: medicine, marketing and psicopedagogical consultanship. The main objective describes the way in which the
notions of the descriptive statistics of 12 university students can be understood,
distinguishing the features that could be product of the formative situations of
each majors.
The theory of the Conceptual Fields by Gerard Vergnaud allows us to explain
the different conceptions of the descriptive statistics that the interviewed students
have. The students learning showed different types of performances for each
Fecha de recepcin: 6 de abril de 2007.
41
Aunque la planeacin curricular en la mayora de las instituciones de educacin superior en Mxico contina con el modelo por asignaturas, se han ido
incorporando paulatinamente otros enfoques, como la enseanza basada en competencias, los modelos orientados hacia la prctica, la formacin basada en la
solucin de problemas, los sistemas modulares, las propuestas de aprendizaje
interdisciplinario, los programas tutoriales, la formacin de profesionales reflexivos y la incorporacin de temas transversales (Barrn e Ysunza, 2003). Con estos
enfoques, se espera lograr un perfil profesional ms integrado y competente. Pero
nos encontramos en un momento de transicin, en un cruce de caminos que
an no logra concretarse y que genera resultados dispares en los aprendizajes
de los futuros profesionistas.
En la investigacin que aqu se informa, se apuesta por los aprendizajes estadsticos promovidos desde los enfoques que buscan la integracin y aplicacin
en situaciones propias de cada profesin. El propsito de la investigacin es
caracterizar el aprendizaje estadstico de los estudiantes universitarios, distinguiendo aquellos rasgos que puedan ser producto de cada carrera. La hiptesis
central es que las situaciones que dan pie a la formacin de los conceptos estadsticos, los determinan. Desde esta perspectiva, los contenidos estadsticos descontextualizados del campo profesional corren el riesgo de carecer de sentido y, por
lo tanto, de ser ignorados u olvidados por los estudiantes.
Hay que reconocer adems, que el papel que la estadstica desempea dentro
del conjunto de saberes de cada profesin puede ser diferente; podemos decir,
metafricamente, que la estadstica, sin perder su esencia, adquiere la forma de la
profesin que la contiene. Esto implica que la estadstica adquiere su sentido junto o
en interaccin con otros saberes, y de igual manera, la estadstica puede ser la fuente
de significado para otras reas del desarrollo profesional de los estudiantes.
Elementos tericos
La
43
45
mundo real en distintos elementos y aspectos y recabar la seleccin de informacin ms adecuada de acuerdo con la situacin y el esquema involucrado.
Un teorema-en-acto es una proposicin que puede ser considerada verdadera
por el sujeto para un cierto rango de situaciones variables. Pero el alcance de
la validez de un teorema-en-acto puede ser diferente de un teorema real, tal
como lo sera en el mundo de la ciencia. Los conceptos y los teoremas explcitos
son la parte visible del iceberg de la conceptualizacin: sin la parte escondida
formada por los conceptos-en-acto y los teoremas-en-acto, esta parte visible no
sera nada. Recprocamente, no se pueden identificar los invariantes operatorios
que conforman los esquemas sino con la ayuda de las categoras explcitas del
conocimiento formal y socialmente reconocido (Vergnaud, 1996).
Aun los esquemas ms elementales implican una conceptualizacin de parte
del sujeto, si bien, slo puede ser inferida a partir de sus acciones y sus verbalizaciones o representaciones incipientes. Por ejemplo, si consideramos los errores
de los alumnos en las operaciones de sustraccin, se observa que los errores ms
frecuentes, como es el omitir las cifras que se llevan, suponen una conceptualizacin insuficiente de la notacin decimal. Aunque puede haber fallos en la ejecucin automatizada de un esquema, stos no son los que dan cuenta de los
principales errores.
El concepto de situacin tiene para Vergnaud (1990) el sentido de tarea. Un
campo conceptual puede incorporar varias situaciones, las que moldean los conocimientos de los alumnos en la medida en que las enfrentan y dominan. Toda
situacin compleja se puede analizar como una combinacin de tareas de las que
es necesario conocer la naturaleza y la dificultad propias. De este anlisis es
posible obtener una clasificacin que se sustente en las tareas cognitivas y en los
procedimientos que pueden ser puestos en juego en cada una de ellas.
En cuanto a la representacin, Vergnaud seala que el simbolismo matemtico no es una condicin necesaria ni una condicin suficiente para la conceptualizacin, pero contribuye tilmente a esta conceptualizacin, especialmente
para la transformacin de las categoras de pensamiento matemtico en objetos
matemticos. El lenguaje natural es el medio esencial de representacin y de
identificacin de las categoras matemticas, pero es el simbolismo matemtico
el que permite una mayor precisin conceptual y procedimientos ms eficientes. La
importancia del simbolismo no impide que sea la accin del sujeto en situacin
lo que constituye la fuente y el criterio inicial de la conceptualizacin, pero sta
debe evolucionar en el sentido de la apropiacin simblica para llegar a ser
propiamente matemtica. Este autor nos seala que el estatus del conocimiento
46
Podemos decir que el campo conceptual de la estadstica descriptiva es el conjunto de situaciones cuyo tratamiento involucra la obtencin, manejo y anlisis de
datos numricos referidos a una muestra, lo mismo que los mtodos especiales
para cada caso. El campo conceptual de la estadstica descriptiva es, adems, un
conjunto de conceptos interconectados: azar, probabilidad, medicin, muestreo,
distribuciones de frecuencias, moda, mediana, media, rango, varianza, desviacin
estndar, asimetra, apuntamiento. Este campo conceptual incluye tambin los
sistemas de representacin que se utilizan convencionalmente: numrico-tabular,
grfico, medidas de resumen, verbalizaciones y descripciones escritas (Eudave,
2005).
Esta forma de concebir el aprendizaje de la estadstica es similar al presentado por varios autores, aunque ninguno de ellos lo explique en los trminos
de la teora de los campos conceptuales. Por ejemplo, Moreno (1998) seala
los conocimientos que todo egresado del high-school debera poseer: sentido
numrico (a travs de grficas y tablas), capacidad para planear una investigacin y obtener datos (por medio de experimentos y encuestas), anlisis de datos
Educacin Matemtica, vol. 19, nm. 2, agosto de 2007
47
(identificacin de patrones en grficas, resumir datos univariados, e identificar asociaciones de datos bivariados), probabilidad (el estudio de los eventos aleatorios
y sus distribuciones), y el razonamiento inferencial (por medio de los intervalos
de confianza).
Por su parte, Pfannkuch y Will (1998) consideran que el razonamiento estadstico es la integracin de la comprensin de la estadstica y la comprensin
de un problema real. Algunos elementos facilitan esta integracin: la existencia de
procesos interconectados, la comprensin y el tratamiento de la variacin, la bsqueda de explicaciones, la transnumeracin (la comprensin que puede surgir
al cambiar la forma de representacin de los datos), el plantearse interrogantes
constantemente, la capacidad de sntesis e integracin, el reconocer y tratar
nuestras limitantes (preconcepciones, limitaciones personales o del entorno). Esto
conlleva ciertas disposiciones del sujeto que lo muevan a la definicin, implementacin y conclusin de un proyecto, tales como: curiosidad, escepticismo, mente
abierta y perseverancia.
Una dimensin del razonamiento estadstico, y que adems se resalta en la
formacin de los profesionistas no estadsticos, es que tienen que aprender estadstica haciendo estadstica y que este aprendizaje tiene que ser contextualizado.
La importancia y necesidad del contexto en el aprendizaje estadstico y en el desarrollo del pensamiento estadstico son sealadas por varios autores (Ylmaz, 1996;
Smith, 1998; Carlson, 2002; Lee, Zeleke y Wachtel, 2002; Meletiou-Mavrotheris
y Lee, 2002).
Volviendo al campo conceptual de la estadstica descriptiva, tenemos pues
que son bsicamente cuatro las situaciones en las que los conceptos de la estadstica descriptiva adquieren su sentido: diseo de investigaciones; recoleccin
de datos; manejo de datos estadsticos; lectura y anlisis de datos estadsticos.
Los conceptos que integran la estadstica descriptiva, por lo menos los que
tradicionalmente se incluyen en su enseanza, son:
49
de cada una. Adems, las tres carreras son consideras como de demanda alta
y medio-alta (que son muy solicitadas por los egresados de bachillerato y a las
que, por tanto, slo ingresan los de mejores resultados en el examen de admisin
ycon mejores promedios de bachillerato), lo que ayud a reducir sesgos debidos
a posibles deficiencias en cuanto a sus antecedentes acadmicos.
El estudio se enfoc en los alumnos que estaban a punto de concluir su
carrera, por ser los que ya haban cursado todas la materias de estadstica as
como las materias que corresponden a otras disciplinas diferentes a la estadstica,
pero que incluyen conceptos y procedimientos estadsticos. Para seleccionar a los
alumnos, se recurri a los profesores de las reas profesionalizantes de cada
carrera en donde la estadstica es un componente bsico (epidemiologa, investigacin de mercados y diagnstico psicopedaggico y asesora psicopedaggica,
respectivamente), los cuales propusieron a los alumnos que a su juicio tenan el
mejor desempeo estadstico y metodolgico de su generacin. Se trabaj con
un total de 12 alumnos (cuatro de cada carrera). En su mayora, estos alumnos
acreditaron sus cursos de estadstica con calificaciones altas (de 8 a 10), y tenan
un promedio general mayor que 8.
Las entrevistas se desarrollaron siguiendo cuatro etapas o fases, con las que
se cubrieron de manera paulatina todas las situaciones y se trabaj con todos los
conceptos estadsticos seleccionados y todos los tipos de representacin. Cada
fase comprenda una serie de tareas que el alumno deba realizar. La primera y
ltima fase se enfocaban a los conceptos generales (estadstica, poblacin, muestra, azar, probabilidad, variable estadstica, medicin), vistos desde dos perspectivas:
la primera, que corresponde a la fase 1, consiste en las concepciones que tienen
los alumnos y que expresan verbalmente a manera de definiciones; en la fase
4, se les pidi a los sujetos disear, a manera de esbozo, una investigacin o
diagnstico en la que necesariamente estuvieran involucradas estas nociones
generales (vase el anexo 1).
En la 2 y 3 fase se exploraron las comprensiones de los estudiantes sobre
las nociones de frecuencia, tendencia central, dispersin y forma, vistas desde dos
situaciones diferentes y complementarias: a) la manipulacin de una serie de
datos en bruto, esto es, un conjunto de datos estadsticos presentados como un
registro de las mediciones de 50 individuos pertenecientes a un grupo hipottico
de sujetos que el entrevistado tena que describir (vase el anexo 2); y b) los mismos
datos de los 50 sujetos, pero ordenados en tablas de frecuencias absolutas y
relativas y en grficas de barras, y con los estadsticos bsicos (media, moda, mediana, desviacin estndar, cuartiles, etctera).
Educacin Matemtica, vol. 19, nm. 2, agosto de 2007
51
cuanto al currculo
En prcticamente todas las licenciaturas de la Universidad Autnoma de Aguascalientes se ofrece por lo menos un curso de estadstica descriptiva en los primeros
semestres. En algunas carreras se ofrecen cursos de estadstica inferencial y cursos en
donde se ensean modelos multivariados. El nfasis de estos cursos es presentar
tcnicas que se espera que los estudiantes utilicen en cursos posteriores y en un
futuro en su prctica profesional. En el caso de las licenciaturas analizadas, en
medicina y asesora psicopedaggica cuentan nicamente con un curso, mientras
que en mercadotecnia se ofrecen tres.
El anlisis curricular nos muestra que en el marco de los planes y programas
de estudios revisados, hay tres enfoques de la estadstica:
1. Una estadstica terica, abstracta y formal, que es la que est presente en
los cursos de estadstica.
2. Una estadstica en contexto y explcita, en donde la estadstica es un contenido que permite delimitar la comprensin del rea donde se ubica (ya sea
la epidemiologa, la investigacin de mercados, o el diagnstico psicopedaggico y la investigacin educativa), y a la vez, estas reas le dan sentido a las
nociones estadsticas.
3. Una estadstica en contexto e implcita. En este caso, las nociones estadsticas dependen totalmente del contexto y no es fcil reconocer a simple
vista sus propiedades matemticas, incluso pueden aparecer en el contexto
como instrumentos que simplemente se aplican. En esta situacin est,
por ejemplo, la nocin de medicin en las materias de Introduccin a
52
53
De este anlisis podemos concluir que los planes y programas de estudio tienden hacia un enfoque integrado y contextualizado del aprendizaje de la estadstica,
aunque no sea del todo sistemtico. Por otro lado, el curso introductorio de estadstica est muy desfasado de las situaciones que se contemplan en cada carrera.
Los
aprendizajes logrados
El primer hecho que vale la pena resaltar como hallazgo de las entrevistas realizadas a los alumnos, el cual fue por dems notorio, fue que la mayora de los estudiantes olvidaron las definiciones, frmulas y algoritmos que aprendieron en su
curso introductorio de estadstica. Suponemos que hay un olvido, considerando
que hubo un aprendizaje, ya que todos los alumnos seleccionados aprobaron sus
cursos de estadstica y, en la mayora de los casos, con calificaciones altas. Adems, todos los alumnos reconocen ese olvido, todos recuerdan que saban las
definiciones, las frmulas, los procedimientos, pero reconocen que los olvidaron,
argumentando diversas razones.
Desde una ptica convencional diramos que si los alumnos olvidaron sus
aprendizajes, sencillamente no saben estadstica. Sin embargo, hay aprendizajes,
hay conocimientos, presentes en algunas competencias, que los alumnos son
capaces de mostrar, que les permiten enfrentar y resolver algunas tareas sencillas
y que conllevan, a fin de cuentas, esquemas de accin y conceptualizaciones
implcitas, y que podemos distinguir como conceptos-en-acto y teoremas-en-acto,
utilizando la terminologa de Vergnaud.
Precisando, diramos que los alumnos no saben la estadstica que se espera
que conozcan, segn los objetivos particulares y especficos de los cursos de estadstica, pero s tienen los conocimientos que grosso modo sealan los perfiles
profesionales: obtener, organizar, manejar, analizar e interpretar informacin, a
fin de analizar, comprender, predecir y transformar los fenmenos que le interesa estudiar a cada profesin y, de esta manera, tomar decisiones (despus de
todo, en los perfiles no se especifica el grado de estructuracin o formalidad que
se espera que logren los estudiantes con sus conocimientos estadsticos).
Por lo anterior, el anlisis de los aprendizajes de los estudiantes no se centr en la
verificacin de la existencia de las conductas que segn los programas de estadstica deben dominar los estudiantes: conocimiento de definiciones, ejecucin de
procedimientos tipo, etc. El anlisis se enfoc a los aprendizajes con sentido
para los estudiantes, aunque stos fueran implcitos.
54
55
Mercadotecnia
Asesora psicopedaggica
56
Como puede apreciarse, en cada carrera se privilegian ciertas nociones estadsticas en el momento de hacer la descripcin de un conjunto de datos y se
omiten otras, como por ejemplo, en el caso de medicina, los estadsticos ms utilizados son: rangos, promedios y desviacin estndar, pues son los que les permiten
de manera rpida identificar algn rasgo de anormalidad, el cual puede ser una
manifestacin de algn desorden o enfermedad: el valor promedio les indica
lo normal en una poblacin, la desviacin estndar les indica los valores de
variacin con respecto a la media que puede asumir esa normalidad y el rango
los lmites de esa variacin (mientras ms se aleje un valor de la media, es ms
probable que se trate de un rasgo de enfermedad). Adems, los estudiantes de
medicina estn acostumbrados a utilizar una gran cantidad de tablas de valores
de referencia construidas con base en esos estadsticos, lo que indudablemente
marca su forma de entender y utilizar la estadstica.
En el caso de los estudiantes de mercadotecnia, en la forma de hacer los anlisis se aprecia el proceder de la metodologa de la investigacin de mercados: la
descripcin de los datos se fundamenta en los porcentajes, la moda, la media y el
rango. Esto se traduce finalmente en la identificacin de grupos de preferencia:
cul porcin de la muestra prefiere tal o cual servicio (porcentaje), cul servicio
es el preferido (moda) y, en cuanto al rango, es importante para identificar los
valores que pueden diferir de la mayora, pero que pueden no ser relevantes (si
corresponden a una porcin muy pequea de la muestra). Recurren adems
a un procedimiento muy peculiar: el 80-20, esto es, establecer las preferencias
del 80% de la muestra contra el resto, bajo el supuesto de que es suficiente
conocer lo que esta mayora opina, como si el 20% que opina lo contrario no
fuera relevante. Este criterio tiene ciertos fundamentos en algunas teoras de
la economa, sin embargo, para los estudiantes, es slo un criterio pragmtico.
Como al parecer los estudiantes cubren muchas de sus necesidades con estos
elementos estadsticos tan elementales, resultan poco relevantes el resto de las
nociones estadsticas.
Los estudiantes de la licenciatura en asesora psicopedaggica usan como
puntos de referencia para sus anlisis los valores extremos, rangos y los promedios
o la media aritmtica, de manera similar a como lo hacen los estudiantes de
medicina. Sin embargo, su punto de referencia son las escalas propias de los test
psicomtricos, construidas con base en una distribucin normal. Estos estudiantes no reconocen ni utilizan la nocin de normalidad estadstica, lo que usan de
manera pragmtica son los parmetros mnimos que les permiten saber si un
sujeto es normal (si el valor obtenido por un sujeto en un test es igual a la media
Educacin Matemtica, vol. 19, nm. 2, agosto de 2007
57
58
Conclusiones
Toda profesin universitaria tiene al menos dos tipos de soportes: un conjunto de
disciplinas cientficas ms o menos integradas que conforman sus fundamentos
tericos, y un conjunto de procedimientos y tcnicas que son sus herramientas metodolgicas. La estadstica puede ser parte, explcita o implcitamente, de cualquiera de estos dos conjuntos.
El mtodo, o mejor dicho, los distintos mtodos seguidos por las diferentes
disciplinas que sirven de sustento a las tres carreras consideradas incluyen componentes estadsticos. No son aplicaciones de la estadstica, son conceptos y
procedimientos estadsticos amalgamados con conceptos y procedimientos de otras
disciplinas, con las que tienen filiaciones, homomorfismos. En algunos casos,
como por ejemplo el mtodo seguido en la investigacin de mercados, no es
fcil saber en dnde termina el mtodo estadstico y dnde comienza el de la
mercadotecnia. Pero en otros casos, como en medicina, se da una integracin un
tanto compleja de mtodos cuantitativos y cualitativos, de mtodos estadsticos
y hermenuticos (semiologa mdica), en los que se dan situaciones de complementariedad un tanto singulares: en algunos casos parecera que los alumnos
de medicina integran los datos estadsticos como un elemento ms de un anlisis cualitativo; en otras situaciones, parecera que los mtodos cuantitativos y
cualitativos corrieran en paralelo. Esta manera de proceder seguramente se da
de modo similar con los mdicos que ya tienen algn tiempo en el ejercicio de la
profesin.
Los rasgos esenciales del perfil profesional de cada carrera nos muestran
los hilos conductores de la formacin de los estudiantes, as como las lneas
de desarrollo profesional que habrn de ponerse en prctica en el futuro. A partir de
estas lneas podemos rastrear los campos conceptuales que los alumnos logran
armar a lo largo de su formacin profesional y ver cmo se incorporan elementos
de diversa ndole. Las asignaturas de carcter integrador son fundamentales para
que los alumnos, con el apoyo de sus profesores, puedan recuperar y estructurar muchos de sus aprendizajes aislados. Pero aun en los casos de estrategias
didcticas de integracin exitosa, siempre pueden quedar saberes en espera de ser
rescatados; su futuro puede ser el olvido o una vinculacin posterior y quizs
ya durante el ejercicio de la profesin. Las variadas exigencias del ejercicio profesional requieren la capacidad de parte de los egresados de establecer nexos
novedosos entre las cosas que ya conocen, as como de la incorporacin permanente de nuevos aprendizajes.
Educacin Matemtica, vol. 19, nm. 2, agosto de 2007
59
61
Search for Identity. An icmi Study. Book 1, Gran Bretaa, Kluwer Academic
Publishers, pp. 227-240.
Utts, J. (2002), What Educated Citizens Should Know About Statistics and
Probability, Proceedings of the 6th International Conference on Teaching
Statistics, Sudfrica.
Yilmaz, M.R. (1996), The Challenge of Teaching Statistics to Non-specialist,
Journal of Statistics Education, vol. 4, nm. 1, extrado el 20 de diciembre de
2001, de http://www.amstat.org/publications/jse/v4n1/yilmaz.html.
Agradecimientos
Quiero hacer un reconocimiento pstumo a la doctora Guillermina Waldegg
por su gua e invaluable apoyo brindado durante la realizacin de esta investigacin.
Anexo 1
Gua
Medicina
Nota: La gua de entrevista fue la misma para las tres carreras, salvo por las
pequeas adecuaciones necesarias para hacer referencia a cada campo profesional y a las variantes que se hicieron a los instrumentos a fin de hacerlos
ms cercanos a lo que habitualmente trabajan los alumnos y que, bsicamente,
consisti en el cambio de dos de las cuatro variables que incluye la base de datos
con la que trabajaron.
FASE 1. Nociones generales
1.1. Cmo definiras la estadstica? Para ti qu es la estadstica?
1.2. Cul es el uso que un mdico le da a la estadstica?
1.3. En qu reas del ejercicio de tu profesin se hace uso de la estadstica?
1.4. Qu es la poblacin?
1.5. Qu es la muestra?
1.6. Qu es el azar?, Qu es la probabilidad?
1.7. Qu entiendes por variable estadstica?
1.8. Qu entiendes por medicin?
62
63
Edad
17
1.5
55
17
1.65
63
17
1.72
72
18
1.72
76
18
1.65
60
18
1.65
59
18
1.66
67
18
1.66
58
18
1.66
60
18
1.67
67
18
1.7
70
19
1.72
73
19
1.74
73
19
1.8
72
19
1.81
75
19
1.9
86
19
1.5
51
19
1.6
54
19
1.64
55
20
1.92
90
20
1.85
85
Estatura
Peso
65
66