Professional Documents
Culture Documents
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
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.
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
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.
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:
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
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
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.
10
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
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
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
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
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
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
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
14
15
16
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
18
19
20