Para citar este artculo, le recomendamos el siguiente formato:

Rodrguez, C., Gutirrez, J. (2013). Actitud hacia la estadstica e influencia en la adquisicin de competencias
tecnolgicas para el anlisis de datos cuantitativos. Revista de evaluacin educativa, 2 (1). Consultado el da
de mes de ao en: http://revalue.mx/revista/index.php/revalue/issue/current

Actitud hacia la estadstica e influencia en la adquisicin de

competencias tecnolgicas para el anlisis de datos cuantitativos
Clemente Rodrguez Sabiote
Dpto. de Mtodos de Investigacin y Diagnstico en Educacin. Universidad de Granada, Espaa.

Jos Gutirrez-Prez
Dpto. de Mtodos de Investigacin y Diagnstico en Educacin. Universidad de Granada, Espaa.

Resumen
La presente investigacin tiene como objetivo primordial determinar qu aspectos
de la actitud previa hacia la Estadstica juegan un papel relevante en la
competencia desarrollada por el alumnado de la Licenciatura de Pedagoga de la
Universidad de Granada en el anlisis de datos computarizados. Los resultados
alcanzados apuntan a que, dependiendo del tipo de alumnado analizado: (baja
competencia, moderada competencia y alta competencia), los aspectos influyentes
son diferentes. No obstante, la dimensin afectiva juega un papel muy importante
entre las diferentes tipologas de alumnado contempladas.
Palabras clave: Actitud hacia la Estadstica. Regresin lineal mltiple.
Competencia Tecnolgica.
Abstract
This research has as basic aim to identify key what aspects of the previous attitude
toward statistics play an important role in the competence developed by the
students of the Course of Pedagogy at the University of Granada in the
computerized data analysis. The results obtained suggest that the type of students
analyzed: low competence, moderate competence and high competence,
influential aspects are different. However, the affective dimension plays a very
important role in the different types of students.
Key words: Attitude toward Statistics. Multiple linear regression. Technology
competence.

Fecha de recepcin: 25 de febrero 2013

Fecha de aceptacin: 22 de abril 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

1. Introduccin
La Estadstica no puede entenderse simplemente como un conjunto de datos
numricos que ofrecen informacin sinttica y organizada sobre las tendencias y
cambios; ms bien, es una ciencia que no slo facilita los mtodos precisos para
la obtencin de la informacin numrica de base slida y consistente, sino que
tambin proporciona mtodos objetivables de la informacin recogida, resumen,
anlisis e interpretacin de dicha informacin y, en general, mtodos de
investigacin aplicables a todos los mbitos de las disciplinas cientficas, incluidas
las ciencias sociales sobre los cuales es posible establecer descripciones e
inferencias fundamentadas. En realidad, la Estadstica es un arma de
impresionante potencial y utilidad que tiene a su disposicin el investigador, el
matemtico, el socilogo, el economista, el ingeniero, el mdico y toda una variada
gama de profesionales. Ahora bien, como todas las armas es peligrosa y puede
llegar a ser utilizada de manera incorrecta para la defensa de argumentos
particulares (Caro y Garca, 2011).
Por otra parte, hay personas que desarrollan una actitud negativa hacia la
Estadstica porque en algn momento de sus vidas han experimentado frustracin
(Estrada y Dez, 2012). La investigacin en resolucin de problemas indica que los
sentimientos que se despiertan cuando una persona sabe o no sabe resolver un
problema afectan, tanto al sentimiento que tiene hacia la Estadstica, como a su
capacidad para aprender de ella y usarla de manera correcta (Schoenfeld, 1989).
Desde estas coordenadas, es importante establecer mecanismos de regulacin de
la calidad de los procesos de enseanza-aprendizaje de la Estadstica. Una
estrategia previa, en este sentido, es considerar una coleccin de dimensiones o
variables que pueden incidir positiva o negativamente en la imparticin de
contenidos estadsticos en el nivel universitario (Tempelar, Van der Loeff &
Gijselaers, 2007; Rodrguez y Herrera, 2009; Rodrguez, Gutirrez y Pozo, 2010).
El peso que ejerce la variable actitud hacia la Estadstica en estudiantes con
diferentes niveles de competencia tecnolgica no es idntico. Las personas que
resuelven mejor los problemas son aquellas a quienes le gusta la Estadstica; y
esto tiene una gran implicacin desde el punto de vista cognitivo (Estrada y Dez,
2011). Las actitudes pueden estar relacionadas con sentimientos positivos o
negativos, que resultan de experiencias previas con la disciplina Estadstica a lo
largo del proceso de aprendizaje (Estrada, 2004). Analizar esta influencia y
diferenciar los modelos con una mayor determinacin representa un elemento a la
hora disear programas de formacin. Clarificar estas condiciones resulta til para
los procesos de enseanza y ha de permitir al profesorado establecer un mayor
ajuste de su intervencin en el aula, segn niveles diferenciados de trabajo
adaptados a cada grupo de alumnos.
A lo largo de este trabajo tratamos de determinar el grado de influencia que juega
la actitud previa hacia la Estadstica conformada en torno a diferentes dimensiones
(afectiva, cognitiva, de valor y de dificultad) en el desempeo tecnolgico de

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

anlisis de datos mediante software informatizado. Los actores objeto de estudio

son un grupo de alumnos de la Licenciatura de Pedagoga de la Universidad de
Granada que asisten a un curso introductorio de Anlisis de Datos.
2. Revisin de la literatura y estudios previos
a) Estudios previos sobre validacin de instrumentos de actitudes hacia las
Matemticas y la Estadstica
Este mbito constituye una lnea de investigacin clsica centrada en anlisis de
las caractersticas tcnicas de diferentes instrumentos de medida y estudios de
rplica con instrumentos similares que han sentado las bases de la exploracin
sistemtica en el campo. Las primeras investigaciones sobre las actitudes en
Matemticas se centraron ms en la validez de los instrumentos utilizados para
recabar los datos y analizarlos que en los propios resultados (Estrada y Dez,
2011). El cuadro siguiente muestra algunos de los estudios ms relevantes en el
campo.
Tabla 1
Estudios previos sobre validacin de instrumentos de actitudes hacia las Matemticas
y la Estadstica
Estudio
Aiken, L. R. (1970). Affective
factors in mathematics learning:
Comments on a paper by Neale
and a plan for research. Journal for
Reseach
in
Mathematics
Education, 1, 251-255.

Roberts, D. M., and Bilderback, E.

W. (1980), "Reliability and validity
of a statistics attitude survey",
Educational and Psychological
Measurement, 40, 235-238.
Wise,
S.
L.
(1985),
"The
development and validation of a
scale measuring attitudes toward
statistics",
Educational
and
Psychological Measurement, 45,
401-405.

Estrada, A. (2009). Las actitudes

hacia la Estadstica en la formacin

Descripcin de los instrumentos y

caractersticas tcnicas
La primera escala tipo Likert creada por este autor junto con
Dreger consta de 20 tems que exploran aspectos sobre el
valor de las matemticas y el disfrute al usarlas. Los trabajos
posteriores tratan de validar instrumentos diferentes que
aborden estas dos dimensiones de manera independiente.
En 1974 propone dos cuestionarios clsicos que sientan las
bases de la investigacin posterior sobre el tema: escala E
sobre disfrute de las matemticas (12 tems y una fiabilidad
de 0,95y la escala V sobre valor de las matemticas
(integrada por 11 tems, 0,85)
Estos autores proponen la escala SAS de actitud hacia la
Estadstica conformada por 50 tems en formato tipo Lickert
con una fiabilidad test retest resultado de tres estudios entre
entre ,93 y ,95.
El ATS- questionnaire que construyen consta 29-tem tipo
Likert organizados en dos bloques: Actitudes hacia el uso de
herramientas estadsticas aplicadas al campo profesional de
los estudiantes (20 tems) y Actitudes hacia la enseanza de
la Estadstica relacionada con la asignatura (9 tems) (actitud
al curso y actitud al campo profesional). El estudio de
fiabilidad test-retest de las subescalas del curso y el campo
arroja correlaciones (test-retest) de 0,91 y 0,82,
respectivamente.
Consta de 30 tems y es una adaptacin de la escala SAT de
Schau et al., centrada en las siguientes dimensiones:

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos
de los profesores. Milenio: Lleida

Afectiva, 7 tems: sentimientos positivos o negativos

concernientes hacia las Matemticas (p.e. Me gustan las
Matemticas, Me siento inseguro/a cuando resuelvo
problemas de Matemticas).
Competencia Cognitiva, 8 tems: percepcin de la autocompetencia, conocimiento y habilidades intelectuales
respecto de las Matemticas (p.e. Puedo aprender
Matemticas, Cometo muchos errores matemticos en la
clase de Matemticas).
Valor, 8 tems: apreciacin de la utilidad de las Matemticas,
relevancia y valor de las Matemticas en la vida personal y
profesional (p.e. Las habilidades Matemticas me darn
ms oportunidades para trabajar, Las Matemticas son
muy importantes (Mathematics is worthless), etc.).
Dificultad, 7 tems: dificultad percibida hacia las Matemticas
como asignatura (p.e., Las Matemticas son una asignatura
que muchas personas aprenden rpidamente, Las
Matemticas son una asignatura difcil, etc.).

b) Estudios predictivos sobre variables relevantes como ansiedad, emociones,

autoconcepto, creencias, ideas previas o rendimiento acadmico
En la ltima dcada ha adquirido inters progresivo el estudio de la influencia de
los aspectos emocionales tanto en el mbito de la enseanza en general (Prez
Gmez, 2010) como en el de la enseanza-aprendizaje de las matemticas en
particular (Evans, 2000; Gmez Chacn, 2000; Evans & Wedege, 2004; Estrada,
2003).
En la revisin realizada por Estrada y Dez (2011) se analizan las
conceptualizaciones e interacciones entre estos mbitos social, cognitivo y
afectivo-emocional segn el enfoque conceptual y los aportes empricos de
diferentes autores, concluyendo los siguiente: Aspectos tericos y empricos
relacionados con las actitudes han recibido atencin desde diferentes perspectivas
de anlisis a lo largo de los aos. Tratando de conceptualizar el dominio de la
educacin matemtica afectiva, McLeod (1992) distingui entre emociones,
actitudes y creencias. Considera las actitudes como predisposiciones aprendidas
para responder positiva o negativamente a objetos dados, situaciones, conceptos
o personas. Gmez Chacn (2000), por ejemplo, distingue cuatro componentes
que forman parte del dominio afectivo: emociones, actitudes, creencias y valores.
Phillip (2007) describe la educacin matemtica afectiva como el conjunto de
maneras de actuar, sentir o pensar que muestran la disposicin o la opinin de
una persona y sugiere que las actitudes son ms cognitivas que las emociones,
adems de cambiar de manera ms lenta que las segundas Los trabajos de
Norman (1980) y Silver (1985) muestran que existe una gran relacin entre afecto
y cognicin. El aprendizaje es resultado de un proceso en el que intervienen estas
tres dimensiones, que tiene elementos externos (de interaccin entre el estudiante
y el contexto donde se encuentra ubicado) e internos (procesos cognitivos y
emocionales que vive la propia persona durante el proceso de aprendizaje)
(Estrada y Dez, 2011: 3).

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

c) Estudios sobre el efecto de las tecnologas en el dominio de competencia

Estadstica.
Calculadoras y ordenadores han jugado un papel fundamental en la innovacin de
las metodologas de trabajo en el aula. El progreso de la investigacin ms
reciente sobre este tpico ha enriquecido sustancialmente las posibilidades de
integracin y tratamiento curricular, ha desmitificado las resistencias a su uso y
reforzado su valor como recurso asequible dotado de un elevado potencial de
innovacin construido sobre buenas prcticas y resultados positivos basados en
evidencias de investigacin (Yerushalmy, 2006; Berry et al., 2006; Duda 2011;
Hoek y Gravemeijer, 2011). Bedoya, Gutirrez y Rico (2006) han estudiado las
actitudes de profesores de matemticas en relacin con la integracin de las
calculadoras grficas en el currculo de matemticas de secundaria, demostrando
que los profesores en formacin implicados en un programa continuado de
formacin y entrenamiento modifican sus concepciones iniciales, cambian sus
actitudes y vencen resistencias respecto a la integracin innovadora de las nuevas
tecnologas; su potencial para general representaciones mltiples; la versatilidad
de los sistemas de representacin (pluralidad, coordinacin, articulacin, etc.); la
capacidad de visualizacin y modelizacin de situaciones y nociones complejas; la
representacin material y mental de objetos, relaciones y procedimientos
matemticos); la formacin didctica, la innovacin metodolgica y reorganizacin
curricular; la interaccin y gestin en el aula (consideracin de las dificultades y
errores, seleccin, secuenciacin y temporalizacin, etc.); la resolucin de
problemas sobre funciones (mltiples estrategias, simulacin de situaciones, etc.)
y la aplicacin de tcnicas novedosas y procesos de evaluacin constructivista
basados en diversidad de opciones (participacin interactiva, deteccin de errores
y dificultades, obtencin y revisin de informacin, etc.).
Otras investigaciones sobre el tema arrojan resultados positivos, pues muestran
que las calculadoras graficadoras y los ordenadores contribuyen a la mejora
generalizada del rendimiento acadmico en matemticas (Heller y otros, 2006); la
obtencin de mejores resultados entre los estudiantes de bajo nivel acadmico
(Yerushalmy, 2006); la mejora de las habilidades de los estudiantes al crear
descripciones algebraicas de grficas cartesianas (Texas Intruments, 2003); el
aumento significativo de la comprensin de conceptos, la capacidad de resolucin
de problemas y las habilidades operacionales (Ellington, 2003), as como el
incremento del conocimiento de los estudiantes acerca de funciones (Texas
Intruments, 2003).
3. Objetivos del estudio
Con el objetivo fundamental anteriormente explicitado, hemos desarrollado el
presente estudio centrando nuestro inters en determinar el grado de influencia
que juega la actitud previa hacia la Estadstica conformada en torno a diferentes
dimensiones (afectiva, cognitiva, de valor y de dificultad) en el desempeo

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

tecnolgico de anlisis de datos (mediante software informatizado) del alumnado

de la licenciatura de Pedagoga de la Universidad de Granada.
4. Mtodo
Para el cumplimiento del objetivo de investigacin propuesto, por tanto, vamos a
desarrollar una investigacin de corte correlacional-predictivo mediante el clculo
del anlisis de regresin lineal mltiple en tres diferentes situaciones.
4.1. Variables del estudio
En el presente estudio distinguiremos dos tipos de variables: criterio o
dependientes y predictivas o independientes. Dentro de las variables criterio
hemos considerado los tres tipos de competencia Estadstica alcanzada por el
alumnado: bajo nivel competencial, moderado nivel competencial y alto nivel
competencial. Para configurar cada grupo hemos calculado un anlisis de
conglomerados de tipo jerrquico a la variable calificacin final sobre los casos, no
sobre la variables, tomando como medida de disimilaridad las distancias eucldeas
cuadrticas mediante el mtodo de Ward1.
a) El alumnado del cluster 1 corresponde al grupo de bajo nivel de
competencia.
b) El alumnado del cluster 2 corresponde al grupo de moderado nivel de
competencia.
c) El alumnado de cluster 3 corresponde al grupo de alto nivel de
competencia.
Por otra parte, como variables predictivas hemos considerado las cuatro
dimensiones de actitud previa hacia la Estadstica, a saber: dimensin afectiva,
cognitiva, de valor y de dificultad. Para, igualmente, configurar cada dimensin
hemos calculado el sumatorio de tems que las conforman de la siguiente forma:
a)
b)
c)
d)

Dimensin afectiva conformada por los tems 1, 2, 11, 14, 15, 21.
Dimensin cognitivas conformada por los tems 3, 9, 20,23, 24, 27.
Dimensin de valor conformada por los 5, 7, 8, 10,12, 13, 16, 19, 25.
Dimensin de dificultad conformada por los 4, 6, 17, 18, 22, 26, 28.

4.2. Recoleccin de datos

4.2.1. Instrumentos de la recoleccin de informacin
Como instrumentos de recoleccin de informacin hemos considerado, por una
parte, para los predoctores, la escala SATS (Survey of Attitudes Toward Statistics)
1

No explicitamos dendograma resultante por razones obvias de espacio, al tratarse de un dendograma

excesivamente extenso.

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

de Schau, Stevens, Dauphine & Del Vecchio (1995). Se trata de una escala tipo
Likert con cinco niveles de respuesta: muy en desacuerdo hasta muy de acuerdo
conformada por 28 tems configurados en torno a cuatro dimensiones (afectiva,
cognitiva) que han actuado como predictores.
Por otra parte, para el clculo de las variables criterio hemos utilizado un inventario
denominado Inventario sobre Competencia en Anlisis de Datos implementado
Informatizadamente (ICADI) elaborado ad hoc y consistente en la resolucin de
problemas a partir de un protocolo de 15 situaciones problemticas sobre
diferentes contenidos de anlisis de datos de la asignatura resueltos mediante
software informatizado (mediante el programa SPSS). Las calificaciones posibles
oscilan entre 0 y 10, dependiendo del grado de acierto demostrado en las
situaciones problema, que son de tipo tcnico-instrumental, funcional (desarrollo
de algoritmos de clculo mediante funciones del programa SPSS) y de
competencia argumentativa.
4.2.2. Muestra
Como muestra objeto del presente estudio hemos utilizado a 145 estudiantes de
primero de Pedagoga de la Universidad de Granada de los grupos A (turno de
maana) y C (turno de tarde), sobre un total de 216 estudiantes formalmente
matriculados en el curso 2009-10. Form parte de la muestra, pues, 67,13% de la
poblacin de referencia, es decir, aquellos estudiantes que se presentaron a la
prueba en los dos momentos temporales en la que esta se administr (turno de
maana y de tarde) y que, adems, cumplimentaron adecuadamente la escala
SATS. Por ende, no puede hablarse de ningn proceso, ni estrategia de muestreo
determinado.
4.2.3. Parmetros de calidad del instrumento de medida
4.2.3.1. En la escala SATS
Como procedimientos de calidad del primer instrumento de medida (escala SATS)
hemos considerado los parmetros de fiabilidad y validez. En el primer caso, por
las caractersticas del instrumento administrado (una sola administracin) hemos
estimado la fiabilidad como consistencia interna distinguiendo los valores
alcanzados por dimensiones y en el total de la escala. Los resultados a este
respecto son los siguientes:

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Tabla 2
Valores alfa de Cronbach de las dimensiones de la escala SATS
DIMENSIONES DE LA ESCALA
VALOR DE DE CRONBACH
AFECTIVA
0.76
COGNITIVA
0.65
UTILIDAD
0.55
DIFICULTAD
0.52
VALOR DE DE CRONBACH DEL TOTAL ESCALA: 0.77

Como puede apreciarse, se han obtenido valores del coeficiente de fiabilidad de

Cronbach mayores, en todos los casos, de 0,52. Con Morales (2008) y Mateo y
Martnez (2008) podemos afirmar que se han logrado coeficientes de fiabilidad
como consistencia interna en todas las dimensiones mnimamente consistentes y
en algunos casos, como el de la escala en su totalidad, meritorio. De cualquier
forma, podemos afirmar que las varianzas debidas a lo que hay de coherente en
las respuestas (sumatorio de las de los tems) a la escala es mayor que la
varianza debida, tanto a lo que hay de coherente, como de no coherente en las
repuestas ( total prueba).
En conclusin, la escala en su totalidad y para el momento y muestra utilizada en
nuestra investigacin ha logrado que 77% de la varianza (diferencias en los
totales) se deba a lo que los tems tienen en comn (de coherencia en las
respuestas), mientras el 23% restante de la varianza se deba a errores de
medicin (a lo que los tems tienen de no coherentes). Resultados similares se
han obtenido en muestras de otros pases con cierto paralelismo con la
idiosincrasia espaola, como es el caso de los resultados obtenidos por Chiesi y
Primi (2009) en una muestra italiana.
En relacin a la validez del instrumento, se consider la validez de contenido
(garantizada por la utilizacin de una escala ampliamente estandarizada), as
como la validez criterial. Esta ltima variedad ha sido calculada a partir de las
correlaciones corregidas de cada uno de los tems con el criterio (total prueba
menos el tem correlacionado), habindose obtenido en todos los casos
correlaciones bivariadas, mediante el coeficiente de Pearson, estadsticamente
significativas (p .01).
4.2.3.2. En el inventario ICADI
Como procedimientos de calidad del segundo instrumento de medida (inventario
ICADI) hemos tomado en cuenta, igualmente, los parmetros de fiabilidad y
validez. En relacin con la fiabilidad, al tener una sola administracin y deberse a
tems de naturaleza dicotmica (acierto/error), hemos implementado la prueba de
KR-20, ms exactamente la prueba de de Cronbach para datos dicotmicos (su
equivalente en SPSS 19.0).

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

El coeficiente calculado asciende a 0,52, razn por la que podemos afirmar que se
ha conseguido una consistencia interna mnimamente adecuada que da cuenta de
la capacidad diferenciadora con que el alumnado ha respondido a las tareas
propuestas, es decir, es capaz de discriminar a los buenos vs. los menos buenos
estudiantes.
En cuanto a la validez del inventario, es decir, que mida la competencia de anlisis
de datos cuantitativos computarizados y no otro constructo, sometimos al mismo
(al inventario) al juicio de tres expertos2, a fin de que evaluaran si los tems que lo
conforman son pertinentes (validez de contenido). En el mbito descriptivo los
resultados obtenidos en la valoracin de los 15 tems ha sido la siguiente:
Tabla 3
Estadsticos de tendencia central de las calificaciones efectuadas por los tres jueces a
los 15 tems (1: muy poco pertinente 5: muy pertinente)
tems
1

N (jueces)
3

Mnimo
3

Mximo
4

Media
3,33

Mediana
3

3,33

3,33

3,33

3,33

10

11

12

3,33

13

14

3,33

15

Como puede apreciarse, todos los tems han logrado puntuaciones promedio por
encima de 3, tanto a nivel de media, como de mediana. Por consiguiente,
podemos afirmar que los 15 tems han logrado puntuaciones promedio que
pueden etiquetarse como moderadamente pertinentes y muy cerca del valor
mximo muy pertinente.
Por otra parte, hemos sometido al juicio de los tres expertos, es decir, sus
puntuaciones a los 15 tems como pertinentes a un proceso de concordancia a
travs del coeficiente de correlacin intraclase. Con Pita y Prtigas (2004)
podemos afirmar que dicho coeficiente estima el promedio de las correlaciones
2

Cada experto ha puntuado de 1 a 5 cada tem, en relacin con su pertinencia.

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

entre todas las posibles ordenaciones de los pares de observaciones disponibles

y, por lo tanto, evita el problema de la dependencia del orden del coeficiente de
correlacin. Asimismo, extiende su uso al caso en el que se disponga de ms de
dos observaciones por sujeto (en nuestro caso, por tres jueces por tem).
Tabla 4
Resultados del coeficiente de correlacin intraclase y estadsticos complementarios.
Coefici ente de correlacin intraclase

Medidas indiv iduales

Medidas promedio

Interv alo de conf ianza 95%

Correlacin
Lmite
a
intraclase
Lmite inf erior
superior
b
,296
-,016
,635
,557c
-,051
,839

Prueba F con v alor v erdadero 0

Valor
2,260
2,260

gl1

gl2
14
14

28
28

Sig.
,032
,032

Modelo de ef ectos mixtos de dos f actores en el que los ef ectos de las personas son aleatorios y los ef ectos de las
medidas son f ijos.
a. Coef icientes de correlacin int raclase de tipo C utilizando una def inicin de coherencia, la v arianza
inter-medidas se excluy e de la v arianza del denominador.
b. El estimador es el mismo, y a est present e o no el ef ecto de int eraccin.
c. Esta estimacin se calcula asumiendo que no est presente el ef ecto de interaccin, y a que de ot ra manera no
es estimable.

Como puede apreciarse, el coeficiente de correlacin intraclase (CCI) que mide la

concordancia de los tres jueces sobre la pertinencia ha logrado un coeficiente
promedio de 0,557. Dicho coeficiente, en realidad, es el conocido de Cronbach.
Nos obstante, el coeficiente de referencia es el de medidas individuales, es decir
el CCI = 0.296. Con Landis & Koch (1977) puede considerarse un coeficiente
indicador de un moderado acuerdo entre los jueces que, adems, est asociado a
una probabilidad p 0.05 (exactamente p =.0032), lo que refuerza el argumento de
que el acuerdo es consistente y no se debe al mero azar.
4.2.3. Procedimiento
Una vez aplicada la escala a la muestra real, se han establecido como se ha
indicado en un apartado anterior tres variables criterio: grupo de baja
competencia estadstica, grupo de moderada competencia estadstica y grupo de
alta competencia estadstica, medidas a partir de las calificaciones en la prueba
realizada y sometidas a un anlisis de conglomerados que las ha clasificado,
segn sus rasgos comunes en los tres grupos descritos. Como variables
predictoras hemos incluido las siguientes: dimensin afectiva, cognitiva, de valor y
de dificultad de la escala SATS. Para los predictores se han tomado los
sumatorio-promedio de cada uno de los bloques anteriormente mencionados, de
tal forma que los 28 tems de la escala que constituan dichos apartados han
quedado reducidos a cuatro variables predictivas.
5. Anlisis de datos
Para el anlisis de la informacin recogida, y en congruencia con el objetivo de
investigacin planteado, se ha aplicado un anlisis de regresin lineal mltiple.

10

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Con Afifi, Clark y May (2003) y Hair; Anderson; Thatam y Black (1999) el proceso
de implementacin e interpretacin de esta tcnica ha seguido los siguientes
pasos:
a) Caractersticas del modelo de regresin lineal mltiple implementado.
b) Principales resultados e interpretacin del modelo resultante.
A) Caractersticas del modelo de regresin lineal mltiple implementado
La tcnica aplicada al anlisis de regresin lineal mltiple implementado es la
conocida como pasos sucesivos (stepwise) con: Prob. de F para entrar <= ,050,
Prob. de F para salir >= ,100). Dicha tcnica ha sido aplicada en tres ocasiones
diferentes, tantas como variables criterio contempladas, con relacin a los cuatro
predictores contemplados, es decir:
Tabla 5
Variables intervinientes en los modelos de regresin contemplados
Modelos de regresin mltiple
Dimensiones utilizadas en los tres
considerados
modelos como predictores
Modelo 1: Criterio: Grupo de baja
competencia
Afectiva
Modelo 2: Criterio: Grupo de moderada
Cognitiva
competencia
Valor
o utilidad
Modelo 3: Criterio: Grupo de alta
De dificultad
competencia
B) Principales resultados e interpretacin de los modelos resultantes
Tabla 6
Resmenes de los modelos calculados
Modelos*
R
R
R
cuadrado cuadrado
corregida
1
,568
,322
,291
2
,350
,122
,105
3
,708
,502
,478

Error tp.
de la
estimacin
,79256
,46856
,69243

* Se toma como referencia el modelo inferido en el ltimo paso (step).

Con relacin a los primeros resultados obtenidos en los tres modelos de regresin,
podemos apreciar cmo se han obtenido coeficientes de correlacin mltiple
moderados de 0,56 y 0,70 en los modelos 1 (bajo nivel de competencia estadstica
computarizada) y 3 (alto nivel de competencia estadstica computarizada) y de
menor importancia en el modelo 2 (moderado nivel de competencia estadstica
computarizada) asociados en todos los casos a errores tpicos de estimacin
bajos, indicador junto a otros que expondremos con posterioridad del buen
ajuste de los mismos.

11

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Por otra parte, los coeficientes de determinacin resultantes van desde 0,12 (12%
de la explicada por el conjunto de predictores) en el modelo 2, pasando por el
0,32 (32% de la explicada por los predictores) en el modelo 1, hasta el 0,50
(50% de la explicada por el conjunto de predictores) en el modelo 3, sin duda, el
mejor ajustado de los tres.
Con respecto a las ecuaciones de regresin, estos han sido los resultados
obtenidos:
Tabla 7
Ecuacin de regresin y estadsticos complementarios del modelo 1*.
PASOS

1
2**

ECUACIN DE
REGRESIN

(Constante)
DIMENSION_AFECTI
VA
(Constante)
DIMENSION_AFECTI
VA
DIMENSION_VALOR

Coeficientes no
estandarizados
B
Error tp.

Coeficientes
estandarizados
Beta

Sig.

Toleran
cia

FIV

,471

3,766
3,542

,000
,001
,002
,000
,015

1,690
,104

,449
,029

-,352
,122

,913
,029

,555

-3,386
4,274

,063

,025

,328

2,526

*Variable dependiente: CALIFICACIN_FINAL DEL GRUPO BAJA COMPETENCIA.

**Se ha tomado como ecuacin de regresin la del paso 2, considerado definitivo .
Tabla 8
Ecuacin de regresin y estadsticos complementarios del modelo 2*
PASOS

ECUACIN DE
REGRESIN

Coeficientes no
estandarizados

B
1**

(Constante)
DIMENSION
COGNITIVA

4,227
,066

Error
tp.
,485
,025

Coeficientes
estandarizados
t

Sig.

8,722
2,666

,000
,010

Beta

,350

*Variable dependiente: CALIFICACION_FINAL DEL GRUPO DE MODERADA COMPETENCIA.

**Se ha tomado como ecuacin de regresin la nica inferida en el paso 1.

Tabla 9
Ecuacin de regresin y estadsticos complementarios del modelo 3*
PASOS

12

ECUACIN DE
REGRESIN

(Constante)
DIMENSION_AFECTI
VA

Coeficientes no
estandarizados
B
Error tp.

4,030
,179

,657
,031

Coeficientes
estandarizados
Beta

Sig.

,652

6,134
5,703

,000
,000

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

2**

(Constante)
DIMENSION_AFECTI
VA
DIMENSION_DIFICU
LTAD

2,315
,145

,910
,032

,113

,044

,528

2,543
4,471

,015
,000

,303

2,570

,014

*Variable dependiente: CALIFICACION_FINAL DEL GRUPO ALTA COMPETENCIA.

**Se ha tomado como ecuacin de regresin la del paso 2, considerado definitivo.

En cuanto a las diversas ecuaciones resultantes en los tres modelos, una vez
eliminados los predictores no significativos, podemos apreciar qu dimensiones
del instrumento SATS constituyen sus ecuaciones de regresin. Para dilucidar con
mayor claridad este aspecto hemos elaborado la siguiente tabla resumen de doble
entrada a modo de lista de control (presencias vs. ausencias) mostrando en qu
modelos han resultado estadsticamente significativos (p0.05) cada uno de los
predictores (dimensiones) de partida considerados, es decir, qu predictores
forman parte de sus ecuaciones de regresin.
Tabla 10.
Presencia vs. ausencia de cada predictor en los tres modelos inferidos, as como las
ecuaciones de regresin de cada modelo en notacin estadstica.
Predictores
Modelo 1:baja
Modelo 2:
Modelo 3: alta
competencia
moderada
competencia
INCLUIDOS
competencia
EN ALGN
Dimensin

MODELO
afectiva
Dimensin

cognitiva
Dimensin

de
valorutilidad
Dimensin

de dificultad
Modelo 1: Criterio: Baja competencia en Y= + 1x1+ 2x2 +NxN
anlisis de datos computarizado
Y = -.352 + .122afectiva + .063utilidad
Modelo 2: Criterio: Moderada competencia Y= + 1x1+ 2x2 +NxN
en anlisis de datos computarizado
Y = 4.227 + .066cognitiva
Modelo 3: Criterio: Alta competencia en Y= + 1x1+ 2x2 +NxN
anlisis de datos computarizado
Y = 2.315 + .145afectiva + .113dificultad
A tenor de los resultados obtenidos en la tabla anterior podemos apreciar, en
primer lugar, cmo todas las tangentes o coeficientes beta no estandarizados
inferidos en los tres modelos poseen signo positivo. Ello quiere decir que los tres
criterios o variables dependientes mantienen relaciones directamente
proporcionales con cada uno de los predictores que conforman su ecuacin de
regresin.

13

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

En segundo lugar, apreciamos cmo el alumnado de baja competencia en

estadstica computarizada est altamente influenciado por las dimensiones
afectivas y de valor sobre la estadstica. De esta forma, los aspectos relacionados
con la frustracin, la ansiedad, el miedo, el disfrute, as como los relacionados
con la utilidad de la estadstica, su aplicacin a la vida laboral, a la vida cotidiana
son los que con mayor relevancia pueden predecir su rendimiento en el anlisis
estadstico computarizado.
En tercer lugar, observamos cmo el alumnado de moderada competencia en
estadstica computarizada est altamente influido por los aspectos cognitivos, es
decir, conocimientos previos, errores matemticos, capacidad de aprendizaje,
aspectos todos ellos, por consiguiente, con los que se puede predecir con mayor
precisin su rendimiento en el anlisis estadstico computarizado.
En ltimo lugar, se muestra cmo los aspectos afectivos anteriormente descritos,
as como los de dificultad, es decir, complejidad, esfuerzo, abuso de clculos
matemticos son los que con mayor intensidad pueden ayudar a predecir con
mejor precisin el rendimiento en el anlisis estadstico computarizado del
alumnado de alta competencia en dicho aspecto.
6. Conclusiones
Como es sabido, la tcnica de regresin lineal mltiple es un recurso muy til,
aunque insuficiente para poder predecir conductas, actitudes, competencias a
partir de un conjunto de variables altamente relacionadas con dichos aspectos
criterio o a pronosticar, si la comparamos con la precisin con que lo hacen los
modelos de ecuaciones estructurales (Structural Equations Model) (Batista y
Coenders, 2000).
Aun as, en la presente investigacin hemos utilizado la regresin lineal mltiple
como tcnica de prediccin que nos ayude a conocer con mayor precisin qu
aspectos relacionados con la actitud previa hacia la estadstica, a saber:
dimensin afectiva, cognitiva, de valor y de utilidad, estn ms intensamente
relacionados con la competencia en anlisis de datos computarizado del alumnado
de la licenciatura de Pedagoga de la Universidad de Granada desglosados en
baja, media y alta competencia.
Hasta ahora, por otra parte, son muchos los trabajos que han abordado esta
temtica, sin precisar qu variables o aspectos relacionados con la actitud previa
hacia la estadstica son relevantes, segn la tipologa de alumnado acorde con el
desempeo demostrado en el anlisis de datos cuantitativo computarizado. Es el
caso de los trabajos de Vanhoof, Kuppens, Sotos, Verschaffel y Onghena (2011)
donde slo se midieron las actitudes hacia la estadstica sin abordar sus posibles
influencias en el rendimiento acadmico y el Rhoads y Hubele (2000), donde, si
bien se concluy que la actitud hacia la estadstica se modific despus de la
implementacin de un curso introductorio integrado de anlisis de datos

14

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

cuantitativo mediante soporte computarizado, no se trat la cuestin de qu

dimensiones actitudinales podran influir en el alumnado de bajo, moderado y alto
perfil estadstico.
Por el contrario, en otros trabajos s se han explorado las conexiones entre las
dimensiones que conforman las actitudes hacia la estadstica y la competencia
estadstica (achievement in statistics). Ejemplos recientes son los de Emmioglu y
Capa-Aydin (2012) o Hood, Creed y Neumann (2012). En ambos trabajos se
concluy que las dimensiones actitudinales hacia la estadstica estn altamente
relacionadas con el futuro logro o competencia estadstica (achievement in
statistics).
Tambin se han implementado estudios que pretenden el efecto contrario, es
decir, si los cursos introductorios de Estadstica pueden mejorar las actitudes
hacia esta. Al respecto, el estudio de Schau y Emmioglu (2012) encontr
evidencias empricas que llevan a concluir que las actitudes bien permanecieron
similares antes de que implementara el curso de Estadstica, bien incluso se
tornaron todava ms negativas. El estudio concluye, por consiguiente, cun
importantes resultan los cursos introductorios de Estadstica para el modelaje de
las actitudes hacia esta disciplina.
Precisamente, el desglose de la variable criterio en tres categoras nos ha
parecido pertinente, como una nueva estrategia que permita indagar con mayor
precisin en la tipologa de alumnado que desarrolla anlisis de datos
computarizados en una titulacin de ciencias sociales y cules son, en definitiva,
las claves que pueden llegar a explicar su competencia. En este sentido, la
experiencia desarrollada aborda esta temtica de manera detallada arrojando, al
respecto, algunos datos interesantes.
En primer lugar, en relacin con el alumnado de baja competencia en anlisis de
datos computarizados se ha apreciado como son los aspectos relacionados con
las dimensiones afectiva y de valor los que mantienen una mayor influencia con la
competencia alcanzada. De esta forma, el alumnado de baja competencia se ve
muy influenciado por los aspectos afectivos, es decir, por factores relacionados
con la ansiedad, la frustracin, el miedo..., adems de por aspectos relacionados
con la utilidad de la estadstica en la vida cotidiana, en su futura vida laboral
Similares resultados se han obtenido en estudios recientes como los de
Anastasiadou (2011), Coetzee y Merwe (2010) y Nolan, Beran y Hecker (2012).
Incluso en el reciente trabajo de Griffith, Adams, Gu, Hart y Nichols-Whitehead
(2012) se concluy que en algunas titulaciones la Estadstica obtiene una mayor
utilidad futura, que en otras, como herramienta complementaria en el desarrollo de
acciones laborales relacionadas con la titulacin en que se han graduado los
estudiantes.
En segundo lugar, el alumnado de moderada competencia en anlisis de datos
computarizados est altamente influido por los aspectos meramente cognitivos de

15

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

la Estadstica, o sea por los conocimientos estadsticos, la correcta o incorrecta

aplicacin de algoritmos matemtico-estadsticos (Bond, Perkins y Ramrez,
2012).
En tercer y ltimo lugar, el alumnado que ha demostrado una alta competencia en
anlisis de datos cuantitativos computarizado est muy influenciado por los
aspectos afectivos de miedo, ansiedad, frustracin (Perepiczka, Chandler
y Becerra, 2011), pero tambin por los de dificultad relacionados con el
conocimiento estadstico (knowledge of statistics), es decir, conocimiento de
complejas frmulas, habilidades necesarias para la implementacin de grandes
desarrollos de clculo, como ha ocurrido con el alumnado de moderada
competencia.
En definitiva, podemos apreciar cmo sobre todo la dimensin afectiva juega un
papel relevante en el desempeo estadstico del alumnado objeto de la presente
investigacin, con hallazgos similares a los encontrados por Emmioglu y CapaAydin (2012) en un estudio de mayor calado implementado con muestras de
Estados Unidos, Gran Bretaa, Turqua y Espaa. Es, por lo tanto, labor prioritaria
del profesorado tratar de revertir esta especie de terror ancestral con el alumnado
suele abordar los procesos de enseanza-aprendizaje de la Estadstica
convirtiendo el proceso de un aspecto cercano, comprensible y til para su futura
vida laboral.

16

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Bibliografa
Anastasiadou, S.D. (2011). Reliability and validity testing of a new scale for
measuring attitudes toward learning statistics with technology. Acta Didactica
Napocensia, 4 (1), pp. 1-10.
Batista, J. M. y Coenders, G. (2000). Modelos de ecuaciones estructurales.
Madrid: La Muralla.
Bedoya, E., Gutirrez, J. y Rico, L. (2006). Evaluacin de actitudes hacia la
integracin de calculadoras grficas en el currculum de matemticas de
educacin secundaria. Teora de la educacin. Revista Interuniversitaria, 7(1).
Disponible en: http://campus.usal.es/~teoriaeducacion/DEFAULT.htm (consultado
el 30/11/12).
Behar, R. y Grima, P. (2001). Mil y una dimensiones del aprendizaje de la
Estadstica. Estadstica Espaola, 43(148), 189-207.
Berry, J.; Graham, E.; Smith, A. (2006). Observing Student Working Styles when
Using Graphic Calculators to Solve Mathematics Problems. International Journal of
Mathematical Education in Science & Technology, 37 (3), 291-308.
Bond, M. E., Perkins, S. N., & Ramirez, C. (2012). Students' perceptions of
statistics: An exploration of attitudes, conceptualizations, and content knowledge of
statistics. Statistics Education Research Journal, 11(2), 6-25.
Chiesi, F., Primi, C. (2009). Assessing statistics attitudes among college students:
Psychometric properties of the Italian version of the Survey of Attitudes toward
Statistics (SATS). Learning and Individual Differences, 19 (2), 309-313.
doi: 10.1016/j.lindif.2008.10.00.
Coetzee, S., Merwe, P.V.D. (2010). Industrial psychology students' attitudes
towards statistics SA Journal of Industrial Psychology, 36, 1-8.
Dillon, K. M. (1982). Statisticophobia. Teaching of Psychology, 9(2), 117-131.
Ellington, A.J. (2003). A meta-analysis of the effects of calculators on students
achievement and attitude levels in precollege mathematics classes. En
http://www.fisterra.com/mbe/investiga/conc_numerica/conc_numerica.asp
(consultado el 15/11/12).
Emmioglu, E. & Capa-Aydin, Y. (2012). Attitudes and achievement in statistics: A
meta-analysis study. Statistics Education Research Journal, 11(2), 95-102.
Estrada Roca, A. (2003). Anlisis de las actitudes y conocimientos estadsticos
elementales en la formacin del profesorado. (Tesis doctoral indita). Universitat
Autnoma de Barcelona. Barcelona. Espaa.

17

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Estrada, A. y Dez, J. (2011). Las actitudes hacia las Matemticas. Anlisis

descriptivo de un estudio de caso exploratorio centrado en la Educacin
Matemtica de familiares Revista de Investigacin en Educacin, n 9 (2), 2011,
116-132.
Evans, J. (2000). Adults Mathematical Thinking and Emotions: A Study of
Numerate Practices. London: Routledge Falmer.
Evans, J., Wedege, T. (2004). Motivation and resistance to learning mathematics
in a lifelong perspective. Published by Topic Study Group 6 Adult and Lifelong
Education. 10th International Congress on Mathematical Education. Copenhagen:
DTU.
Gil, J. (1999). Actitudes hacia la Estadstica. Incidencia de las variables sexo y
formacin previa. Revista Espaola de Pedagoga 57, pp. 557-590.
Gmez Chacn, I. M. (2000). Matemtica emocional. Los afectos en el aprendizaje
matemtico. Madrid: Narcea.
Griffith, J. D., Adams, L. T., Gu, L. L., Hart, C. L., & Nichols-Whitehead, P. (2012).
Students' attitudes toward statistics across the disciplines: A mixed-methods
approach. Statistics Education Research Journal, 11(2), 45-56.
Heller, J., Curtis, D., Jaffe, R. y Verboncoeur, C. (2006). Impact of handheld
graphing calculator use on student achievement in beginning algebra. En
http://education.ti.com/sites/US/downloads/pdf/heller_grcalcreport_2005.pdf
(consultado el 12-12-2012)
Hilton, S.C., Schau, C. & Olsen, J. (2004). Survey of Attitudes Toward Statistics:
Factor Structure Invariance by Gender and by Administration Time. structural
equation modeling, 11(1), 92109.
Hoek, D.; Gravemeijer, K. (2011). Changes of Interaction during the Development
of a Mathematical Learning Environment. Journal of Mathematics Teacher
Education, 14 (5), 393-411.
Hood, M., Creed, P. A., & Neumann, D. L. (2012). Using the expectancy value
model of motivation to understand the relationship between student attitudes and
achievement in statistics. Statistics Education Research Journal, 11(2), 72-85.
Landis, J.R. & Koch, G.G. (1977). An aplication of hierchical kappa-type statistics
in the assement of majority agreement among multiple observer. Biometrics, 33,
363-374.
Mateo, J. y Martnez, F. (2008). Medicin y evaluacin educativa. Madrid: La
Muralla.

18

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Mondjar, J., Vargas, M. y Bayot, A. (2008). Medicin de la actitud hacia la

Estadstica. Influencia de los procesos de estudio. Electronic Journal of Research
in Educational Psychology, 16, 6(3), 729-748.
Mondjar-Jimnez, J., Vargas-Vargas, M. (2010). Determinant factors of attitude
towards quantitative subjects: Differences between sexes. Teaching and Teacher
Education, 26 (3), 688-693.
Morales, P. (2008). Estadstica aplicada a las Ciencias Sociales. Madrid:
Universidad Pontificia Comillas.
Nolan, M.M., Beran, T., Hecker, K.G. (2012). Surveys assessing students'
attitudes toward statistics: A systematic review of validity and reliability. Statistics
Education Research Journal. Volume 11, Issue 2, 103-123.
Onwuegbuzie, A. J., y Wilson, V. A. (2003). Statistics anxiety: nature, etiology,
antecedents, effectsand treatments-a comprehensive review of the literature.
Teaching in Higher Education, 8(2), 195-209.
Perepiczka, M., Chandler, N., Becerra, M. (2011). Relationship between graduate
students' statistics self-efficacy, statistics anxiety, attitude toward statistics, and
social support. The Professional Counselor: Research and Practice, 1 (2), 99-108.
Prez Gmez, A. (2010). Aprender a educar. Nuevos desafos para la formacin
de docents. Rev. Interuniversitaria de Formacin del Profesorado 68, 24-2, pp. 1223.
Perney, J., & Ravid, R. (1990, Abril). The relationship between attitudes towards
statistics, math selfconcept, test anxiety and graduate students' achievement in an
introductory statistics course. Annual Meeting of the American Educational
Research Association, Boston, MA.
Pita, S. y Prtigas, S. (2004). La fiabilidad de las mediciones clnicas: el anlisis de
concordancia para variables numricas.
Ramirez, C., Schau, C., & Emmioglu, E. (2012). The importance of attitudes in
statistics education. Statistics Education Research Journal, 11(2), 57-71.
Rhoads, T.R., Hubele, N.F. (2000). Student attitudes toward statistics before and
after a computer-integrated introductory statistics course IEEE. Transactions on
Education, 43 (2), 182-187.
Rodrguez, C. y Herrera, L. (2009). Anlisis correlacional-predictivo de la influencia
de la asistencia a clase en el rendimiento acadmico universitario. Estudio de caso
de una asignatura. Profesorado, Revista de currculum y formacin del
profesorado, Vol. 13, 2,1-14.

19

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013

Actitud hacia la estadstica e influencia en la adquisicin de competencias tecnolgicas para el anlisis de

datos cuantitativos

Rodrguez, C., Gutirrez, J. y Pozo, T. (2010). An empirical study of presage

variables in the teaching-learning of statistics, in the light of research on
competences. Electronic Journal of Research in Educational Psychology, Vol.8 (1),
235-262.
Schau, C., & Emmioglu, E. (2012). Do introductory statistics courses in the United
States improve students' attitudes? Statistics Education Research Journal, 11(2),
86-94. Retrieved from
http://search.proquest.com/docview/1322248992?accountid=14542
Schau, C., Stevens, J., Dauphine, T. & Del Vecchio, A. (1995). The development
and validation of the survey of attitudes towards statistics. Educational and
Psychological Measurement, 55 (5), 868-875.
Schoenfeld, A. H. (1989). Explorations of students mathematical beliefs and behavior. Journal for Research in Mathematics Education, 11, 148-149.
Shultz, K. S., and Koshino, H. (1998), "Evidence of reliability and validity for Wises
Attitude Toward Statistics scale," Psychological Reports, 82, 27-31.
Tempelaar, D. T., Van der Loeff, S. S., & Gijselaers, W. (2007). A structural
equation model analyzing the relationship of students attitudes toward statistics,
prior reasoning abilities and course performance. Statistics Education Research
Journal, 6(2), 78-102.
Texas Instrument (2003). Using graphing calculators in secondary mathematics:
what
scientifically-based
research
has
to
say.
En:
http://education.ti.com/sites/US/downloads/pdf/whitepaper.pdf (consultado el 1312-2012).
Vanhoof, S., Castro, A., Onghena, P., Vershaffel, V., Van Dooren, W., Van den
Noortgate, W. (2006). Attitudes Toward Statistics and Their Relationship with
Shortand
Long-Term
Exam
Results,
V14
(3):
http://www.amstat.org/publications/jse/v14n3/vanhoof.html (Consultado el 12-122012).
Vanhoof, S., Kuppens, S., Sotos, A., Verschaffel, L., Onghena, P. (2011).
Measuring statistics attitudes: Structure of the survey of attitudes toward statistics
(SATS-36). Statistics Education Research Journal, 10 (1), 35-51.
Wise, S. L. (1985). "The development and validation of a scale measuring attitudes
toward statistics," Educational and Psychological Measurement, 45, 401-405.
Yerushalmy, M. (2006). Slower Algebra Students Meet Faster Tools: Solving
Algebra Word Problems with Graphing Software. Journal for Research in
Mathematics Education, 37 (5), 356-387.

20

REVALUE: Revista de evaluacin educativa Vol. 2, No. 1 2013