ISSN: 0798-1015 DOI: 10.

48082/espacios-a21v42v03p02

Educación • Education • Educação • Vol. 42 (03) 2021 • Art. 2

Recibido/Received: 08/10/2020 • Aprobado/Approved: 29/01/2021 • Publicado/Published: 15/02/2021

Modelo para el proceso de enseñanza–aprendizaje de la

asignatura estadística en estudiantes de ingeniería de la
Universidad Popular del Cesar (Colombia)
Educational model for the teaching - learning process of the statistical subject in
engineering students of the Popular University of Cesar
VIDES, Saúl E. 1
BARROS, Jorge M. 2
TRIANA, Geiner J. 3

Resumen
La presente investigación tuvo como objetivo la implementación de un modelo para el aprendizaje
significativo de conceptos y definiciones en la asignatura Estadística a estudiantes de los programas de
ingeniería de la Universidad Popular del Cesar (UPC). El tipo de metodología utilizada se enmarca dentro
de un paradigma empírico-inductivo, con un enfoque cuantitativo. En esta investigación se encontró
que existe una relación entre el modelo implementado y el rendimiento académico de los estudiantes
de ingeniería.
Palabras clave: modelo, aprendizaje significativo, empírico – inductivo.

Abstract
The present research aimed at the implementation of a model for the meaningful learning of concepts
and definitions in the Statistics subject to students of the engineering programs of the Popular
University of Cesar (UPC). The type of methodology used is framed within an empirical-inductive
paradigm, with a quantitative approach. In this research it was found that there is a relationship
between the implemented model and the academic performance of engineering students.
Keywords: model, meaningful learning, empirical - inductive.

1. Introducción
La estadística puede ser aplicada a la realidad tan directamente como la aritmética elemental puesto que no
requieren técnicas matemáticas complicadas, cuando se trabaja la denominada Estadística Descriptiva. Por sus
muchas aplicaciones, proporciona una buena oportunidad de mostrar a los estudiantes las aplicaciones de la
matemática para resolver problemas reales; siempre que su enseñanza se lleve a cabo mediante una
metodología heurística y activa. Desde un punto de vista matemático, existen numerosas dificultades de tipo
filosófico ligadas a la interpretación de los conceptos complejos y su aplicación a situaciones prácticas y las
dificultades epistemológicas se reproducen con frecuencia en el aprendizaje de los alumnos (Batanero, 2001).

1 Docente Investigador. Departamento de Matemáticas y Estadística . Universidad Popular del Cesar. [email protected]
2 Docente Investigador. Departamento de Matemáticas y Estadística . Universidad Popular del Cesar. [email protected]
3 Ingeniero Capacitador. Director T&D Ingenieros s.a.s. [email protected]

https://www.revistaespacios.com 10
El cálculo de probabilidades constituye la base para la estadística inductiva o inferencial. La probabilidad de
ocurrencia de un determinado suceso se define como la proporción de veces que ocurre dicho suceso si se repite
un experimento o una observación en un número grande de ocasiones bajo condiciones similares. Por tanto esta
se mide por un número entre cero y uno; así, las probabilidades suelen venir expresadas como decimales,
fracciones o porcentajes (Pértegas, et al., 2004).

Los profesores de matemática de la UPC, lugar de esta investigación, han manifestado la dificultad observada en
los estudiantes para el aprendizaje de conceptos de Estadística. Estos contenidos se ofertan en el curso de
Estadística Descriptiva e Inferencial para los diferentes programas de ingeniería (Departamento de matemáticas
y estadística, 2016).

La falta de solidez en los conocimientos estadísticos de los estudiantes de ingeniería en la UPC se ha revelado
cuando transcurrido un cierto tiempo de impartida la asignatura, han olvidado contenidos importantes y no
pueden hacer uso de ellos para resolver problemas en su campo de acción. Es decir, se observa una comprensión
mecánica de los conceptos abordados (Departamento de matemática y estadística, 2016).

Es preciso reforzar la enseñanza de la Estadística, mejorar su metodología y concienciar a los profesores de la

UPC de sus múltiples aplicaciones y sobre todo es necesario planificar una acción educativa que permita lograr
un mejor aprendizaje de los estudiantes (Arteaga et al., 2015).

El problema de enseñanza – aprendizaje de la Estadística se aborda a través de la implementación de un modelo

compuesto por una secuencia didáctica.

La secuencia didáctica constituye una organización de actividades de aprendizaje; las cuales se realizan con los
estudiantes y para los estudiantes; con la finalidad de crear situaciones que les permitan desarrollar un
aprendizaje significativo (Díaz, 2013).

Se muestra en esta investigación una relación entre el aprendizaje de la asignatura estadística (rendimiento
académico) y el modelo implementado, obteniéndose en los estudiantes un conocimiento eficaz.

Se realizó esta investigación, con el fin de documentar y analizar las formas en que abordan, piensan,
argumentan, negocian y discuten los estudiantes cuando deben tratar los conceptos estadísticos.

Esta investigación tiene el interés de que la UPC implemente un modelo acompañado de un esquema
experimental basado en actividades que conduzcan a un aprendizaje significativo de conceptos estadísticos.

1.1. Hechos a tener en cuenta para el proceso de enseñanza – aprendizaje de la estadística

La epistemología se utiliza como reflexión sobre la esencia de los conceptos estadísticos, los procesos y
condiciones que ha provocado su desarrollo, las características de la actividad estadística tanto futura, como
presente y pasada. Y todo lo que constituye la naturaleza específica de un dominio matemático u otro (Artigue,
1995). El uso de la epistemología ayuda a mantener una visión extrínseca de los objetos enseñados (devolviendo
una historicidad a estos objetos, porque la enseñanza tradicional tiende a presentarlos como objetos
universales). El análisis epistemológico ayuda a la didáctica a desprenderse de la ilusión de transparencia de los
objetos que maneja a nivel de saber y ayuda al profesor a librarse de las representaciones epistemológicas
erróneas que tiende a inducir su práctica de enseñante (Vides, Rivera, y Hernández (2019).

La estadística como ciencia, está en notable crecimiento; sin embargo, la Didáctica de la Estadística tiene una
evolución incipiente. El número de investigaciones sobre la enseñanza de esta es aún escaso y, sólo se están
comenzando a conocer las dificultades de aprendizaje de los estudiantes en los conceptos más importantes de
esta disciplina (Batanero, 2001).

11
2. Metodología
El marco metodológico para la realización de esta investigación, parte de: tipo de estudio, diseño de la
investigación, técnica, fases de recolección y análisis de los datos, sujetos de estudio, variables de investigación,
instrumento de recolección de datos, y proceso para seleccionar la muestra.

2.1. Descripción de los elementos constitutivos

2.1.1. Tipo de estudio
La investigación realizada se enmarca dentro de un paradigma empírico - inductivo, con un enfoque cuantitativo
que busca una posible relación entre el modelo educativo implementado y el aprendizaje de conceptos
estadísticos, dentro de las tareas planteadas en el aula de clase.

2.1.2. Modelo implementado

Secuencia didáctica

La secuencia didáctica empleada estuvo compuesta por cuatro actividades: apertura, desarrollo, cierre e
institucionalización para establecer la interacción de estudiante - profesor - medio, con el propósito de que los
estudiantes hagan razonamientos acerca de conceptos de estadística.

Actividad de apertura

Se hizo necesario tener en cuenta los conceptos, el uso y aplicaciones en los diferentes temas de la estadística,
y en especial el de elementos de probabilidad.

Es preciso recordar qué se hizo un recorrido con los temas y subtemas en esta investigación de la siguiente
manera: Se habló con los estudiantes, en lo referente al significado exahustivo de los conceptos: posibilidades y
probabilidades, para su enseñanza - aprendizaje. Luego se dispusieron a entender los diferentes metodos, como
el axiomático, empírico o práctico y el clásico. También se abordó el concepto de probabilidad general (Fórmula),
como el número de veces de ocurrencia del evento en el pasado, sobre el número total de observaciones. Así
mismo se les explicó lo concerniente a la elaboración del espacio muestral y de igual manera el concepto de
esperanza matemática.

Otros conceptos o temas desarrollados con los estudiantes, fueron, Regla de la multiplicación, las
permutaciones, combinaciones y las reglas básicas de probabilidad, cómo son los conceptos de los sucesos
igualmente probables, sucesos opuestos, sucesos ciertos, sucesos imposibles, sucesos compatibles, sucesos
independientes y finalmente los sucesos dependientes.

Asimismo se tuvo en cuenta la Regla de la adición incluyendo los subtemas: sucesos mutuamente excluyentes, y
los colectivos. Es importante destacar qué a los estudiantes de ingeniería presentes en esta investigación se les
enseñó a dominar el tema de la probabilidad condicional, y finalmente la importancia que tiene el Teorema de
Bayes.

Para el seguimento de la enseñanza - aprendizaje a través de la estrategia Secuencia didáctica, se resolvieron los
ejercicios planteados a los estudiantes a través de la parte científica (familia de calculadoras casio con función
f(X) ) y computacionalmente (Microsotf Excel para Windows versión 10, con el aplicativo análisis de Datos), en
la resolución de problemas de este tipo, obteniendose un conocimiento sistematizado, rapido y preciso en el
calculo de los mismos.

Actividad de desarrollo

12
En esta actividad los estudiantes observaron el proceso de solución dado por el docente e interactuaron con sus
compañeros. A continuación se muestra lo abordado (Martínez, 2012):

1. ¿ Cuántos comités diferentes de 4 personas se pueden formar a partir de un grupo de 12 personas?

Solución
"#!
𝐶!"# = ("#&!)!!! = 49

2. En la primera línea del salón de clases se tienen colocados 8 pupitres y se quiere sentar a 8 alumnos; ¿de
cuantas maneras se podrán colocar?

Solución

𝑃( = 8! = 40320
3 ¿Cuántas palabras se pueden formar con las letras de la palabra Barranquilla?

Solución

𝑃"# (*:,,#,#). !"!

."//0(!11 23435*36
$! ."! ."!

4. ¿ Cuántas palabras de 3 letras, con o sin sentido idiomático pueden formarse a partir las letras de la palabra
COSER?

Solución
𝟓!
𝑃,0 = = 60
(𝟓 − 𝟑)!

5. ¿ Cuál es la probabilidad de que al lanzar tres monedas todas sean caras?

Solución
"
P=
(

6. Calcular la probabilidad de sacar un dos o un cinco en el lanzamiento de un dado.

Solución3
𝑃 = 𝑃! + 𝑃"
1 1
𝑃 = +
6 6
1
𝑃 =
3
7. Al lanzar un dado, usted apuesta $1000 a que el numero obtenido debe ser par o divisible por 3. ¿Cuál es la
probabilidad de que usted gane en este lanzamiento? ó ¿que aparezca un numero par {2,4,6}?
3
𝑃(7) =
6
Ahora que sea divisible por 3, será {3,6}

13
 𝟐
𝑷(𝑨) = 𝟔; pero observamos que el 6 aparece tanto en el suceso A como en el suceso B, por tanto se tendrá que
𝟏
{6} 𝑷(𝑨∩𝑩) = 𝟔

𝟑 𝟐 𝟏 𝟒 𝟐
𝑷(𝑨∪𝑩) = + − = = = 𝟎, 𝟔𝟔𝟔𝟕 = 𝟔𝟔, 𝟔𝟕% 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆𝒈𝒂𝒏𝒂𝒓
𝟔 𝟔 𝟔 𝟔 𝟑
8. En un solo lanzamiento de dos dados, ¿ qué probabilidad hay de sacar dos cincos?

Solución

𝑷 = 𝑷𝟏 . 𝑷𝟐
𝟏 𝟏
𝑷 = .
𝟔 𝟔
𝟏
𝑷 =
𝟑𝟔
9. ¿ Qué probabilidad hay de obtener un As, un rey y una zota, sacando sucesivamente tres cartas sin reposición,
de una baraja de 40 cartas :
𝟒
𝑷𝟏 =
𝟒𝟎(𝑨𝒔)
𝟒
𝑷𝟐 =
𝟑(𝑹𝒆𝒚)
𝟒
𝑷𝟑 =
𝟑𝟖(𝒁𝒐𝒕𝒂)
𝟒 𝟒 𝟒 𝟔𝟒 𝟐
𝑷= . . = =
𝟒𝟎 𝟑 𝟑𝟖 𝟓. 𝟐𝟖𝟎 𝟏𝟔𝟓
10. una investigación reciente se encontró que el 10% de los conductores de taxi en la ciudad son hombres con
estudos universitarios. También se sabe que el 80% de los conductores son hombres. ¿Cuál es la probabilidad, al
tomar un conductor de taxi al azar, que resulte ser hombre y que tenga además estudos universitarios?
𝑨 𝑷(𝑨 ∩ 𝑩) 𝟎, 𝟏𝟎
𝑷 H K = = = 𝟎, 𝟏𝟐𝟓 = 𝟐𝟓, 𝟕𝟏%
𝑩 𝑷(𝑩) 𝟎, 𝟖𝟎

𝐩𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐝𝐚𝐝 𝐪𝐮𝐞 𝐜𝐨𝐧𝐝𝐮𝐳𝐜𝐚 𝐭𝐚𝐱𝐢 𝐲 𝐪𝐮𝐞 𝐭𝐞𝐧𝐠𝐚 𝐞𝐬𝐭𝐮𝐝𝐢𝐨𝐬 𝐮𝐧𝐢𝐯𝐞𝐫𝐬𝐢𝐭𝐚𝐫𝐢𝐨𝐬

11. En el lanzamiento de dos dados 900 veces, ¿cuál es la esperanza de que en la suma de sus caras se obtenga
un valor menor a seis?

Solución

𝟏𝟎
𝑬 = 𝒏. 𝒑 = (𝟗𝟎𝟎) H K = 𝟐𝟓𝟎
𝟑𝟔

12. Un autor, por intermedio de la editorial envía folletos promocionando su libro de estadística al 72 % de los
profesores que enseñan la asignatura en las universidades que fueron seleccionadas para la promoción. Un mes

14
después se constató que el 46 % que recibieron el folleto adoptaron el libro y un 16 % que no lo recibieron,
también lo adoptaron. La probabilidad de que un profesor que adopta el libro, fue el resultado del folleto de
promoción es 0,8809

Solución

(𝟎, 𝟕𝟐) (𝟎, 𝟒𝟔)

𝑷(𝑨𝟏 /𝑩) = = 𝟎, 𝟖𝟖𝟎𝟗
(𝟎, 𝟕𝟐) (𝟎, 𝟒𝟔) + (𝟎, 𝟐𝟖) (𝟎, 𝟏𝟔)

Actividad de cierre
Debido a que se tuvo que adecuar los datos de los diferentes ejercicios realizados en la actividad de desarrollo,
para obtener el grado de aceptación de los mismos se utilizó la escala Likert, ya que es una herramienta que
permite medir actitudes y conocer el grado de conformidad de los estudiante encuestado.

En cuanto al instrumento de recolección de información, se implementó un cuestionario estructurado, con

respuestas alternadas configurado bajo una escala tipo frecuencial, el cual fue elaborado por los autores de la
presente investigación. De acuerdo con Sierra (citado por Casas et al., 2002), el instrumento se define como un
conjunto de preguntas preparadas cuidadosamente sobre los hechos y aspectos que interesan en esta
investigación, para medir el nivel de respuesta de la población o muestra a que se extiende el estudio
comprendido. Los cuestionarios, según Briones (citado por Asuaje 2017) “son instrumentos destinados a
recolectar la información requerida por los objetivos de una investigación”.

La construcción del instrumento permitió de acuerdo con Galtung (citado por Briones1992) lograr el puntaje de
cada estudiante en la actitud medida mediante la suma de sus repuestas a las diversas preguntas que actúan
como estímulo. En este sentido la escala que se utilizó fue de cinco alternativas, a saber: Muy de acuerdo (5), De
acuerdo (4), Indiferente (3), En desacuerdo (2), Muy en en desacuerdo (1). Las cuales están en el instrumento
para la posición de las respuestas que mostraron los estudiantes objeto de estudio.

Por otra parte, el autor citado indica que la actitud medida puede ser la asumida a favor o en contra de algún
objeto y, en este sentido se utilizó para medir la frecuencia de manifestación del problema de estudio.

El instrumento se conformó de veinticinco (25) ítems correspondientes a la variable aprendizaje de la asignatura

estadística en estudiantes de ingeniería, especialmente en los temas de probabilidades elementales, regla de la
multiplicación, regla de la adición, entre otros. Proyectado a los diferentes temas de la estadística para ingeniería.

Instrumento: Resolver los siguientes ejercicios con base al análisis hecho de manera individual y grupal en la
actividad anterior (Martínez, 2012):

INSTRUCCIONES GENERALES

1. Por favor lea detenidamente cada ítem antes de responderlo.

Opciones de respuesta: Muy de acuerdo (5), De acuerdo (4), Indiferente (3), En desacuerdo (2), Muy en
desacuerdo (1),.

2. No marque respuestas al azar, si se presenta dificultad con algún ítem, se le recomienda responder el siguiente
y al final regresar y contestarlo.

3. La prueba es individual, lo que impide preguntar a los otros compañeros,

4. No se permite ninguna clase de material, ya sean textos, calculadoras, celulares o cuadernos.

15
5. El tiempo que dispone para responder la prueba es de 60 minutos.

6. Los resultados de la prueba solo son para uso del investigador.

7. Antes de entregar la prueba, por favor revisar que todos los ítems estén marcados.

Escala Likert
Muy de En Muy en
Ítem / afirmaciones De acuerdo Indiferente
acuerdo desacuerdo desacuerdo
1. La Probabilidad es un número mayor o igual que
0 y menor o igual a 1
2 La probabilidad se halla dividiendo el número
casos favorables entre el número de casos
posibles
3 Se lanzan dos dados correctos. La probabilidad del
''
evento, los números obtenidos no suman 4 es '(
4 La probabilidad que sean varones, los tres hijos de
'
una familia es )
5 En una urna que contiene cuatro bolas blancas y
dos rojas. La probabilidad de sacar una bola roja
*
es +
6 En el lanzamiento de tres monedas. La esperanza
de la aparición de caras por lanzamientos es 1,5
7 La fórmula para calcular la esperanza matemática
es 𝐸 = 𝑛. 𝑝
8 Combinación es un arreglo de elementos donde el
orden de colocación no interesa
9 La fórmula para calcular una combinación es
-!
𝐶,- = (-/,)!
10 El número de combinaciones de los integrantes
de
un comité de 4 personas es 1
11 El número de combinaciones de 3 letras de un
conjunto formado por las vocales a, e, i, o, u es 10
12 Permutación es un arreglo de elementos donde el
orden si interesa
13 Supongamos que se tiene los siguientes números
naturales 1, 2, 3 y 4. El número de cifras de 4
dígitos que se puede formar es 24
Los eventos mutuamente excluyentes son
14 aquellos que no pueden ocurrir simultáneamente
15 La probabilidad de que al lanzar un dado salga un
número par o impar es 0,5
16 La fórmula para calcular la probabilidad de dos
eventos no mutuamente excluyentes A y B es:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃 (𝐴 ∩ 𝐵)
17 Dos eventos son independientes si la probabilidad
del primer evento no afecta la probabilidad del
segundo evento
18 La probabilidad de extraer 3 cartas sin reposición
de una baraja de 40 cartas es 0,5678
19 La fórmula para calcular la probabilidad de dos
eventos mutuamente excluyentes A y B es:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

16
 Muy de En Muy en
Ítem / afirmaciones De acuerdo Indiferente
acuerdo desacuerdo desacuerdo
20 La fórmula para calcular la probabilidad
1(2∩4)
condicional es 𝑃(𝐴/𝐵) =
1(4)
21 Se tiene tres recipientes; el primero contiene 6
bolas azules y 2 rojas; el segundo 4 azules y 4 rojas
y el tercero 6 azules. Se selecciona una de las tres
urnas al azar y de ella se extrae una bola que
resulta ser azul. La probabilidad de que el
recipiente escogido sea el primero y tercero es
0,33 y 0,44
22 Se encuentra en una facultad que el 70% de los
alumnos matriculados, el 70 % son mujeres y el 18
%, mujeres estudiantes de economía. Si se elige
un estudiante al azar y resulta que es mujer, la
probabilidad de que esté estudiando economía es
25,71 %
23 La fórmula que representa el teorema de bayes es
1(4/2! ) 1(2!)
𝑃(𝐴5 /𝐵) = ∑#
"$% 1(4/2" ) 1(2")
24 La fórmula del teorema de Bayes es consecuencia
de la de la probabilidad condicional
25 En la probabilidad condicional los eventos son
independientes
Fuente: Elaboración propia

Actividad de institucionalización
En esta actividad los estudiantes construyeron su conocimiento sobre los objetos estadísticos tratados en esta
investigación, el profesor retomó y formalizó, aportó observaciones y clarificó conceptos en los cuales el
estudiante tuvo dificultad (Briceño et al., 2017):

2.1.3. Diseño de la investigación

El diseño de esta investigación es experimental y se fundamenta en el modelo estadístico o prueba t-student;.
Se aplica cuando la población estudiada sigue una distribución normal pero el tamaño muestral es demasiado
pequeño (caso de esta investigación) como para que el estadístico en el que está basada la inferencia esté
normalmente distribuido, utilizándose una estimación de la desviación típica en lugar del valor real (Blog, 2015).
Para validar si los datos recojidos de los estudiantes cumplían el principio de normalidad se aplicó la prueba de
Shapiro Wilk.

La distribución t es un conjunto de curvas estructurada por un grupo de datos de unas muestras en particular.

La contribución de esta prueba, específicamente, es para comparar dos muestras de tamaño ≤ 30. La primera
presunción es formular la hipótesis alterna y la hipótesis nula, y que, de existir esta diferencia, sólo se debe al
azar (Sánchez, 2015).

2.1.4. Técnica
Para el desarrollo de esta investigación, se implementó el instrumento de recolección de datos llamado escala
Likert, con el fin de obtener información sobre las opiniones y actitudes de los estudiantes hacia el objeto de
estudio. Es una escala psicométrica que mide la actitud del estudiante, es decir la valoración positiva, negativa o
neutra del modelo y permite determinar el nivel de acuerdo o desacuerdo de los encuestados.

Validez y confiabilidad de los instrumentos

17
La validez del cuestionario fue de contenido, por cuanto se considera importante determinar las relaciones
existentes entre los ítems redactados, los contenidos teóricos y los objetivos establecidos para la investigación.
En tal sentido, Hurtado de Barrera (2000) expone, la validez de contenido se refiere al grado en que el
instrumento abarca realmente todos o una gran parte de los contenidos o los contextos donde se manifiesta el
evento que se pretende medir.

En función de estos planteamientos, para la realización de la validación del instrumento de la presente

investigación, se procedió a su evaluación por parte de cinco (5) expertos en el área de educación. La revisión
que realizaron estos al cuestionario resultó en observaciones sobre modificaciones de forma y contenido de los
ítems, para ajustarlos a los objetivos y al contenido teórico dispuesto para el estudio.

La determinación de la confiabilidad del cuestionario antes validados se determinó a partir de la prueba piloto,
que se le aplicó al instrumento que fue dirigido a los estudiantes, con el fin de verificar la estabilidad de las
respuestas obtenidas. Tal y como lo expresa, Chávez (2001) quien señala que esta consiste en el grado de
seguridad con que se realiza la medición de una variable.

Una vez aplicada la prueba piloto, los datos obtenidos fueron procesados estadísticamente mediante la ayuda
de la hoja de cálculo Microsoft - Excel y posteriormente se aplicó la fórmula para el cálculo del coeficiente de
alpha de Cronbach (Chávez, 2001), comprobando dicho coeficiente. En consecuencia los cálculos se procesaron
mediante la siguiente fórmula y visualizados por estos dos métodos:
Tabla 1
Test de valoración para la confiabilidad de los
datos a través de Microsoft – Excel – Office 2010
CONCEPTUALIZA Y CALCULA EVENTOS RECONOCE FÓRMULA CALCULAR
CONCENTUALIZA EL TERMINO DE CONCEPTUALIZA Y CALCULA
INDICADORES MUTUAMENTE EXCLUYENTES, EVENTOS PROBABILIDADES CONDICIONAL, TOTALES
PROBABILIDAD COMBINACIONES Y PERMUTACIONES
NO EXCLUYENTES APLICA EL TEOREMA DE BAYES

Preguntas\Encuestas P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P16 P17 P18 P19 P20 P21 P22 P23 P24 25 PUNTAJES

Encuesta No.10 3 4 4 4 4 4 4 4 4 3 4 3 5 2 4 3 4 2 3 4 3 2 4 2 3 86
Encuesta No.1 5 5 4 5 5 4 5 5 5 4 5 5 3 5 4 5 5 5 4 1 5 3 5 5 1 108

EX 8 9 8 9 9 8 9 9 9 7 9 8 8 7 8 8 9 7 7 5 8 5 9 7 4 194
(EX)2 64 81 64 81 81 64 81 81 81 49 81 64 64 49 64 64 81 49 49 25 64 25 81 49 16 37636
E(X2) 34 41 32 41 41 32 41 41 41 25 41 34 34 29 32 34 41 29 25 17 34 13 41 29 10 19060
(EX)2/n 32,0 40,5 32,0 40,5 40,5 32,0 40,5 40,5 40,5 24,5 40,5 32,0 32,0 24,5 32,0 32,0 40,5 24,5 24,5 12,5 32,0 12,5 40,5 24,5 8,0 18818,0
E(X2)-(EX)2/n 2,0 0,5 0,0 0,5 0,5 0,0 0,5 0,5 0,5 0,5 0,5 2,0 2,0 4,5 0,0 2,0 0,5 4,5 0,5 4,5 2,0 0,5 0,5 4,5 2,0 242,0

S2i 1,0 0,3 0,0 0,3 0,3 0,0 0,3 0,3 0,3 0,3 0,3 1,0 1,0 2,3 0,0 1,0 0,3 2,3 0,3 2,3 1,0 0,3 0,3 2,3 1,0 121,0

ES2i 18,0

r= 0,89

Fuente: Elaboración propia

𝐾 ∑ 𝑆H#
𝑟𝑡𝑡 = h1 − # k
𝐾−1 𝑆H

K= Número de ítems = (25)

𝑆I# = Varianza de los puntajes de cada ítems = (121)

𝑆H# =Varianza de los puntajes totales =(18)
25 18
𝑡𝑟𝑡 = m1 − n
25 − 1 121
25 18
𝑡𝑟𝑡 = m1 − n
24 121

18
𝑟𝑡𝑡 = 1,0416[1 − 0,1487]
𝑟𝑡𝑡 = 1,0416[0,8513]
𝑟𝑡𝑡 = 0,88671 ≅ 0,89 (Alpha de Cronbach de los estudiantes)
2.1.5. Fases de recolección y análisis de los datos
En esta fase se muestra las notas de los estudiantes de los grupos control y experimemantal, como resultados
finales en el proceso de la enseñanza-aprendizaje de la asignatura estadísticas; las tablas y gráficos muestran
paso a paso claramente el comportamiento descriptivo del rendiento académico de cada grupo.
Tabla 2
Notas de los grupos control y experimental
Alumnos Notas Grupo Control Alumnos Notas Grupo Experimental
Alumno 1 2,3 Alumno 1 4,0
Alumno 2 2,5 Alumno 2 4,0
Alumno 3 2,0 Alumno 3 3,0
Alumno 4 1,0 Alumno 4 4,0
Alumno 5 2,0 Alumno 5 4,5
Alumno 6 2,0 Alumno 6 4,0
Alumno 7 3,0 Alumno 7 4,3
Alumno 8 1,0 Alumno * *****
Fuente: Elaboración propia

------
Gráfico 1
Notas de los grupos control y experimental

Notas Grupo Control Notas Grupo

Alumno 8 1,0
Experimental
Alumno 7 3,0
Alumno 7 4,3
Alumno 6 2,0
Alumno 6 4,0
Alumno 5 2,0 Alumno 5 4,5
Alumno 4 1,0 Alumno 4 4,0
Alumno 3 2,0 Alumno 3 3,0
Alumno 2 2,5 Alumno 2 4,0
Alumno 1 2,3 Alumno 1 4,0

Fuente: Elaboración propia

Se evidencia significativamente las notas del grupo experimental, es decir existe un mayor rendimiento
académico.

Las estadísticas descriptivas permitieron visualizar los diferentes claculos como: promedio, varianza; error típico
estándar y otros, por cada grupo, mostrados atraves de lqa siguiente descripción.

Para el grupo control estos son los diferentes hallasgos:

• 2,0 Dos es la nota promedio de los estudiantes en este grupo.

19
 • 2,0 Dos es la nota Mediana, la que divide las calificaciones en dos partes iguales.
• 2,0 Dos es la nota que mas se repite.
• 0,69023805417303 Corresponde a la desviación estándar de las notas de este grupo, es decir estas se
alejan del promedio, lo que signigfica que la distribución es mas heterogenea y son bajas como lo
muestra la tabla 2.

Para el grupo experimental estos son los diferentes resultados:

• 4,0 Cuatro es la nota promedio de los estudiantes en este grupo.

• 4,0 Cuatro es la nota Mediana, la que divide las calificaciones en dos partes iguales.
• 4,0 Cuatro es la nota que mas se repite.
• 0,471572849495123. Corresponde a la desviación estándar de las notas de este grupo, es decir estas se
alejan del promedio, lo que signigfica que la distribución es mas homogénea y son altas como lo muestra
la tabla 2.

Acontinuacion se muestra el comportamiento de las notas de los grupos control y experimental:

Gráfico 2
Notas Grupo Experimental
Notas Grupo Control

4,5 4,3
4 4 4 4

3 3
2,3 2,5
2 2 2

1 1

1 2 3 4 5 6 7 8

Fuente: Elaboración propia

El gráfico muetra claramente la diferencia significativa de las notas del grupo control respecto a las notas del
grupo experimental, ya que el grupo control fue sometido al sistema tradicional y el grupo experimental al
modelo educativo.

Finalmente se muetra a continuación la crostabulacion (Cruce entre las notas del grupo Control y grupo
experimental).

20
 Tabla 3
Cruce de notas del grupo control y experimental
Notas Grupo Control, compuesto por 8
alumnos no sometidos al modelo Notas Grupo Experimental, compuesto por 7 alumnos sometidos
Total
pedagógico, bajo la modalidad de clases al modelo pedagógico Implementadado.
directas en salones.

NOTAS 3.0 4.0 4.3 4.5

Contador 0 0 1 0 1
3.0
% de Total 0,0% 0,0% 14,3% 0,0% 14,3%
Contador 0 1 0 0 1
2.5
% de Total 0,0% 14,3% 0,0% 0,0% 14,3%
Contador 0 1 0 0 1
2.3
% de Total 0,0% 14,3% 0,0% 0,0% 14,3%
Contador 1 1 0 1 3
2.0
% de Total 14,3% 14,3% 0,0% 14,3% 42,9%
Count 0 1 0 0 1
1.0
% de Total 0,0% 14,3% 0,0% 0,0% 14,3%
Count 1 4 1 1 7
Total
% de Total 14,3% 57,1% 14,3% 14,3% 100,0%
Fuente: Elaboración propia

Es de anotar que el 57,1% corresponde a la nota cuatro punto cero (4.0) de los estudiantes del grupo
experimental, a los cuales se les sometió al modelo pedagógico.

Para el grupo experimental también se tiene que un 14,3% restante corresponden a las notas (3.0), (4.3) y (4.5);
respectivamente.

El 42,9% corresponde a la nota dos punto cero (2.0) de los estudiantes del grupo control, a los cuales se les
sometió al modelo tradicional.

Para el grupo control también se tiene que un 14,3% corresponden a las notas (3.0), (2.5), (2.3) y (1.0);
respectivamente.

Finalmente el estadístico de prueba determinó cuál de las dos hipótesis planteadas siguientes fué aceptada.

Hipótesis nula (𝐻1 ): Implementar un modelo educativo no permitirá el proceso de enseñanza - aprendizaje de la
asignatura estadística en estudiantes de ingeniería de la Universidad Popular del Cesar.

Hipótesis alterna (𝐻" ): Implementar un modelo educativo permitirá el proceso de enseñanza - aprendizaje de la
asignatura Estadística en estudiantes de ingeniería de la Universidad Popular del Cesar.

Para el análisis de los datos se utilizó la prueba t-student, aplicando el siguiente criterio de prueba: Si el
estadístico de prueba se ubica en la región de rechazo, se descarta la hipótesis nula, aceptando la hipótesis
alterna.

También el análisis de los datos comprendió:

1. Analizar si existe una relación entre el modelo educativo utilizado compuesto de situaciones o estrategias
didácticas y el rendimiento académico de los estudiantes de ingeniería.

21
2. Comparar si los resultados de la variable dependiente (rendimiento académico) de los grupos control y
experimental, permiten afirmar que la implementación del modelo educativo afecta diferencialmente el
aprendizaje de conceptos de la estadística en los estudiantes de ingeniería.

2.1.6. Sujetos de estudio

Para esta investigación los sujetos de estudio fueron estudiantes con edades entre 20 y 25 (15 estudiantes: 8
hombres y 7 mujeres, determinado de manera probabilística) años de los diferentes programas de ingeniería que
oferta la UPC y correspondientes a cuarto y quinto semestre; escogidos de forma aleatoria de una población de
40.

2.1.7. Variables de investigación

Variable dependiente

En esta investigación se tuvo como variable dependiente: el aprendizaje de la asignatura estadística en

estudiantes de ingeniería de la UPC (rendimiento académico).

Variable independiente

En esta investigación se tuvo como variable independiente: el modelo educativo diseñado compuesto por una
serie de situaciones o estrategias didácticas en estudiantes de ingeniería de la UPC.

2.1.8. Instrumento de recolección de datos

El instrumento de recolección de la información (escala Likert) estuvo compuesto por una serie de ítems o
afirmaciones (25), de forma que constituyeron un criterio válido, fiable y preciso para medir el fenómeno de
estudio ¨aprendizaje de la Estadística¨, en los estudiantes de ingeniería de la UPC.

2.1.9. Proceso para seleccionar la muestra

La muestra correspondió a 15 (8 hombres y 7 mujeres), seleccionada de la siguiente manera:

Se implementó la fórmula del tamaño de muestra para una población finita y muestreo sin reemplazo (Martínez,
2012):

𝑧 # 𝑝𝑞𝑁
𝑛 =
𝑒 # (𝑁 − 1) + 𝑧 # 𝑝𝑞
Donde:
𝑛: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑝: 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑞: 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛 𝑓𝑢𝑒𝑟𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑁: 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
𝑒: 𝐸𝑟𝑟𝑜𝑟 𝑑𝑒 𝑒𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛
𝑧: 𝑉𝑎𝑙𝑜𝑟 𝑝𝑎𝑟𝑎 𝑢𝑛 𝑛𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑑𝑎𝑑𝑜
𝑁𝐶: 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎
Datos
𝑁 = 40
𝑁𝐶 = 95%
𝑍 = 1,96
𝑒 = 0,2
𝑝 = 0,5
𝑞 = 0,5

22
 (1,96)# (0,5) (0,5) (40)
𝑛 =
(0,2)# (40 − 1) + (1,96)# (0,5) (0,5)

𝑛 = 15

3. Resultados
3.1. Resultados arrojados por la prueba de Shapiro Wilk
Se observa que el p-value igual a 0,122; es mayor que el nivel de significancia 0,05 establecido en esta
investigación, mostrando que las notas de los estudiantes tienen un comportamiento normal, como se observa
en la siguiente tabla y gráfico.

Tabla 4
Puntajes del grupo control y experimental
a través de la prueba Shapiro Wilk.
Tests of Normality
Shapiro - Wilk
Statistic df Sig.
Notas de los grupos de
estudiantes tanto el
control como el 0,907 15 0,122
experimental.

-----
Gráfico 3

Fuente: elaboración propia

Los resultados arrojados por la prueba Shapiro Wilk , se obtuvieron atraves del programa SPSS Version 23.
(Soluciones Estadisticas para Programas Sociales).

23
3.2. Resultados arrojados por la prueba t – student
Los datos recogidos en esta investigación permitieron mostrar ciertos cálculos a través del modelo estadístico
prueba t-student; el resultado del estadístico de prueba fue de -7.14, ubicándose en la región crítica o región de
rechazo. Estos resultados se pueden observar en la siguiente tabla y gráfico:
Tabla 5
Resumen de las comparaciones en el rendimiento
Grupos Promedios Varianzas
I (Control) 2.0 0,4175
II (Experimental) 4.0 0,1914
Fuente: Elaboración propia

-----

Gráfico 4
Ubicación del estadístico de prueba

Fuente: Elaboración propia

Debido a que el estadístico de prueba se ubicó en la zona de rechazo, se descartó la hipótesis nula 𝐻1 .Por tanto,
se aceptó la hipótesis alterna 𝐻" , es decir, implementar un modelo educativo permite el proceso de enseñanza
- aprendizaje de la asignatura Estadística en estudiantes de ingeniería de la UPC.

3.3. Discusión de los resultados

Se observó que los resultados obtenidos por el grupo control sometido a la enseñanza – aprendizaje de la
estadística de manera tradicional (clase directa) fueron deficientes, debido a que no se concibió la tarea y el
trabajo de los estudiantes dentro y fuera del contexto escolar, como los protagonistas centrales de su propio
proceso educativo; convirtiéndolos así, en receptores pasivos. En consecuencia, se hace necesario que el
profesor, asuma un papel más encaminado hacia la organización de la información y hacia el diseño de modelos,
que permitan una mayor participación, independencia y responsabilidad por parte del estudiante ( Joel, 2006,
citado por García et al., 2019).

Entre los grandes desafíos, que tiene el profesor para influir en el proceso educativo aparece, con un alto nivel
de importancia, la estimulación de la participación activa del estudiante en la construcción de sus valores y, desde
luego, de sus saberes. Las estrategias para lograrlo pueden ser múltiples, sin embargo, la del modelo educativo,
presenta alternativas didácticas que le permita a este la interactividad y el compromiso en la construcción del
saber estadístico (Janssen, 2006, citado por García et al., 2019).

24
Por lo anterior, es imperioso implementar modelos educativos que coadyuven a fortalecer el proceso de
enseñanza – aprendizaje de la estadística en los estudiantes de ingeniería de la UPC y de esta manera conviertan
a estos en protagonistas de su propio aprendizaje; desarrollen sus competencias y refuerzen sus relaciones
interpersonales, las cuales le permitirán adquirir un aprendizaje significativo (García et al., 2019).

4. Conclusiones
Los resultados obtenidos en esta investigación, permitieron llegar a conclusiones con la intención de mejorar el
proceso de enseñanza – aprendizaje de la estadística en estudiantes de ingeniería.

Se presenta una relación entre el modelo educativo utilizado compuesto de situaciones o estrategias didácticas
y el rendimiento académico de los alumnos de ingeniería de la UPC.

El modelo educativo implementado permite que los estudiantes puedan estudiar los conceptos de estadística en
una forma más amena que en el caso de la clase tradicional.

El conocimiento que se tenga de los programas y de sus partes es determinante para que los profesores elaboren
planeaciones didácticas eficientes y obtengan mejores resultados en el aula (Languiano, s.f.).

Se debe promover en el estudiante un razonamiento estadístico que vaya más allá de la simple aplicación de
procedimientos y por ende permitirle avanzar hacia una comprensión de la información estadística, en relación
con los problemas que se generan en el entorno.

Se debe Iniciar una alfabetización estadística que priorice los fundamentos disciplinares por encima de
procedimientos y técnicas, de modo que los estudiantes adquieran las habilidades necesarias para valorar un
problema, analizar su contexto, y combinar diferentes herramientas disciplinares que permitan realizar un
análisis integral.

Se debe proponer en los estudiantes la utilización de la información proveniente de diferentes

disciplinas científicas, aplicar diferentes técnicas estadísticas para extraer el mensaje de los datos en función de
los patrones de variación que describen, y razonen sobre su contenido.

En las instituciones educativas se deben proponer modelos donde intervengan los profesores con sus modos de
enseñar y evaluar, y los estudiantes.

Referencias bibliográficas
Arteaga, P., Batanero, G., Cañadas, G., Contreras, J., Gea, M., Godino, C., López, M. (2015). Didáctica de la
Estadística, Probabilidad y Combinatoria. Universidad de Granada. España.

Artigue, M. (1995). La enseñanza de los principios del cálculo: problemas epistemológicos, cognitivos y
didácticos. En Artigue, M.; Douady, R.; Moreno, L. y Gómez, P. (editor). Ingeniería Didáctica en Educación
Matemática. Una Empresa Docente. Bogotá. Grupo Editorial Iberoamérica.

Asuaje, G. (2017). Rehabilitación urbano – arquitectónica para el casco histórico de la ciudad de Mérida,
municipio Libertador, Parroquia El Sagrario. Instituto Universitario Politécnico Santiago Mariño. Extensión
Mérida. Venezuela.

Batanero, C. (2001). Didáctica de la Estadística. Departamento de Didáctica de la Matemática. Universidad de

Granada. España.

25
Briceño, E., Alamillo L. (2017). Propuesta de una situación didáctica con el uso de material didáctico para la
comprensión de la noción de semejanza en estudiantes de segundo de secundaria. IE Revista de
Investigación Educativa de la REDIECH, vol. 8, núm. 15. Universidad Autónoma de Zacatecas, México.

Briones, G. (1992). Métodos y técnicas de investigación para las ciencias sociales. México:Trillas.

Blog (2015). Prueba de t - student. Recuperado de http://pruebatstudentf.blogspot.com/

Casas, J., Repullo, J. y Donado, J. (2002). La encuesta como técnica de investigación. Elaboración de
cuestionarios y tratamiento estadístico de los datos. Departamento de Planificación y Economía de la
Salud. Escuela Nacional de Sanidad. ISCIII. Madrid. España.

Chávez, R. (2001). Marco metodológico. Recuperado de http://virtual.urbe.edu/tesispub/0095755/cap03.pdf

Departamento de matemáticas y estadística (2016). Reuniones de área. Universidad Popular del Cesar.

Díaz, B. (2013). Secuencias de aprendizaje. ¿ Un problema del enfoque de competencias o un reencuentro con
perspectivas didácticas?. Universidad de Granada Granada, España.

García, Diana C.; Barros, Jorge M.; Solano, Alvaro D. y García, Teovaldo. (2019). Estrategias pedagógicas para la
enseñanza – aprendizaje de la estadística en los grados 6° y 7° de la institución educativa Leonidas Acuña.
Revista Boletín Redipe 8 (7). Recuperado de: file:///D:/Biblioteca/Downloads/Dialnet-
EstrategiasPedagogicasParaLaEnsenanzaAprendizajeDe-7528291%20(1).pdf

Hurtado de Barrera, J. (2000). El proyecto de investigación. Ediciones Quirón. Caracas, Venezuela.

Languiano, M. (s.f.). ¿Para qué sirve un modelo educativo? Recuperado de

https://sites.google.com/site/mariolanguiano96/alsk/home/marisol

Martínez, C. (2012). Estadística y Muestreo. Editorial Ecoe Ediciones. Colombia.

Pértegas, D. y Pitas, S. (2004). Cálculo de probabilidades: nociones básicas. Unidad de Epidemiología Clínica y
Bioestadística. Complexo Hospitalario Universitario de A Coruña. España.

Programa Microsoft – Excel – Office 2010. Recuperado de

ttps://www.uv.mx/personal/llopez/files/2013/03/Manual-Microsoft-Office-Excel-2010.pdf

Programa SPSS Version 23. Soluciones Estadisticas para Programas Sociales. Recuperado de
https://www.youtube.com/watch?v=A4b0cg2PIGU

Sánchez, R. (2015). t-Student. Usos y abusos. UMAE Hospital de Cardiología, Centro Médico Nacional Siglo XXI,
IMSS. México.

Vides, Saúl E., Rivera, Jhonny A. y Hernández, Carlos, G. (2019).

La enseñanza de la distribución de poisson a través de la ingeniería didáctica. Revista Espacios. Volumen 40,
página 25. Recuperado de: https://revistaespacios.com/a19v40n05/a19v40n05p25.pdf

26