Vol. 34 (2024)
Artículos de Investigación

Dificultades de estudiantes de diseño gráfico en el aprendizaje de estadística matemática para visualizar datos

PDF
  • Manuel Ponce de León,
  • Gerardo Luna-Gijón,
  • Yaret Elsa Ruíz-Morales
Manuel Ponce de León
Centro de Innovación del Aprendizaje, Universidad Popular Autónoma del Estado de Puebla
Gerardo Luna-Gijón
Benemérita Universidad Autónoma de Puebla
Yaret Elsa Ruíz-Morales
Colegio de Diseño Gráfico, Facultad de Arquitectura, Benemérita Universidad Autónoma de Puebla
DOI: https://doi.org/10.15174/au.2024.4228

Publicado 2024-12-11

Cómo citar

Ponce de León, M. ., Luna-Gijón, G., & Ruíz-Morales, Y. E. (2024). Dificultades de estudiantes de diseño gráfico en el aprendizaje de estadística matemática para visualizar datos. Acta Universitaria, 34, 1–18. https://doi.org/10.15174/au.2024.4228

Resumen

En el contexto actual de la sobrecarga informativa experimentada por la sociedad, la construcción de gráficos estadísticos es una tarea relevante para la profesión del diseño gráfico. Esta investigación se enfocó en identificar los obstáculos que estudiantes de primer semestre de diseño gráfico enfrentan al construir gráficos estadísticos. Mediante un enfoque de investigación-acción, se implementó una intervención educativa utilizando presentaciones digitales sobre las características de los diferentes tipos de gráficos estadísticos. Se observó en los estudiantes un aumento significativo en el conocimiento conceptual de los gráficos estadísticos, pero la aplicación práctica no mostró un incremento similar, pues los estudiantes enfrentaron dificultades al seleccionar y construir gráficos estadísticos sin la asistencia de la docente. Aunque se observaron mejoras en el aprendizaje, el desarrollo de estas capacidades de comunicación gráfica necesita de tiempo y trabajo con características particulares. Se requiere de más intervenciones focalizadas empleando guías y materiales didácticos para lograr avances significativos en el aprendizaje.

PDF

Citas

  1. Arcavi, A. (2003). The role of visual representations in the learning of mathematics. Educational Studies in Mathematics, 52, 215-241. https://doi.org/10.1023/A:1024312321077
  2. Asamoah, D. (2022). Improving data visualization skills: a curriculum design. International Journal of Education and Development Using Information and Communication Technology, 18(1), 213–235. https://eric.ed.gov/?id=EJ1345404
  3. Batanero, C., & Díaz, C. (2011). Estadística con proyectos. Universidad de Granada.
  4. Binder, K., Krauss, S., & Bruckmaier, G. (2015). Effects of visualizing statistical information—An empirical study on tree diagrams and 2 × 2 tables. Frontiers in Psychology, 6, 1-10. https://doi.org/10.3389/fpsyg.2015.01186
  5. Brendefur, J. L., Thiede, K., Strother, S., Bunning, K., & Peck, D. (2013). Developing mathematical thinking: changing teachers' knowledge and instruction. Journal of Curriculum and Teaching, 2(2), 62-75. https://doi.org/10.5430/jct.v2n2p62
  6. Contreras, J. M., Molina, E., Martínez, F., & Ruz, F. (2021). Disposiciones de ciudadanos españoles ante noticias con gráficos relacionadas con la COVID‐19. Sociología y Tecnociencia, 11(2), 196–212. https://revistas.uva.es/index.php/sociotecno/article/view/5185
  7. Edwards-Groves, C., & Rönnerman, K. (2022). Action Research conceptualised in seven cornerstones as conditions for transforming education. IJAR – International Journal of Action Research, 18(2), 116–133. https://doi.org/10.3224/ijar.v18i2.03
  8. Eichler, A., & Zapata-Cardona, L. (2016). Empirical research in statistics education. Springer Open. https://doi.org/10.1007/978-3-319-38968-4
  9. Eikeland, O., Frimann, S., Hersted, L., & Borup, J. (2022). Are action researchers mixed up? Reviewing and revising basic assumptions, concepts, and terminology in and by means of action research. IJAR – International Journal of Action Research, 18(2), 165–182. https://doi.org/10.3224/ijar.v18i2.06
  10. Engel, J., Ridgway, J., & Weber, F. (2021). Educación estadística, democracia y empoderamiento de los ciudadanos. Paradigma, 42(1), 01–31. https://doi.org/10.37618/PARADIGMA.1011-2251.2021.p01-31.id1016
  11. Forbes, S., Chapman, J., Harraway, J., Stirling, D., & Wild, C. (2014). Use of data visualisation in the teaching of statistics: a New Zealand perspective. Statistics Education Research Journal, 13(2), 187–201. https://doi.org/10.52041/serj.v13i2.290
  12. Hammadi, S. S., Majeed, B. H., & Hassan, A. K. (2023). Impact of deep learning strategy in mathematics achievement and practical intelligence among high school students. International Journal of Emerging Technologies in Learning (IJET), 18(6), 42–52. https://doi.org/10.3991/ijet.v18i06.38615
  13. Hayn-Leichsenring, G. U., Vartanian, O., & Chatterjee, A. (2022). The role of expertise in the aesthetic evaluation of mathematical equations. Psychological Research, 86(5), 1655–1664. https://doi.org/10.1007/s00426-021-01592-5
  14. Isaza, Y. L., & Escobar, J. V. (2024). Análisis de la educación matemática crítica como posible guía para el diseño de estrategias metodológicas. Revista Interamericana de Investigación Educación y Pedagogía RIIEP, 17(1), 376–397. https://doi.org/10.15332/25005421.9492
  15. Janse van Rensburg, A. (2022). Retrospective action research on facilitating equitable learning outcomes in a diverse class. IJAR – International Journal of Action Research, 18(3), 247–267. https://doi.org/10.3224/ijar.v18i3.04
  16. Kirk, A. (2020). Data visualisation literacy – Learning to see. Revista de Contabilidad y Dirección, 31, 37–48. https://accid.org/wp-content/uploads/2021/12/Data-Visualisation-Literacy-Learning-to-See_watermark-1.pdf
  17. Lazarova, L. K., Stojkovikj, N., Stojanova, A., & Miteva, M. (2022). Application of graph theory in teaching and understanding of the mathematical problems. En 2022 IEEE Global Engineering Education Conference (EDUCON), pp. 1594-1601. https://doi.org/10.1109/EDUCON52537.2022.9766566
  18. Luna-Gijón, G., & Ruiz-Morales, Y. E. (2023). Enseñanza de las matemáticas en diseño gráfico para aprender visualización de datos y diseño de información. Acta Universitaria, 33, 1–25. https://doi.org/10.15174/au.2023.3572
  19. Maltese, A. V., Svetina, D., & Harsh, J. A. (2015). Research and teaching: data visualization literacy: investigating data interpretation along the novice-expert continuum. Journal of College Science Teaching, 45(01), 84–90. https://doi.org/10.2505/4/jcst15_045_01_84
  20. National Research Council. (1990). Reshaping school mathematics: a philosophy and framework for curriculum. The National Academies Press. https://doi.org/10.17226/1498
  21. Organization for Economic Cooperation and Development (OECD). (2019). PISA 2018 Assessment and Analytical Framework. PISA, OECD Publishing. https://doi.org/10.1787/b25efab8-en
  22. Rellensmann, J., Schukajlow, S., & Leopold, C. (2017). Make a drawing. Effects of strategic knowledge, drawing accuracy, and type of drawing on students’ mathematical modelling performance. Educational Studies in Mathematics, 95(1), 53–78.
  23. https://doi.org/10.1007/s10649-016-9736-1
  24. Rellensmann, J., Schukajlow, S., & Leopold, C. (2020). Measuring and investigating strategic knowledge about drawing to solve geometry modelling problems. ZDM Mathematics Education, 52, 97–110. https://doi.org/10.1007/s11858-019-01085-1
  25. Rubel, L. H., Nicol, C., & Chronaki, A. (2021). A critical mathematics perspective on reading data visualizations: reimagining through reformatting, reframing, and renarrating. Educational Studies in Mathematics, 108, 249–268. https://doi.org/10.1007/s10649-021-10087-4
  26. Salcedo, A., González, J., & González, J. (2021). Lectura e interpretación de gráficos estadísticos, ¿cómo lo hace el ciudadano?. Paradigma, 42(1), 61–88. https://doi.org/10.37618/PARADIGMA.1011-2251.2021.p61-88.id1018
  27. Su, C. S., Díaz-Levicoy, D., & Hsu, C. C. (2024). Integración del desarrollo sostenible en la enseñanza de la Estadística y Probabilidades: Un análisis de los libros de texto de Matemática de la Educación Primaria. Educación y Humanismo, 26(46), 222–246. https://doi.org/10.17081/eduhum.26.46.6602
  28. Tufte, E. (2001). The Visual Display of Quantitative Information. Graphics Press.
  29. Usova, T., & Laws, R. (2021). Teaching a one-credit course on data literacy and data visualisation. Journal of Information Literacy, 15(1), 84-95. https://dx.doi.org/10.11645/15.1.2840
  30. Watson, J. M. (2006). Statistical literacy at schools: growth and goals. Lawrence Erlbaum Associates.
  31. Wheelan, C. (2014). Naked Statistics. W.W. Norton & Company.