Sentido gráfico y su importancia en la comprensión de la información sobre la COVID
Tipo de documento
Autores
Lista de autores
Batanero, Carmen, Garzón, José y Valenzuela, Silvia
Resumen
En este trabajo partimos de la idea de sentido estadístico, como unión de la cultura y el razonamiento estadístico, particularizándola para el caso de los gráficos estadísticos y describiendo sus componentes. Argumentamos la especial importancia del sentido gráfico en la actual etapa marcada por la pandemia del COVID-19, debido a la necesidad de interpretar información estadística presentada en gráficos de diverso tipo en los medios de comunicación y actualizada a diario, para comprender y colaborar con las decisiones de las autoridades sanitarias y políticas. Se analizan algunos ejemplos de gráficos asociados a la COVID presentados en los medios de comunicación, para clarificar las componentes del sentido gráfico, resaltando sus características dinámicas y multivariantes, no tenidas en cuenta en los gráficos incluidos en las directrices curriculares. Se concluye la necesidad de una mejor enseñanza de los gráficos y la utilidad de los gráficos estadísticos tomados de los medios de comunicación para motivar a los estudiantes y reforzar su sentido gráfico.
Fecha
2021
Tipo de fecha
Estado publicación
Términos clave
Comprensión | Organización y representación de datos | Razonamiento
Enfoque
Nivel educativo
Idioma
Revisado por pares
Formato del archivo
Referencias
Aleixandre-Benavent, R., Castelló-Cogollos, L. y Valderrama-Zurián, J. C. (2020). Información y comunicación durante los primeros meses de Covid-19. Infodemia, desinformación y papel de los profesionales de la información. El Profesional de la Información, 29(4). Disponible en http://profesionaldelainformacion.com/contenidos/2020/jul/aleixandre- castello-valderrama.html. Batanero, C. (2019). Statistical sense in the information society. En K. O. Villalba-Condori, A. Adúriz-Bravo, F. J. García-Peñalvo y J. Lavonen (Eds.), Proceedings of the Congreso Internacional Sobre Educación y Tecnología en Ciencias – CISETC (pp. 28-38). Aachen, Germany: CEUR-WS.org. Batanero, C., Arteaga, P. y Ruiz, B. (2009). Análisis de la complejidad semiótica de los gráficos producidos por futuros profesores de educación primaria en una tarea de comparación de dos variables estadísticas. Enseñanza de las Ciencias, 28(1), 141-154. Bertin, J. (1983). Semiologie graphique. Paris: Gauthier-Villars. Burrill, G. y Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in training teachers. En C. Batanero, G. Burrill y C. Reading (Eds), Teaching statistics in school mathematics-Challenges for teaching and teacher education (pp. 57-69). New York: Springer. Cleveland, W. S. y McGill, R. (1984). Graphical perception: theory, experimentation and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531-554. Crucianelli, S. (2013). ¿Qué es el periodismo de datos? Cuadernos de Periodistas, 26, 106-124. Diggle, P. J. (2015). Statistics: a data science for the 21st century. Journal of the Royal Statistical Society: Series A, 178(4), 793-813. Engel, J. (2017). Statistical literacy for active citizenship: A call for data science. Statistics Education Research Journal, 16(1), 44-49. Engel, J., Ridgway, J. y Weber-Stein, F. (2021). Educación estadística, democracia y empoderamiento de los ciudadanos. Paradigma, monográfico de educación estadística, en prensa. Friel, S. N., Curcio, F. R. y Bright, G. W. (2001). Making sense of graphs: Critical factors influencing comprehension and instructional implications. Journal for Research in Mathematics Education, 2, 124-158. https://doi.org/10.2307/749671. Gal, I. (2002). Adults’ statistical literacy: Meanings, components, responsibilities (with discussion). International Statistical Review, 70(1), 1-51. https://doi.org/10.1111/j.1751- 5823.2002.tb00336.x. Gal, I. y Murray, S. T. (2011). Responding to diversity in users' statistical literacy and information needs: Institutional and educational implications. Statistical Journal of the International Association for Official Statistics, 27(3-4), 185-195. https://doi.org/ 10.3233/SJI-2011-0730. Garfield, J. (2002). The challenge of developing statistical reasoning. Journal of Statistics Education, 10(3). https://doi.org/10.1080/10691898.2002.11910676. Garfield, J. y Gal, I. (1999), Teaching and assessing statistical reasoning. En L. Stiff (Ed,), Developing mathematical reasoning in grades K-12 (pp. 207-2019). Reston, VA: National Council Teachers of Mathematics. Garzón-Guerrero, J.A., y Jiménez Castro, M. (2021). Un estudio exploratório de la competencia gráfica de futuros profesores de Portugal e Italia a través de la interpretación de diagramas estadísticos de barras y sectores extraídos de la prensa escrita. Números, 106, 33–42. Glazer, N. (2011). Challenges with graph interpretation: A review of the literature. Studies in Science Education, 47(2), 183-210. Gray, J., Chambers, L. y Bounegru, L. (2012). The data journalism handbook. Sebastapol, CA: O’Reilly Media. Hardin, J., Hoerl, R., Horton, N. J., Nolan, D., Baumer, B., Hall-Holt, O., Murrell, P. Peng, R., Roback, P., Temple, D. y Ward, M. D. (2015). Data science in statistics curricula: Preparing students to “think with data”. The American Statistician, 69(4), 343-353. https://doi.org/10.1080/00031305.2015.1077729. Kosslyn, S. M. (1985). Graphics and human information processing: A review of five books. Journal of the American Statistical Association, 80, 499-512. Lem, S., Onghena, P., Verschaffel, L. y Van Dooren, W. (2013). External representations for data distributions: in search of cognitive fit. Statistics Education Research Journal, 12(1), 4-19. Moore, D. S. (1991). Teaching statistics as a respectable subject. En F. Gordon y S. Gordon (Eds.), Statistics for the twenty-first century (pp. 14-25). Mathematical Association of America. Muñiz-Rodríguez, L., Rodríguez-Muñiz, L. J. y Alsina, Á. (2020). Deficits in the statistical and probabilistic literacy of citizens: effects in a world in crisis. Mathematics, 8 (11), 1872; https://doi.org/10.3390/math8111872. Pinker, S. (1990). A theory of graph comprehension. En R. Freedle (Ed.), Artificial intelligence and the future of testing (p. 73–126). Lawrence Erlbaum. Ridgway, J. (2016). Implications of the data revolution for statistics education. International Statistical Review, 84(3), 528-549. Rodríguez-Muñiz, L. J., Muñiz-Rodríguez, L., Vásquez Ortiz, C. A. y Alsina, Á. (2020). ¿Cómo promover la alfabetización estadística y de datos en contexto? Estrategias y recursos a partir de la COVID-19 para Educación Secundaria. Números, 104, 217-238. Salcedo, A. González, J. y González, J. (2021). Lectura e interpretación de gráficos estadísticos, ¿cómo lo hace el ciudadano? Paradigma, edición temática de educación estadística, en prensa. Schield, M. (2004). Information literacy, statistical literacy and data literacy. Iassist Quarterly (IQ), 28(2/3), 6-11. Shah, P., y Hoeffner, J. (2002). Review of graph comprehension research: Implications for instruction. Educational Psychology Review, 14(1), 47-69. Snee, R. (1990). Statistical thinking and its contribution to quality. The American Statistician 44, 116-121. Sutherland, S. y Ridgway, J. (2017). Interactive visualisations and statistical literacy. Statistics Education Research Journal., 16(1), 26-30. Wallman, K. K. (1993). Enhancing statistical literacy: Enriching our society. Journal of the American Statistical Association, 88(421), 1-8. Watson, J. M. (2006). Statistical literacy at school: Growth and goals. London: Routledge. Wild, C. J., y Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67(3), 223-265.