Población estadística. Propuesta de enseñanza para favorecer el aprendizaje de las ideas fundamentales de la inferencia estadística paramétrica en carreras de grado en Ciencias Eco...

• Autores: Santarrone, María Alejandra
• Año de publicación: 2023
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Meyer, Roberto Delfor; Tauber, Liliana; Santellán, Silvana; Cabrera, Gabriela
• Materia: Población estadística; Inferencia; Descriptiva; Enfoque ontosemiótico; Educación; Statistical population; Inference; Descriptive; Ontosemiotic approach; Education
• Institución: Universidad Nacional del Litoral

Fil: Santarrone, María Alejandra. Universidad Nacional del Litoral. Facultad de Humanidades y Ciencias; Argentina.
La tesis se centra, por un lado, en establecer las relaciones conceptuales entre los contenidos de la estadística descriptiva e inferencial para el aprendizaje significativo de ambas ramas, y por otro, en secuenciar la enseñanza de la primera de ellas para tal fin. A partir de estudios exploratorios, que dieron cuenta de la complejidad que encierra la definición de "Población Estadística", se delimita la investigación a esta idea fundamental de la Inferencia Estadística Paramétrica y que es muy poco abordada en anteriores investigaciones. Bajo el marco teórico del Enfoque Ontosemiótico del Conocimiento (EOS), se la analiza desde su dualidad unitaria-sistémica, planteando su transversalidad con otros objetos involucrados en la estadística descriptiva e inferencial, exponiendo articulación. A través de una ingeniería didáctica basada en el EOS y de los análisis preliminares, se diseña la secuencia de enseñanza de estadística descriptiva, que persigue favorecer el aprendizaje de las ideas fundamentales de la inferencia estadística paramétrica en los alumnos de la cátedra de estadística de la carrera de Contador Público en la Facultad de Ciencias Económicas de la Universidad Nacional del Litoral de la República Argentina y se la analiza a priori con las configuraciones didácticas previstas. Su implementación, a pesar de ser realizada en época de pandemia por el COVID-19, posibilita el análisis retrospectivo y como es propio de las investigaciones orientadas al diseño instruccional, es esperable que, en la aplicación de varios ciclos de investigación, se vaya mejorando progresivamente. Dicho análisis retrospectivo creemos que será esencial para poder introducir cambios fundamentados en una futura aplicación, que suponemos permitirá progresivamente obtener ingenierías más idóneas.
The thesis focuses, on the one hand, on establishing the conceptual relationships between the contents of descriptive and inferential statistics for the meaningful learning of both branches, and on the other, on sequencing the teaching of the first one for this purpose. Based on exploratory studies, which revealed the complexity of the definition of "Statistical Population", the research is delimited to this fundamental idea of Parametric Statistical Inference and which is rarely addressed in previous investigations. Under the theoretical framework of the Ontosemiotic Approach to Knowledge (EOS), it is analyzed from its unitary-systemic duality, proposing its transversality with other objects involved in descriptive and inferential statistics, exposing articulation. Through a didactic engineering based on the EOS and preliminary analyses, the descriptive statistics teaching sequence is designed, which seeks to promote the learning of the fundamental ideas of parametric statistical inference in the students of the statistics department of the Public Accountant career at the Faculty of Economic Sciences of the National University of the Coast of the Argentine Republic and it is analyzed a priori with the planned didactic configurations. Its implementation, despite being carried out in times of the COVID-19 pandemic, allows retrospective analysis and, as is typical of research oriented towards instructional design, it is expected that, in the application of several research cycles, it will improve. progressively. We believe that this retrospective analysis will be essential to be able to introduce changes based on a future application, which we suppose will progressively allow more suitable engineering to be obtained.