Está en la página 1de 8

El anlisis de datos como til y objeto de la didctica de la matemtica

C. Batanero, J. D. Godino y A. Vallecillos


Educacin Matemtica, 4(1), 46- 53 , 1992

Resumen
En los trabajos de ndole etnoestadstica sobre investigaciones en ciencias sociales y
experimentales se ha puesto de manifiesto la existencia de dificultades y errores en la
aplicacin de los conceptos y procedimientos estadsticos. Debido a la naturaleza
matemtica de los conceptos y a los procesos didcticos implicados, en este trabajo
analizamos el inters de abordar, desde la perspectiva de la Didtica de la Matemtica,
estudios sistemticos sobre esta problemtica. El objetivo de este trabajo es atraer la
atencin de los investigadores en Didctica de la Matemtica hacia dos ncleos de
inters.
(1) La comparacin del papel actual del anlisis de datos en la investigacin frente a
sus posibilidades. De este estudio se deduce la necesidad de un cambio de actitudes
hacia la Estadstica y de una mayor participacin de los investigadores en los
procesos de diseo de la investigacin y anlisis de los datos, como medio de
mejorar la calidad global de la investigacin.
(2) El diseo de planes de formacin en razonamiento estadstico y anlisis de datos
para estudiantes de doctorado y maestra, basados en un estudio previo de
dificultades, sesgos y obstculos sobre este campo conceptual entre los propios
investigadores.
En resumen, en este trabajo queremos resaltar el hecha de que el empleo del til
estadstico en las Ciencias experimentales y sociales, en general, y en la didctica de la
matemtica, en particular, se convierte, en esta rea de conocimiento, en objeto
especfico de estudio, debido a la naturaleza matemtica de los conceptos y a los proce-
sos didcticos implicados.

Introduccin
La investigacin en distintas ciencias experimentales y sociales y, en particular, en
didctica de la matemtica necesita frecuentemente recoger y analizar datos sobre los
fenmenos objeto de su estudio. En consecuencia, los conceptos y procedimientos
estadsticos y las tcnicas de anlisis de datos, tanto cualitativos como cuantitativos, deben
ser tema de consideracin y debate en el seno de la comunidad de investigadores.
Entre los diferentes sistemas didcticos, un subsistema de enseanza de especial
importancia para la didctica de la matemtica lo constituyen los cursos de doctorado y
maestra. Dentro de estos cursos, los conceptos y procedimientos de anlisis de datos y, en
general el razonamiento estadstico, constituyen una materia obligada. Como indican Harris y
Kanji (1988), un conocimiento bsico estadstico en los especialistas de las diferentes
disciplinas es necesario para realizar por s mismos las tareas estadsticas rutinarias
especficas de sus disciplinas, para reconocer los errores estadsticos en los trabajos de su
especialidad y para reconocer las situaciones en que precisan ayuda de un estadstico
profesional. En el caso de la Didctica de la Matemtica, esta formacin presenta adems un
carcter recursivo: una mejor preparacin de los investigadores inducir una mejora en los
resultados de la investigacin y estos resultados, a su vez, influyen en la mejora de la
enseanza.
Douady (1986) ha llamado la atencin sobre dos modos de funcionamiento de un concepto
matemtico: como til y como objeto. Un concepto es til cuando focalizamos nuestro
inters sobre el uso que se hace de l para resolver problemas... Por objeto, entendemos el
objeto cultural que tiene su lugar en un edificio ms amplio que el saber sabio en un
momento dado, reconocido socialmente (pg. 9).
Nuestro propsito es llamar la atencin en el modo particular de funcionamiento del objeto
de saber que denominamos anlisis de datos como herramienta para resolver problemas de
investigacin. Consideramos que el anlisis de la dialctica til-objeto para este saber
particular, en los cursos de formacin de investigadores, es un nuevo objeto de estudio para
la Didctica. Este sentido de la palabra objeto, como tema o campo de estudio para la
investigacin didctica, es el que deseamos destacar en este trabajo.

Estadstica y anlisis de datos


Como indica Benzecri (1982) los probabilistas del siglo XVIII fundan la estadstica
moderna a partir de las aplicaciones a la demografa y el desarrollo de la teora de los errores.
A pesar de su juventud, esta rama de las matemticas es, sin embargo, una de las que mayor
aplicacin y desarrollo cuenta en la actualidad. A partir de las necesidades de muchas
ciencias diferentes se han ido desgajando de ella ramas interdisciplinares especficas como la
biometra, la psicometra, la sociometra, etc. Los resultados tericos en estadstica obtenidos
en estas diferentes ramas han sido de tal importancia, que han mostrado su utilidad general,
pudindose hablar aqu realmente de una ciencia transdiciplinar en que las fronteras de lo que
corresponde esencialmente a la estadstica y lo que es propio de cada una de sus aplicaciones
no quedan, con frecuencia, claramente delimitadas.
El advenimiento de los ordenadores ha permitido una rpida difusin y un uso intensivo de
las tcnicas estadsticas multivariantes y su aplicacin al anlisis de colecciones de datos
progresivamente ms diversos. Esto ha dado lugar a un nuevo enfoque que est recibiendo el
nombre de Anlisis de datos, especialmente en Francia, donde se han puesto a punto los
mtodos de anlisis taxonmico y anlisis de correspondencias. Detrs de este trmino hay
toda una filosofa de investigacin: anlisis multivariante, extensin de las posibilidades de
anlisis a escalas de medida nominales y ordinales, enfoque exploratorio frente al
confirmatorio, complementacin de los aspectos probabilsticos con otros geomtricos,
topolgicos y numricos. Todo ello hace posible el estudio simultneo de un gran nmero de
hechos, con objeto de descubrir su estructura global, complementando, mediante la induccin
y la sntesis, el anlisis y la deduccin posibilitados por el paradigma experimental.

El anlisis de datos como til en la investigacin


Una primera faceta de estudio, que pretende encuadrarse en la investigacin de carcter
metodolgico, es el anlisis del papel que el anlisis de datos est desempeando como
herramienta en la investigacin experimental. Este papel est condicionado por las actitudes
hacia la estadstica por parte de los investigadores, que podemos clasificar en un continuo
situado entre dos polos extremos.
El primero de estos extremos es la de los que creen que con unas tcnicas apropiadas de
anlisis sera posible conseguir unos resultados extrordinarios a partir de cualquier conjunto
de observaciones; es el anlisis adecuado lo que hace una buena investigacin. Esta creencia
puede llevar al empirismo exagerado y al olvido de la teora, sin la cual ningn conjuto de
datos puede obtener su sentido.
En la actualidad esta postura es especialmente peligrosa, debido a la existencia de
paquetes de programas para el anlisis de datos, que permiten la aplicacion de estas tcnicas
de un modo rpido y sencillo. Ello ha llevado al empleo inadecuado de las mismas, como
seala White (1980) para el caso de la educacin. Este autor indica que las ciencias de la
conducta tienen muchos problemas para identificar las relaciones entre las variables, al ser
tantas y tan complejas, incluso cuando los mtodos empleados estn libre de errores. Caundo
el empleo de las tcnicas de investigacin est plagado de erroees evitables, la probabilidad
de una conclusin errnea es bastante elevada.
Adems, estn comenzando a aparecer sistemas expertos que aconsejan sobvre el tipo de
anlisis a realizar, y las hiptesis necesarias para su empleo, por lo cual, supuestamente
podra obviarse tal empleo inadecuado mediante la utilizacin de estos nuevos recursos. Pero,
como seala Hawkins (1990), el quitar al usuario la responsabilidad en el proceso de toma de
decisiones esenciales impide el anlisis y la interpretacion sensibles e informados, dando la
visin errnea de que el uso de la estadstica es un proceso mecnico.
La dificultad del uso correcto de los conceptos y procedimientos estadsicos lleva en otros
casos al rechazo precipitado del enfoque cuantitativo en la investigacin. Esta visin
constituye el otro extremo, compartido por un grupo de investigadores en el paradigma
cualitativo, que prefieren prescindir de tales tcnicas. Para ellos. el anlisis de los datos ha de
ser preferentemente interpretativo; la categorizacin, la codificacin, la reduccin de datos
supone prdida de una parte sustancial de la riqueza fenomenolgica del mundo que se trata
de explorar.
Sin embargo, esta postura supone en gran parte una ilusin de determinismo sobre el
fenmeno observado; se argumenta que no se pretende la generalizacin, que el fenmeno
observado es nico. Pero todo proceso de toma de datos supone un muestreo; como indican
Goetz y Lecompte (1988) incluso fijado el sujeto, se muestrean los tiempos, las
circunstancias, las preguntas planteadas, las posibles reacciones, que provienen de
poblaciones finitas y especficas.
Puede caerse tambin aqu en los que Kahneman y cols. (1982) denominan "creencia en la
ley de los pequeos nmeros", es decir, la creencia en que las caractersticas generales de un
proceso estocstico han de reflejarse en el comportamiento del mismo, incluso con una
muestra muy pequea de ensayos. El "creyente en la ley de los pequeos nmeros"
sobreestima la potencia de sus mtodos de investigacin, estima a la baja la posibilidad de
obtener resultados significativos por azar y tiene una confianza excesiva en la replicabilidad
de sus primeros hallazgos.
Por otro lado, entre las tcnicas aplicables al anlisis cualitativo de datos, se van
incorporando poco a poco algunas que clsicamente se han considerado como cuantitativas.
Como ejemplo, Miles y Huberman (1984) en una exposicin sistemtica de tales tcnicas
sealan algunas de este tipo, como la aplicacin de tncnicas estadisticas a las frecuencias
obtenidas en las diversas categoras, la clasificacin o la factorizacin.
Afortunadamente se van abandonado estas posturas extremas y, cada vez con mas
frecuencia, las investigaciones se encuentran en un punto intermedio entre los paradigmas
cuantitativo y cualitativo. En el caso de la educacin matemtica, esta idea de
complementariedad de los mtodos cualitativo y cuantitativo es sugerida por Kilpatrick
(1981) que indica que en lugar de abandonar los mtodos cuantitativos en favor de los
cualitativos, "deberamos dirigir nuestros esfuerzos en la direccin de enriquecerlos". En
particular, sugiere que los investigadores en educacin matemtica deberan estudiar nuevas
tcnicas de anlisis exploratorio de datos y representacin de resultados y considerar el uso
de tcnicas para el re-anlisis de los datos y el meta-anlisis de los setudios efectuados hasta
la fecha.

La comunicacin entre el investigador y el estadstico


Con frecuencia, el empleo de la estadstica con fines de investigacin requiere el trabajo en
colaboracin de los investigadores con estadsticos profesionales. En estas ocasiones, el
estadstico es un resolutor de problemas planteados por otra persona, y se exige de l ms de
lo que razonablemente est capacitado para proporcionar. En palabras de Barnett (1988):
"debe ser un traductor y un comunicador: necesita comprender lo suficiente de las otras
disciplinas para apreciar sus problemas. Ha de expresarlos en trminos estadsticos y, lo ms
importante, comunicar las respuestas en forma comprensible",... Todo lo que se espera de l
es que sea maestro de su propio oficio estadstico, y conocedor de muchos otros".
El proceso global comprende, en el caso ms general, desde la planificacin de la forma
en que se han de recoger los datos, hasta la interpretacin de los resutlados obtenidos en el
anlisis de los mismos. En este proceso hay aspectos exclusivamente estadsticos, como
seran los relativos al diseo del muestreo, o la eleccin del mtodo concreto de anlisis y su
realizacin. Pero hay otros cualitativos y especficos del problema como son la eleccin de
las unidades de anlisis, variables, escalas de medida y proceso de categorizacin y
codificacin. Incluso algunos aspectos del anlisis, como son la eleccin de las medidas de
similaridad o distancias a emplear, que condicionan fuertemente los resultados, depende,
grandemente, del problema planteado.
Es decir, entre la toma de datos y su tratamiento estadstico hay todo un proceso que no
puede ser dejado a la responsabilidad exclusiva del estadstico, pusto que el significado de las
categoras finales slo se muestra a la luz de las preguntas que guian la investigacin.
Igualmente, como indica Dawis (1986), la interpretacin de los resultados del anlisis
estadstico slo tiene sentido profundo para la prersona que ha planteado las preguntas.
Nuestra experiencia personal de colaboracin como estadsticos en este tipo de trabajos
con investigadores de diversas disciplinas nos ha hecho apreciar la enorme dificultad de
comunicacin entre el estadstico y el investigador en las fases iniciales y finales del proceso,
que son, sin duda, las de mayor importancia. En este sentido se expresa tambin Speed
(1988), quien indica que estas dificultades surgen por haber prestado una atencin
insuficiente al contexto no estadstico en que tiene lugar la discusin. Esta falta de
acoplamiento del lenguaje estadstico y el lenguaje tcnico, propio de la disciplina en la que
se investiga, repercute en la calidad final del anlisis efectuado que, en ocasiones, puede
llegar a ser inadecuado por los motivos expuestos o bien puede ser interpretado
incorrectamente en los informes finales de la investigacin.

Formacin de investigadores en el empleo de tcnicas estadsticas


En esta seccin deseamos llamar la atencin sobre las particularidades que presenta la
investigacin sobre la enseanza de la estadstica y el anlisis de datos en el seno de un
sistema didctico particular: los cursos de formacin de investigadores, en aquellas
disciplinas en que la formacin previa en el tema sea insuficiente. La necesidad de un
conocimiento bsico en esta materia y, sobre todo, del desarrollo de un nivel adecuado de
razonamiento estadstico es puesta de manifiesto por Schuyten (1990), que seala como b-
sicas las siguientes competencias estadsticas para el desarrollo de la investigacin.
(1) Competencias requeridas para la interpretacin adecuada de la literatura de
investigacin.
Conocimiento y comprensin de los mtodos empleados en la investigacin dada, su
dominio de aplicacin y las hiptesis en que se basan.
Capacidad para juzgar las decisiones del investigador respecto a los aspectos
metodolgicos y evaluacin frente a otras posibles.
Capacidad para evaluar las interpretaciones dadas por el autor a los resultados del
anlisis, frente a otras interpretaciones alternativas.
Capacidad para juzgar los rasgos del estudio y sus posibilidades de generalizacin de los
resultados.

(2) Competencias requeridas para el desarrollo de la investigacinpropia:


Debido a la existencia de los paquetes de programas estadsticos, la destreza en el clculo
ya no es el punto principal necesario para emplear estas tcnicas. Pero estos paquetes sern de
poca ayuda en la planificacin del estudio, en la eleccin de la tcnica apropiada y en la
interpretacin de los resultados.
Como vemos, estos dos tipos de competencias resultan bsicos para la calidad de la
investigacin. Las del primer grupo resultan indispensables para realizar un estudio crtico de
la bibliografa de investigacin y juzgar la validez y posibilidad de generalizacin de cada
estudio particular. Sin esta capacidad crtica podremos juzgar cada resultado como ms o
menos elegante, como ms o menos de acuerdo con la tendencia general de las investigacio-
nes en una misma problemtica. Seremos, sin embargo, incapaces de juzgar la mayor o
menor evidencia experimental de las teoras desarrolladas, que aceptaremos, no por la fuerza
de su fundamentacin, sino por el prestigio del autor, o por nuestra afinidad con sus ideas. De
este modo, corremos el peligro de que nuestro campo cientfico emergente derive en lo que
Bunge (1985) denomina una pseudoconciencia o una ideologa.
Este peligro es an mayor, si se considera que, respecto a las competencias del segundo
grupo, pueden verse estos vacos conceptuales en los trabajos publicados en los que, con
cierta frecuencia, se aprecian anlisis incorrectos o incompletos, como es sealado por White
(1980). Se corre, adems, el peligro de que estos errores sean transmitidos y aumentados por
la difusin de esta literatura y la imitacin de dicha metodologa incorrecta por parte de
investigadores que, debido a una preparacin insuficiente en este tema, confan en la
adecuacin de unos mtodos empleados por otros investigadores.
La comunidad de investigadores constituye, en consecuencia, un sistema didctico de
caractersticas particulares ya que se identifican dos componentes del mismo: el saber -
pensamiento estocstico- y los discentes -usuarios de dicho saber. Pero la funcin docente
queda diluida en la dialctica de las publicaciones cientficas y en los expertos que imparten
cursos de especializacin o colaboran en el desarrollo de la misma.

Etnoestadstica y Educacin Matemtica


Las cuestiones que hemos planteado estn siendo objeto de consideracin en un campo de
investigacin que Gephart (1988) ha denominado etnoestadistica. La preocupacin
fundamental de la etnoestadstica es describir, analizar, explicar y comprender cmo se usa
realmente la estadstica en el proceso de investigacin. La etnoestadstica examina los
aspectos cualitativos de la realizacin de anlisis estadsticos, y utiliza este examen como
fuente de comprensin de los procesos sociales que subyacen en el conocimiento cientfico
(Gephart, 1988: p.ll). El autor citado distingue tres rdenes o categoras de estudios
etnoestadsticos:
(1) Produccin de datos estadsticos. En esta clase de estudios se investigan las actividades,
significados y contextos implicados en la produccin de la informacin estadstica que ha
de servir de base para el anlisis. Estos etngrafos se interesan por la observacin
emprica directa de la conducta y de las prcticas de los productores de datos estadsticos
y de los entornos de investigacin naturales en los que se producen y usan los mismos.
(2) Adecuacin del uso de los mtodos e hiptesis. Se evala cmo el investigador, el sujeto,
el instrumento de evaluacin y el contexto social de medicin afectan a los resultados de
las investigaciones. Se trata pues de realizar anlisis crticos de las propiedades tcnicas
del proceso de recogida y anlisis de datos. Esta es una preocupacin caracterstica de las
investigaciones metodolgicas, si bien el rasgo distintivo de los estudios etnoestadsticos
es la inclusin de hiptesis sobre usos y prcticas sociales.
(3) Retrica de la estadstica. Los estudios etnoestadsticos del tercer tipo tratan del empleo
de la estadstica como una clase de retrica. Examina los informes estadsticos como si se
trataran de una clase de recurso literario que usa esta informacin para persuadir al lector.

Perspectiva didctica de la etnoestadstica


Los fenmenos que trata de poner de manifiesto la etnoestadstica se refieren al uso de los
conceptos y procedimientos estadsticos en la investigacin, teniendo en cuenta el contexto
social donde sta tiene lugar. La hiptesis subyacente es que las restricciones personales e
institucionales particulares donde estos saberes se usan les imponen significados especficos,
con frecuencia inapropiados; en otras ocasiones por el desconocimiento de esta herramienta
conceptual no se utiliza, suponiendo una prdida de posibilidades en la obtencin de
conocimiento cientfico.
El investigador aplicado que recoge, analiza y comunica informacin estadstica es un
usuario de conceptos y procedimientos matemticos con un conocimiento parcial y con
frecuencia sesgado de los mismos. Este sujeto puede contemplarse como un estudiante (de
hecho, incluso puede tener esta consideracin acadmica) aunque est inmerso en un "sistema
didctico informal. La determinacin de la relacin personal al saber en cuestin en un
momento y circunstancias dadas, as como de las condiciones de su evolucin, constituyen un
objeto de estudio para la investigacin didctica.
Esta clase de investigaciones constituiran una nueva categora de estudios etnoestadsticos
en la que se destacara la dimensin didctica de las relaciones institucionales y personales al
saber (Chevallard, 1989), que en cierto modo tendra un carcter comprensivo de las otras
tres categoras descritas por Gephart (1988). En este nivel el inters se centrara en la
bsqueda de errores, dificultades y obstculos en el uso de la estadstica y la identificacin de
la naturaleza y condiciones de aparicin de los mismos. Estos resultados pueden, a su vez,
revertir en los escenarios tradicionales de enseanza.

Conclusiones
En este trabajo hemos destacado la importancia del anlisis de datos como til en la
investigacin y, como consecuencia, hemos deducido la necesidad de desarrollar un
razonamiento estocstice adecuado y unos conocimientos mnimos del tema en los cursos de
formacin de investigadores. De este modo, el estudio de las condiciones requeridas para
dicho desarrollo se convierte en un objeto de investigacin para la didctica de la matemtica.
Asimismo, la realizacin de estudios etnoestadsticos desde una perspectiva didctica debe
ser estimulada como un medio para mejorar y vitalizar la investigacin y, en especial, la
relativa a la Educacin Matemtica. Dado el uso tan extendido del Anlisis de datos en las
ciencias sociales y naturales, el estudio de las cuestiones planteadas sera tambin una
contribucin significativa al dilogo entre las ciencias, con el carcter transdisciplinar
auspiciado por Steiner (1985).

Referencias
BARNETT, V. (1988). Statistical consultancy. A basis lar teaching and research. En R.
Davison y J. Swift (Eds,), Proceedings of the Second International Conference en
Teaching Sta tistics. University of Victoria, pp. 303-307.
BATANERO, C., ESTEPA, A., GODINO, J. D. (1991). Anlisis exploratorio de datos: sus
posibilidades en la enseanza secundaria. Suma, 9, 25-31.
BATANERO, C., GODINO, J., STEINER, H. G., WELZELBURGER, E. (1992). The
training of research in mathematics education. Results from a survey. Educational
Studies in Mathematics, 26(1), 95-102.
BENZECRI J.P. (1982). Histoire et prehistoire de lanalyse des donnes. Paris: Dunod.
CHEVALLARD, Y. (1989). Le concept de rapport au savior. Rapport personnel, rapport
institutionnel, rapport officiel. Sminaire de Didactique des Mathmatiques et de
1Informatique. Universit Joseph Fourier. Grenoble.
DAWID. A. P. (1986). Contribution to the discussion of Statistical modelling issues in
school effectiveness studies by M. Aitki and N. Longford. Journal of the Royal
Statistical Society, Ser. A, 149,1-43.
DOUADY. R. (1986). Jeux de cadres el dialectique outil-objet. Recherches en Didactique des
Mathmatiques, 7(2), 5-31.
GEPHART, R.P. (1988). Ethnostatistics :Qualitative foundations br quantitative research.
Sage University Paper series in Qualitative Research Methods (Vol.2). Beverly Hills,
CA: Sage.
GOETZ, L. P. y LECOMPTE, M. D. (1988). Etnografa y diseo cualitativo en la educacin.
Madrid: MacGraw Hill.
HARRIS, R. R. y KANJI, G. K. (1988). The challenqes of statistical training. En: R.
Davidson y J. Swift (Eds.). Proceeding of the Second International Con ference en
TeachingStatistics. University of Victoria, pp. 498-501.
HAWKINS. A. (1990). Success and failure instatisticaleducation. An U.K. perspective.
Presentado en el ICOTS III. University of Otago.
KAHNEMAN, D.. SLOVIC. P. y TVERSKY, A. (1982). Judgement under uncertainty:
Heuristics and biases. Amsterdam: North-Holland.
KILPATRICK, J. (1981). Research in mathematical learning and thinking in the United
States. Recherches en Didactique des Mathmatiques, 2, pp. 363-379.
MILES, M. B. y HUBERMAN, A. M. (1984). Quanlitative dala analysis. Beverly Hills, CA:
Sage.
SCHUYTEN. G. (1990). Statistical thinking in psychology and education. Presentado en el
ICOTS III. University of Otago.
SPEED. T. (1988). Questions, answers and statistics. En R. Davidson y J. Swift (Eds.).
Proceedinqs of the Second International Con ference en Teaching Statistics. University
of Victoria, pp. 17-27.
WHITE. A. L. (1980). Avoiding errors in educational research. En: R S. Shumway (Ed.).
Research in Mathematics Education. Reston, VA: N.C.T.M., pp.47-65.