En un mundo cada vez más complejo e incierto, el desarrollo del razonamiento estadístico se ha vuelto crucial tanto en el ámbito académico como en el profesional y personal. Instituciones como UNESCO, el Foro Económico Mundial, en conjunto con entidades educativas en países como Nueva Zelanda, Australia, España y Chile, están enfocadas en potenciar habilidades para enfrentar la incertidumbre y la complejidad de los tiempos actuales, promoviendo una ciudadanía alfabetizada científicamente que pueda tomar decisiones informadas basadas en evidencia.
En el informe sobre la encuesta de percepción de riesgos globales del foro económico mundial 2023-2024 para la próxima década, destacan a la desinformación y la “misinformation” como algunos de los mayores riesgos para la próxima década. Estas prácticas que buscan implantar ideas erróneas sobre un determinado tema e inducir un determinado comportamiento o respuesta por parte de un colectivo pueden tener un impacto en procesos cruciales como las elecciones de un país y por consiguiente la toma de decisiones de una serie de aspectos que influyan en el desarrollo de la humanidad. Por lo tanto, es esencial proporcionar herramientas para una toma de decisiones fundamentada en los datos y en la evidencia confiable.
Una pregunta fundamental en este punto es ¿por dónde empezamos y hacia donde deseamos avanzar? Ben-Zvi y Garfield (2004) nos proponen un interesante camino a través del razonamiento estadístico, una idea que ha sido pavimentada por diversos autores y ha evolucionado desde el desarrollo del primer congreso SRTL en Israel en 1999. Ben-Zvi y Garfield (2004) definen el razonamiento estadístico como la forma en que las personas razonan con ideas estadísticas y le dan sentido a la información, lo que implica realizar interpretaciones basadas en conjuntos de datos, representaciones de datos o resúmenes estadísticos. El razonamiento estadístico puede involucrar la conexión de un concepto con otro, o puede combinar ideas sobre datos y azar, en conclusión, razonar estadísticamente significaría comprender y ser capaz de explicar los procesos estadísticos e interpretar plenamente los resultados estadísticos.
Si bien inicialmente el razonamiento estadístico estuvo asociado mayormente a nociones de estadística descriptiva, también ha llevado a un desarrollo más especializado hacia el razonamiento inferencial, dividido en razonamiento inferencial informal (RII) y formal (RIF), y más recientemente en razonamiento inferencial preformal, que es considerado el "puente entre RII y RIF", es decir, el estudio del tránsito más adecuado entre ambos razonamientos. A pesar de los avances en sobre el razonamiento estadístico y en concreto sobre el inferencial, tanto estudiantes como docentes siguen enfrentando dificultades al resolver problemas de inferencia estadística. Entre dichas dificultades destacan el nivel de significancia, errores tipo I y tipo II, planteamiento de hipótesis estadísticas, valor-p y distribuciones muestrales.
Este trabajo se centra en el uso de las distribuciones muestrales como una gran puerta de entrada al desarrollo del RIF desde el RII. De acuerdo con Garfield, delMas y Chance (2004) e Inzunza e Islas (2019), las distribuciones muestrales son consideradas como la piedra angular de la inferencia estadística. Además, al combinarse las distribuciones muestrales con las técnicas ofrecidas por el Análisis Exploratorio de Datos (EDA) pueden ser una herramienta poderosa potenciar desarrollo del razonamiento inferencial. Esta integración no solo fortalece el desarrollo del razonamiento inferencial, sino que también contribuye a alcanzar los niveles de razonamiento inferencial propuestos por Lugo-Armenta y Pino-Fan (2021).
- Eje temático: Didáctica de la Estadística.
- Ponentes: Patricia Belen Carrera Carrera, Jesús Guadalupe Lugo-Armenta y Luis R. Pino-Fan