Vol. 6 (2022): RECIE. Revista Electrónica Científica de Investigación Educativa (enero-diciembre)
D) Currículum, conocimientos y prácticas educativas

Procesos transnumerativos y análisis de datos. Un estudio de caso

Daniel Eudave Muñoz
Universidad Autónoma de Aguascalientes, México
Biografía
David Paéz
Universidad Autónoma de Aguascalientes, México
Biografía
Margarita Carvajal Ciprés
Universidad Autónoma de Aguascalientes, México
Biografía
Portada-6

Publicado 2022-12-21

Palabras clave

  • Análisis de datos,
  • educación superior,
  • razonamiento estadístico,
  • transnumeración
  • Data analysis,
  • higher education,
  • statistical reasoning,
  • transnumeration

Cómo citar

Eudave Muñoz, D., Páez, D. A. ., & Carvajal Ciprés , M. . (2022). Procesos transnumerativos y análisis de datos. Un estudio de caso. RECIE. Revista Electrónica Científica De Investigación Educativa, 6, e1737. https://doi.org/10.33010/recie.v6i0.1737

Resumen

La transnumeración, como un tipo de razonamiento estadístico, permite valorar desde diferentes perspectivas la naturaleza de los datos estadísticos, los tipos de análisis más idóneos a realizar según los propósitos de un estudio, así como las representaciones que comuniquen a diferentes usuarios los resultados de una investigación y sus múltiples implicaciones. En este artículo se presentan los resultados de una entrevista realizada a una estudiante de posgrado del área de Educación, para identificar las diferentes estrategias de transnumeración utilizadas y su sentido, en la realización de diferentes análisis estadísticos. Se hizo una adaptación de la técnica de entrevista centrada en tareas, que tuvo como eje el plan de análisis que definió la estudiante para su trabajo de tesis, y a partir de dicho plan, con ayuda del entrevistador, se exploraron diferentes alternativas transnumerativas. Entre los resultados más relevantes tenemos que las diferentes técnicas transnumerativas realizadas por la estudiante entrevistada le permitieron revalorar la naturaleza de las variables consideradas en su análisis y las posibilidades de transformación de las mismas. La entrevistada también tuvo oportunidad de revisar y reforzar los criterios originales de su plan de análisis y los principios estadísticos subyacentes. Se concluye que el razonamiento estadístico implementado a través de la transnumeración debe ser flexible y permitir la exploración de diferentes posibilidades de análisis y representación, que coadyuven a potencializar los resultados de una investigación. Se resalta la importancia del pensamiento transnumerativo como factor que permite vincular conceptual y operativamente las diferentes etapas del ciclo investigativo.

Citas

  1. Alonso-Arroyo, A., Spotti Lopes Fujita, M., Gil-Leiva, I., y Pandiella, A. (2016). Protocolo verbal: análisis de la producción científica, 1941-2013. Informação & Sociedade, 26(2), 61-76.
  2. Burrill, G., y Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in training teachers. En C. Batanero, G. Burril y C. Reading (eds.), Teaching Statistics in school Mathematics-Challenges for teaching and teacher education: A joint ICMI/IASE study (pp. 57-69). Springer.
  3. BA [British Academy for the Humanities and Social Sciences] (2015). Count us in: Quatitative skills for a new generation.
  4. Cazorla, I. M., Cardoso Utsumi, M., y Ferreira Monteiro, C. E. (2021). Dos dados brutos à informação: o papel das técnicas transnumerativas no ensino de Estatística. Educação Matemática Pesquisa, 23(4), 109-139.
  5. Chick, H. L. (2004). Tools for transnumeration: Early stages in the art of data representation. En I. Putt, R. Faragher y M. McLean (eds.), Mathematics education for the third millennium: Towards 2010. Proceedings of the Twenty-seventh Annual Conference of the Mathematics Education Research Group of Australasia (pp. 167-174). MERGA.
  6. Chick, H. L., Pfannkuch, M., y Watson, J. M. (2005). Transnumerative thinking: Finding and telling stories within data. Curriculum Matters, (1), 86-108.
  7. Eudave Muñoz, D. (2007). El aprendizaje de la estadística en estudiantes universitarios de profesiones no matemáticas. Educación Matemática, 19(2), 41-66.
  8. Garfield, J., y Ben-Zvi, D. (2007). How students learn Statistics revisited: A current review of tesearch on teaching and learning Statistics. International Statistical Review, 75(3), 372-396.
  9. Goldin, G. A. (2000). A scientific perspective on structured, task-based interviews in Mathematics educational research. En A. E. Kelly y R. A. Lesh, Handbook of research design in Mathematics and Science education (pp. 517-545). Lawrence Erlbaum Associates.
  10. Kerlinger, F. N., y Lee, H. B. (2002). Investigación del comportamiento. McGraw-Hill.
  11. Maher, C. A., y Sigley, R. (2014). Task-based interviews in Mathematics education. En S. Lerman (ed.), Encyclopedia of Mathematics education. Springer.
  12. Ramos, L. (2019). La educación estadística en el nivel universitario: retos y oportunidades. Revista Digital de Investigación en Docencia Universitaria, 13(2), 67-82.
  13. Salcedo, A., González, J., y González, J. (2021). Lectura e interpretación de gráficos estadísticos, ¿cómo lo hace el ciudadano? Revista Paradigma, 42(ext.1), 61-88.
  14. Wild, C. J., y Pfannkuch, M. (1999). Statistics thinking in empirical enquiry. International Statistical Review, 67(3), 223-265.