Omet navegació

Inferència

Sabers

  1. Disseny d’investigacions per donar resposta a una pregunta, repte científic o situació quotidiana.
    [ESS]
  2. Reconeixement en contextos no matemàtics i d’altres matèries de situacions en què desenvolupar un estudi estadístic.
    [ESS]
  3. Tipus de mostreig: simple, aleatori sistemàtic i aleatori estratificat.
    [AMP]
  4. Elecció de mostres significatives d’una població a fi de dur a terme un estudi estadístic.
  5. Formulació de les preguntes adequades per conèixer les característiques d’una població.
  6. Recollida i organització de la informació.
    #EST.DI
    #ALG.PC
  7. Anàlisi dels resultats per identificar patrons i tendències.
  8. Interpretació i relació dels resultats obtinguts amb els objectius de l’estudi.
  9. Reflexió sobre l'ús ètic de les dades estadístiques i la responsabilitat en la interpretació i presentació de dades. #SOE
  10. Elaboració d’un informe en què s’expliqui la metodologia emprada en l’estudi estadístic plantejat, amb els resultats i conclusions.

Descripció i orientacions

Reflexions generals

Després d’haver consolidat a 2n d’ESO les bases del disseny d’investigacions i estudis estadístics, a 3r d’ESO es fa un pas més enllà per ampliar els horitzons analítics. En aquest nivell, l’alumnat ha d’aprofundir en estudis més complexos que requereixen una comprensió més detallada de les dades, especialment pel que fa a la comparativa de diversos subgrups o conjunts d’informació.

Aquesta ampliació és possible gràcies a la introducció de conceptes clau treballats en el bloc de distribució, com la desviació típica i el coeficient de variació. Aquests elements permeten analitzar amb més precisió la dispersió i la variabilitat de les dades, cosa essencial per avaluar la fiabilitat i la comparabilitat dels resultats obtinguts. La inferència estadística esdevé, així, una eina fonamental per interpretar les dades de manera crítica i treure conclusions amb rigor.

Un altre aspecte central és l’aplicació d’aquest coneixement fora del context matemàtic estricte. A 3r d’ESO amb l’aparició de les assignatures optatives, considerem essencial que l’alumnat desenvolupi la capacitat de reconèixer situacions en altres matèries com per exemple ciències socials, física i química o emprenedoria, en què seria pertinent plantejar un estudi estadístic. A més, el treball per projectes esdevé una eina clau per aprofundir en aquests coneixements, ja que permet a l’alumnat aplicar l’estadística a contextos reals mitjançant l’exploració, la recerca i la resolució de problemes interdisciplinaris. Això contribueix a fer que l’aprenentatge sigui més transversal i connectat amb la realitat, i afavoreix la transferència de competències entre disciplines.

En definitiva, el treball de la inferència a 3r d’ESO no només enriqueix la formació estadística de l’alumnat, sinó que també els prepara per afrontar amb èxit situacions complexes que requereixen una anàlisi crítica i fonamentada, tant dins com fora de l’àmbit acadèmic.

Comentaris sobre les connexions

La relació entre la reflexió sobre l’ús ètic de les dades estadístiques i la responsabilitat en la interpretació i la presentació de dades està profundament vinculada amb l’educació socioemocional, especialment pel que fa a abordar i qüestionar idees preconcebudes i estereotips. #SOE.EQ.C

La reflexió sobre l’ús ètic de les dades estadístiques implica ser conscient que les dades no són objectives, sinó que poden ser manipulades o interpretades de manera parcial per reforçar narratives esbiaixades. Aquesta manipulació pot ocórrer en diverses etapes del procés, des de la selecció de les dades fins a la manera en què es recullen, organitzen o presenten. Les decisions sobre quines dades recollir, quins grups incloure o excloure, i com representar visualment els resultats poden influir considerablement en les conclusions que es prenen. Això és especialment rellevant en la interpretació i la presentació de dades, ja que un ús irresponsable pot perpetuar desigualtats o transmetre missatges incorrectes que alimentin prejudicis, com els estereotips de gènere o les suposades diferències en habilitats matemàtiques innates entre grups. Per tant, és essencial que l’alumnat com a futur usuari de dades sigui crític i responsable en el maneig de la informació per evitar la distorsió de la realitat i assegurar-se que els resultats reflecteixin amb precisió els fets.

Comentaris sobre els sabers essencials i d’ampliació

Tot i que al saber #3.EST.IN.C, el tipus de mostreig: simple, aleatori sistemàtic i aleatori estratificat es considera un saber d’ampliació, a 3r d’ESO és convenient continuar fent activitats orientades a treballar el concepte de mostreig i a reflexionar sobre les dificultats que pot implicar aconseguir un mostreig no esbiaixat. Aquest enfocament ajuda a consolidar la comprensió de com els diferents tipus de mostreig afecten la representativitat de les dades i afavoreix una anàlisi estadística més rigorosa i crítica.

Disseny d’investigacions per donar resposta a una pregunta, repte científic o situació quotidiana.

Reconeixement en contextos no matemàtics i d’altres matèries de situacions en què desenvolupar un estudi estadístic.

Tipus de mostreig: simple, aleatori sistemàtic i aleatori estratificat.

Elecció de mostres significatives d’una població a fi de dur a terme un estudi estadístic.

Formulació de les preguntes adequades per conèixer les característiques d’una població.

Recollida i organització de la informació.

Anàlisi dels resultats per identificar patrons i tendències.

Interpretació i relació dels resultats obtinguts amb els objectius de l’estudi.

Reflexió sobre l'ús ètic de les dades estadístiques i la responsabilitat en la interpretació i presentació de dades.

Elaboració d’un informe en què s’expliqui la metodologia emprada en l’estudi estadístic plantejat, amb els resultats i conclusions.

Recursos i activitats

Recursos i activitats generals per al bloc de sabers

Un dels recursos que cal tenir en compte per treballar estadística a l’aula és sense dubte el lloc del grup Vilatzara, L’estadística, més enllà dels paràmetres, que fa una proposta per treballar l’estadística per a cadascun dels nivells, ordenats seqüencialment i, a més a més, en cadascun dels nivells trobareu una proposta per desenvolupar un projecte.

Recursos i activitats per treballar sabers concrets

A continuació, es presenten algunes idees sobre recursos i activitats d’aprenentatge que poden contribuir a l’adquisició dels sabers d’aquest bloc.

A. Disseny d’investigacions per donar resposta a una pregunta, repte científic o situació quotidiana. [ESS]

Treball estadístic

Per tal d’introduir el disseny d’investigacions a l’aula, saber #3.EST.IN.A, Lluís Mora presenta en forma de pregunta les qüestions que ens podem plantejar per fer un estudi estadístic:

Font: Treball estadístic  Autor: Lluís Mora
Lluís Mora. Treball estadístic

Estudi estadístic: l’alimentació i la salut

A l’ARC, podeu trobar una proposta de Raül Fernández per a la realització d’un Estudi estadístic: l’alimentació i la salut, en el qual es treballen les diferents fases de l’estudi estadístic: el disseny de l’estudi i la definició dels seus objectius demanant a l’alumnat que triï 6 variables d’estudi, de les quals 2 han de ser qualitatives, 2 quantitatives discretes i 2 de quantitatives contínues, la recollida de les dades a través d’un formulari, l’organització i el tractament de les dades obtingudes i l’anàlisi dels resultats obtinguts per extreure’n conclusions. Si no es disposa de prou temps per dur a terme l’estudi complet, a l’ARC trobareu el fitxer MP_exemples.zip on consten les dades en brut de l’enquesta real portada a terme per l’alumnat i les taules creades, que permet treballar l’organització i el tractament de dades i l’anàlisi dels resultats obtinguts per extreure’n conclusions.

Control de qualitat

El grup Vilatzara també fa una proposta de disseny estadístic per a 3r d’ESO amb fortes connexions amb altres àmbits i fàcilment convertible en una situació d’aprenentatge: l’estudi de la fiabilitat de les dades d’etiquetatge de l’envàs dels productes que consumim. En l’activitat Control de qualitat es pretén convidar l’alumnat a iniciar-se en el control de qualitat de les empreses i, a través d’un estudi estadístic, esbrinar si com a consumidors ens enganyen amb el contingut d’un refresc o d’una bossa de patates respecte a la referència que apareix a l’etiqueta del producte.

Planter de sondeigs i experiments

Un altre recurs per treballar el disseny d’investigacions estadístiques és el concurs Planter de sondeigs i experiments que any rere any convoca la Facultat de Matemàtiques i Estadística de la UPC, la Facultat d’Economia i Empresa de la UB i la Facultat de Ciències de la UAB. Adreçat a estudiants d’ESO i batxillerat, té com a objectiu principal despertar en els alumnes la curiositat per l’estadística com a eina fonamental en la recerca, tant en ciències experimentals com en ciències socials i, per tant, ens servirà per treballar el saber #3.EST.DI.B.

Al web podeu trobar els guanyadors del concurs des de l’any 2010 en les diverses categories, 1r-2n d’ESO, 3r-4t d’ESO i batxillerat i, sens dubte, és una autèntica font d’inspiració per obrir la porta al treball en l’estadística a l’aula.

Identificació i reconeixement de variables quantitatives discretes i contínues, en contextos diversos.

B. Reconeixement en contextos no matemàtics i d’altres matèries de situacions en què desenvolupar un estudi estadístic. [ESS]

La batalla dels becs

També hi ha una de les activitats amb fortes connexions amb l’estadística i la biologia a La batalla dels becs adaptada per Victòria Carbó de la «Batalla de los picos» de Judy Scotchmoor i que es troba a Nclark amb el títol Evolution. Aquesta proposta forma part de les activitats usuals que fan els nostres companys i companyes de l’àmbit de les ciències naturals, inspirada en la competència pels recursos naturals, i ajuda l’alumnat a entendre com les característiques físiques poden determinar l’èxit d’una espècie per obtenir aliment. Vista des de la perspectiva de l’estadística, permet recollir, analitzar i interpretar dades per extreure conclusions sobre la relació entre adaptació i competència. L’enfocament estadístic introdueix conceptes com la distribució de freqüències, la mitjana, la desviació estàndard, i la comparació de grups, així que quadra amb els sabers marcats per a 3r d’ESO.

Des del punt de vista de la biologia podem dir que els ocells tenen becs adaptats a diferents tipus d’aliment (ex: llavors, insectes, fruita). Aquesta diversitat és clau per a la supervivència i evita la competència directa. Quan els recursos són limitats, només els que tenen l’adaptació més eficient poden accedir-hi. Per representar diferents ocells amb becs adaptats a recursos concrets i observar quins tenen més èxit en condicions de competència, farem servir eines que simulen formes de becs (pinces, culleres, palets, agulles d’estendre roba, etc.) i per als recursos, diversos tipus d’aliments o materials que simulin diferents menes de menjar (llavors petites, trossos de paper, clips, boletes de plastilina, macarrons, etc.).

Materials per fer la pràctica de la batalla dels becs.  Font: La batalla dels becs  Autors: CDEC-ARC
CDEC-ARC. La batalla dels becs

La pràctica consisteix a dividir l’alumnat en grups de 4-5. Cada grup representa una espècie d’ocell amb un tipus de bec (eina), es distribueixen els recursos en diversos punts del «medi» (taules o zones de la classe), a més a més els recursos poden variar en tipus i quantitat, simulant la disponibilitat desigual del medi natural. En un temps limitat (ex: 1-2 minuts), cada estudiant utilitza la seva eina (bec) per recollir tants recursos com pot i dipositar-los al seu niu, i es repeteix la recollida de recursos en diverses rondes canviant les condicions: recursos abundants, recursos escassos i només un tipus de recurs disponible.

El treball estadístic suposa la recollida de dades en forma de taula per estudiar la freqüència: Quants recursos ha recollit cada tipus de bec? Quina és la freqüència relativa? Quin és el percentatge de recursos recollits per cada tipus de bec respecte al total? Podem preguntar-nos llavors: Quin bec és més consistent (desviació estàndard baixa)? Quin bec té un avantatge clar en condicions concretes (mitjana més alta)? I fer gràfics comparatius com diagrames de barres per mostrar la freqüència de recursos recollits per cada bec o histogrames per analitzar la distribució de recursos recollits, i anar més enllà per extreure conclusions a llarg termini de Quin bec és més eficient segons el tipus de recurs? Com canvia l’eficiència dels becs amb l’escassetat o l’abundància de recursos?

Aquesta activitat pròpia de l’estudi de l’evolució a l’àrea de biologia, complementada amb estadística, permet als alumnes aplicar eines quantitatives per extreure conclusions científiques sobre les adaptacions evolutives i com la forma del bec determina l’èxit en la competència pels recursos, una representació pràctica de com l’adaptació morfològica influeix en la supervivència i la reproducció de les espècies.

C. Tipus de mostreig: simple, aleatori sistemàtic i aleatori estratificat. [AMP]

Mostratge i explicació

Per treballar el saber #3.EST.IN.C, tipus de mostreig: simple, aleatori sistemàtic i aleatori estratificat, proposem fer una petita explicació teòrica a classe del mostratge i explicar que és el procediment que s’utilitza per obtenir una petita mostra de la població per estimar i obtenir la informació desitjada i com les mostres es poden obtenir per diversos mètodes.

Podem demanar a l’alumnat que relacioni l’explicació del tipus de mostreig amb el model visual corresponent.

Mostreig aleatori simple: podem escollir cada unitat de la població de manera que tots els elements a escollir tinguin la mateixa probabilitat. Mostreig amb probabilitats desiguals: seleccionem les unitats de manera que les unes tinguin major probabilitat d’aparèixer que les altres (per exemple per mida).
Mostreig estratificat: dividim la població en grups compostos anomenats estrats que siguin molt similars entre si. Després traiem una mostra aleatòria de cadascun d’aquests grups i les ajuntem per constituir la mostra final d’estudi. Mostreig per conglomerats: dividim la població en grups formats per elements molt distints. Després seleccionem uns quants d’aquests grups a l’atzar i la unió d’aquests grups configurarà la mostra final.
Mostreig sistemàtic: calcularem la longitud de pas, anomenada K com el quocient entre la mida de la població i la mida de la mostra. Escollirem un element a l’atzar i posteriorment un de cada K elements.

Font: @Picanumeros

Granges i vaques

Per treballar el saber #3.EST.IN.C i aprendre a aplicar tècniques de mostratge per estimar la mitjana poblacional a partir d’una mostra limitada, podem proposar el problema següent: «Tenim 10 granges amb 25 vaques a cada granja. La mitjana de TOTES les vaques (poblacional) és de 500 kg.

Ets un veterinari que fa les visites a les granges i vols estimar la mitjana, però només pots mesurar 20 vaques en total. Quina estratègia seguiràs?”

Proporcionem a l’alumnat les dades simulades dels pesos de les vaques i fem grups de treball i que cadascun dels grups s’encarregui de fer un mostratge diferent:

  • Mostratge aleatori simple: seleccionar 20 vaques a l’atzar de tota la població.
  • Mostratge estratificat: escollir un nombre fix de vaques de cada granja per assegurar representativitat.
  • Mostratge sistemàtic: mesurar una vaca cada X posicions dins de cada granja.
  • Mostratge a conveniència: la vaca més pesada i la menys pesada de la granja.

Cada grup presentarà la seva estratègia i la seva mitjana mostral i es poden comparar les diferències entre les estimacions i la mitjana poblacional (500 kg) i discutir a classe quina estratègia ha donat un resultat més precís i per què i com afecta el tipus de mostratge a la precisió de l’estimació.

Dinàmica Quiz -Quiz-Trade

Una altra manera de treballar el tipus de mostreig, saber #3.EST.IN.C, és fer una dinàmica QQT, sigles de l’anglès Quiz -Quiz-Trade, en què la idea de QQT és crear targetes didàctiques amb una pregunta en un costat i la resposta al darrere. Cada estudiant rep una targeta i uns minuts per revisar-la per assegurar-se que s’entén la pregunta i la seva resposta. Després, tot l’alumnat es posa dret i s’aparella. L’estudiant A qüestiona l’estudiant B usant el problema de la targeta; després l’estudiant B fa el mateix. Un cop tots els estudiants han contestat les preguntes, intercanvien les targetes i van a buscar un nou company o companya. Una altra opció a l’hora d’organitzar la classe és treballar en cercles concèntrics, es fan les preguntes, s’intercanvien les targetes i després es fa la rotació.

Per recopilar informació per a un projecte de ciències, un estudiant enquesta els altres estudiants que seuen a prop de cada classe.

Resposta: Mostreig aleatori dins de la classe.

Cada nit, l’estació de televisió local té una pregunta d’enquesta ràpida i pregunta als espectadors que truquin o enviïn missatges de text per votar.

Resposta: Mostreig aleatori dins del conjunt dels espectadors.

Per determinar el suport a una nova iniciativa de la ciutat, l’alcalde de la ciutat selecciona D barris de la ciutat a l’atzar i després, amb un mapa aeri, selecciona 20 habitatges dins de cada veïnat per incloure’ls a la mostra.

Resposta: Mostreig estratificat

Una escola vol fomentar una participació més gran de les famílies, per la qual cosa envia a casa una enquesta i demana a cada estudiant que la completi i la torni al mestre del seu fill.

Resposta: Mostreig aleatori

Un gran hospital vol enquestar els pacients recents per determinar el temps d’espera a la sala d’emergències.

L’administrador de l’hospital genera una llista de pacients aleatoris a partir dels registres d’emergència dels darrers 6 mesos i fa que el personal es comuniqui amb cadascun dels pacients seleccionats.

Resposta: Mostreig per conglomerats.

Es va lliurar una enquesta sobre els hàbits d’estudi dels estudiants als primers 100 estudiants d’infermeria que van ingressar a la cafeteria durant el dinar.

Resposta: Aleatori, independent de l’edat dels estudiants.

Un investigador selecciona a l’atzar 25 expedients de cada districte d’un departament de policia urbà per estimar l’edat mitjana dels delinqüents.

Resposta: Mostreig per conglomerats.

Una oficial de control de qualitat d’una gran cadena de supermercats necessita determinar si un enviament de fruita és apte per a la compra. Ella selecciona els 3 palets a prop de la porta per inspeccionar-les a la recerca de macadures i maduracions.

Resposta: Mostreig estratificat donat que els palets se suposa que estan endreçats per tipus de producte.

D. Elecció de mostres significatives d’una població a fi de portar a terme un estudi estadístic.

Quantes persones es manifesten?

El càlcul del nombre de persones en una manifestació és un exemple fantàstic per treballar estadística i concretament el saber #3.EST.IN.D i fomentar el pensament crític a l’aula. A més, aborda un tema rellevant i que genera debat, cosa que pot motivar molt l’alumnat. Podem començar l’activitat presentant dues notícies amb estimacions diferents d’assistència a una manifestació (exemple: «Segons la policia, 20.000; segons els organitzadors, 80.000») i reflexionar sobre per què hi ha tanta diferència en les dades i quines implicacions pot tenir inflar o reduir xifres. A Quantes persones es manifesten? trobareu una proposta d’Anton Aubanell per calcular, a través d’una fotografia aèria, el nombre de persones en una manifestació: cal per a això seleccionar una petita zona quadrada o rectangular per fer l’estudi i el comptatge de persones a la zona escollida i extrapolar el resultat a tota la fotografia a partir de la proporció entre les àrees respectives. També podeu trobar el càlcul de les persones en una manifestació al capítol Tots a la mani de la sèrie Àlia de TV3, on una noia aficionada a les matemàtiques es troba en diferents i divertides situacions de la vida quotidiana que resol emprant eines i raonaments matemàtics. Associat al vídeo de cadascun dels capítols, podeu trobar el document de Suport didàctic generat pel CREAMAT i que dona idees per treballar-ho a l’aula.

Pesar 10 pedres

Una bona activitat per reflexionar sobre el procés de mostreig la podem trobar en un dels mòduls del MMACA. La proposta d’aquest mòdul consisteix a treure i pesar 10 pedres d’una mostra de 100 còdols de mides diferents. En els diversos intents que fan els visitants, les pedres més visibles queden normalment sobrerepresentades i l’estimació del pes mitjà queda, en la majoria dels visitants, per sobre del real. A partir d’aquesta constatació és interessant la reflexió sobre la necessitat d’un procediment aleatori, lliure de qualsevol subjectivitat, per tal d’aconseguir que la mostra sigui representativa.

Enric Brasó. NOUBIAIX 97

Sampling circles

Per portar una activitat semblant a l’aula, podem utilitzar en lloc de pedres circumferències de diàmetres diferents, això és el que proposta Don Steward al seu blog. L’activitat concretament s’anomena Sampling circles. En la proposta es demana que l’alumnat esculli 5 cercles a l’atzar per calcular la mitjana del seu diàmetre. Després de fer els càlculs en parelles, es posaran en comú i es mostrarà que el resultat real és una mitjana de 2 cm, i el que normalment cal esperar a l’aula és que els resultats siguin, en general, superiors i, per tant, podem plantejar-nos com millorar el procés de mostreig. Una opció podria ser amb els ulls tancats escollir els 5 cercles, però els resultats també serien molt esbiaixats, així que podríem buscar alternatives com numerar els cercles i utilitzar els generadors de nombres aleatoris del full de càlcul.

Font: Sampling circles  Autor: Don Steward
Don Steward. Sampling circles

Caldrà insistir a l’alumnat que repetir la mesura quan es fa un mostreig de dades és una pràctica fonamental per garantir la qualitat i la fiabilitat dels resultats estadístics, perquè una única mesura pot ser poc representativa de la realitat. Quan es repeteix la mesura i es calcula la mitjana, s’obté una estimació més robusta i propera al valor real, les repeticions ajuden a identificar dades que s’allunyen significativament de les altres (valors aberrants o outliers), que podrien ser causats per errors en la recollida o per fenòmens inesperats.

E. Formulació de les preguntes adequades per conèixer les característiques d’una població.

Eleccions presidencials dels Estats Units de 1936

Una bona connexió històrica amb errors en el mostreig de dades, saber #3.EST.DI.E, que tenim en les eleccions presidencials dels Estats Units de 1936, quan el republicà Alf Landon va competir contra el demòcrata Franklin D. Roosevelt. Un error de predicció famós es va produir quan la revista Literary Digest va pronosticar que Landon guanyaria per un marge significatiu. Aquest error va passar a la història com un dels errors de predicció més grans en les eleccions nord-americanes.

Vídeo de les eleccions de 1936
Vídeo de les eleccions de 1936

En contrast, el Dr. George Gallup, fundador de l’Institut Gallup, va fer servir una mostra molt més petita, però representativa de només 50.000 persones seleccionades de manera científica. La seva enquesta va predir correctament la victòria aclaparadora de Roosevelt.

Podem estudiar a classe les causes de l’error:

  1. Mostra esbiaixada: Literary Digest va utilitzar una mostra de persones contactades a través de telèfons i registres d’automòbils per recollir les dades. Durant la Gran Depressió, no tothom podia permetre’s un telèfon o un cotxe, de manera que aquesta mostra estava esbiaixada cap a persones de classe mitjana o alta, que eren més propenses a votar pels republicans.
  2. Grandària de la mostra versus representativitat: tot i que Literary Digest va enquestar més de 2,4 milions de persones, la grandària de la mostra no va compensar el fet que no era representativa de la població general. Això va generar una predicció molt allunyada de la realitat.
  3. Errors metodològics: l’enquesta va ser completada principalment per persones que estaven motivades per participar-hi, fet que sovint introdueix un altre tipus de biaix conegut com a biaix de resposta. Això va contribuir a sobrevalorar el suport a Landon.

Finalment, Roosevelt va guanyar de manera aclaparadora amb el 60,8% del vot popular i una victòria en 46 dels 48 estats, un dels marges més amplis de la història dels Estats Units. Aquest error va demostrar la importància de tenir una mostra representativa i va ser un punt d’inflexió en l’ús de tècniques d’enquestes més sofisticades.

Com està el clima?

A classe podem treballar el saber #3.EST.IN.E a través de l’activitat de l’NRICH, Com està el clima?, en què es proporciona a l’alumnat un full de càlcul amb les dades meteorològiques recollides per tres ciutats diferents: Shawbury, Eastbourne i Nairn. S’anima llavors l’alumnat a fer-se preguntes que poden donar lloc a estudis estadístics. També pot resultar interessant fent l’estudi de les dades de les nostres estacions meteorològiques publicades de METEOCAT. Es podran comparar els resultats de les diferents estacions meteorològiques, comparar diferents mesos de l’any de diferents estacions o com ha canviat la temperatura i les precipitacions al llarg dels anys; dins dels recursos per a professorat també es poden trobar fulls d’ajuda fets per Don Stewart per orientar l’alumnat en el tractament de dades.

F. Recollida i organització de la informació. #EST.DI

Treballar les dades agrupades en intervals és un pas natural per aprofundir en l’organització i l’anàlisi de dades a 3r d’ESO, saber #3.EST.IN.F. Aquest tipus de treball permet a l’alumnat gestionar conjunts de dades més grans i complexes i entendre conceptes més avançats com les distribucions de freqüència i les seves aplicacions pràctiques.

Temperatures a dues ciutats

Una bona activitat per fer taules de dades a través de dades o d’un gràfic és la del grup Vilatzara, Temperatures a dues ciutats: en aquesta activitat es demana en quina de les dues ciutats, Nova York o París, les temperatures són més disperses.

Si optem per donar les dades en forma de gràfic, que és interessant per treballar l’organització de dades i també la lectura de gràfics del saber #3.EST.DI.A, la primera dificultat que pot tenir l’alumnat és entendre que les temperatures estan agrupades en intervals i que es necessita la marca de classe per poder fer els càlculs.

Font: Temperatures a dues ciutats  Autors: Grup Vilatzara
Grup Vilatzara. Temperatures a dues ciutats

Un cop resolt el problema de la identificació de les marques de classe per als diferents intervals, el repte següent que pot sorgir entre l’alumnat és el càlcul de la mitjana. Per facilitar aquest procés, els proposarem elaborar una taula per organitzar les dades de manera clara i ordenada.

És probable que els estudiants tendeixin a sumar totes les marques de classe i calcular la mitjana directament. Però, què representa aquesta mitjana? Estem parlant de la mitjana de 10 dades? O, en realitat, el que volem calcular és la mitjana de la temperatura al llarg dels 365 dies de l’any? Amb aquestes preguntes, podem guiar l’alumnat cap a una comprensió més precisa i a fer el càlcul correcte de la mitjana.

En aquesta activitat si es calcula la diferència de la marca de classe i la mitjana dels valors, la dispersió no és gaire significativa; sí que surten més disperses les de NY, però haurem de fer recapacitar sobre què passa amb els signes negatius i la necessitat de desviació mitjana o estàndard.

Quants euros portem a la cartera?

Basant-nos en la proposta de Carmen Batanero i Juan Godino que apareix en el capítol 2.6 de la seva obra Estocástica y su didáctica para maestros (Batanero & Godino, 2001b), on es fa un histograma associat al nombre de pessetes que porta l’alumnat a la butxaca, podem proposar l’activitat Quants euros portem a la cartera?.

Podem reflexionar inicialment sobre si la quantitat que portem pot variar molt i què ens interessa saber (ex: mitjana, moda, grans diferències a la classe); d’aquesta manera cada alumne comprova la quantitat d’euros que porta a la cartera (en metàl·lic) i s’anoten les dades de manera anònima en un full compartit o un registre digital. L’alumnat agrupa les dades recollides en intervals, per exemple:

  • 0-5 €
  • 6-10 €
  • 11-20 €
  • 21-50 €
  • Més de 50 €

Es construeix una taula amb l’estructura següent:

Interval (€) Freqüència absoluta (f) Marca de classe (x) Freqüència relativa (%)
0-5
6-10
...

Podem aprofitar l’activitat per reflexionar sobre quants intervals cal agafar i quina longitud haurien de tenir i com pot afectar això els resultats obtinguts.

A partir de la taula podem calcular la mitjana ponderada utilitzant les marques de classe, identificar la moda, reflexionar si la distribució de les dades és uniforme o està més concentrada en alguns intervals.

Seria interessant també comparar els resultats amb altres classes o amb altres grups d’edat i comparar la desviació estàndard d’aquest grup amb altres grups o reflexionar sobre com la dispersió de les dades pot canviar si es consideren altres situacions, com dies laborables respecte als caps de setmana.

G. Anàlisi dels resultats per identificar patrons i tendències.

Which-list-which

Per treballar l’anàlisi dels resultats en la identificació de patrons i tendències, saber #3.EST.IN.G, sense necessitat de fer tot un estudi estadístic, us proposem la tasca de NRICH, Which-list-which, un problema en el qual dos alumnes que recollien dades han oblidat etiquetar de quin tipus d’estudi es tracta. Alice recollia dades meteorològiques, Charlie recollia pesos i la resta de llistes de dades no sabem si es tracta de les d’Alice o les de Charlie.

L’alumnat acostuma a pensar que calcular la mitjana els dona tota la informació que necessiten saber sobre un conjunt de dades. En aquest problema, les dades s’especifiquen de tal manera que calcular mitjanes no és suficient per distingir entre els conjunts, però observar la forma de les distribucions permet veure clarament les diferències. Per comparar les distribucions, podem animar l’alumnat a utilitzar tècniques estadístiques com a diagrames de tall i fulla, diagrames de caixa i bigotis i gràfics de barres o histogrames o calcular el rang o la desviació mitjana o estàndard.

H. Interpretació i relació dels resultats obtinguts amb els objectius de l’estudi.

La mida de les peces

Una bona activitat per treballar la interpretació dels resultats d’un estudi i relacionar-los amb els seus objectius, saber #3.EST.IN.H, és treballar en contextos com ara el màrqueting, la producció, la logística i la gestió empresarial. El grup Vilatzara, a l’activitat La mida de les peces fa una proposta d’activitat on s’han d’escollir dues màquines per a la producció de peces i amb la complexitat que totes dues tenen les mateixes característiques tècniques i costen el mateix. Per això s’ha decidit fer-los una prova construint amb cada màquina sis peces i així mesurar l’amplada de cada peça fabricada.

Quan es fa l’estudi de les dades, s’arriba a la conclusió que totes dues màquines produeixen peces que tenen la mateixa mitjana, i caldrà fer una sèrie de preguntes i activitats que portin a reflexionar l’alumnat sobre la importància de la variabilitat i la consistència en els resultats per treballar també així el saber #3.EST.DI.H.

Us proposem les preguntes següents per a la interpretació de les dades i perquè l’alumnat acabi discriminant quina màquina és l’adequada tenint en compte el corresponent càlcul de la desviació:

Comprensió de la mitjana:

  • Què significa que dues màquines tinguin la mateixa mitjana? Quins resultats concrets esperaries de cada màquina?
  • Si la mitjana de les peces produïdes per les dues màquines és la mateixa, vol dir que les dues màquines són iguals en qualitat o rendiment?

Aquestes preguntes ajuden els alumnes a adonar-se que la mitjana només descriu una tendència central, però no captura la variabilitat en les dades.

Introducció a la variabilitat:

  • Imagina que observes que una de les màquines produeix algunes peces molt per sobre de la mitjana i altres molt per sota. Com creus que això afectaria la qualitat del procés?
  • Què passaria si una altra màquina produeix peces gairebé idèntiques en cada passada? Quina màquina consideraries més consistent?

Aquestes preguntes poden dur els estudiants a reconèixer que, tot i que les dues màquines poden tenir la mateixa mitjana, la dispersió dels resultats (la variabilitat) pot ser molt diferent.

Importància de la dispersió:

  • Si tinguéssim dues màquines amb la mateixa mitjana, però una té molta més variabilitat que l’altra, quina màquina consideraries millor per a un procés de producció on la precisió és important?
  • Per què creus que és important conèixer no només la mitjana, sinó també quanta variabilitat hi ha en els resultats?

Aquestes preguntes poden portar l’alumnat a pensar en la importància de mesurar no només la mitjana dels resultats, sinó també com es distribueixen al voltant d’aquesta.

Desviació mitjana com a eina de mesura:

  • Si volguéssim comparar la consistència entre les dues màquines, quina mesura creus que podríem utilitzar per saber quina té més estabilitat en els seus resultats?
  • Com creus que podem calcular la fiabilitat d’un procés de producció?

Aquestes preguntes guien l’alumnat cap a la idea que la desviació mitjana és una mesura que pot ajudar a quantificar la variabilitat i la consistència dels resultats, aspectes que no es reflecteixen només amb la mitjana.

Dificultats en el càlcul de la desviació mitjana o desviació estàndard

  • Com podríem evitar que les desviacions positives i negatives es cancel·lin entre elles quan les sumem?
  • Si volguéssim obtenir una mesura que indiqués l’efecte mitjà de les desviacions respecte a la mitjana, què podríem fer amb aquestes desviacions?
  • Com podríem calcular una mena de mitjana de les desviacions?
  • Quines dificultats comporta fer valors absoluts? Per què sembla més pràctic fer quadrats?
  • Què passaria si, en lloc de sumar les desviacions directament, les elevéssim al quadrat per evitar que es cancel·lin? Què ens aportaria això? Com es modificarien les unitats de mesura en elevar al quadrat? Què podem fer per tenir les unitats de mesura correctes?

La durada de les piles

En la mateixa línia, el grup Vilatzara també proposa l’activitat La durada de les piles, en què una cooperativa de ferreteries rep dues ofertes de dos fabricants diferents per a un mateix model de pila.

Les piles dels dos fabricants costen el mateix. Per tant, el preu no és un factor decisiu i altre cop la durada de les dues piles presenta la mateixa mitjana, la qual cosa les fa pràcticament equivalents. Si es representen les freqüències en un diagrama de barres ja es veu que no ho són tant, d’equivalents, i aquesta diferència es quantifica amb la desviació (en aquest cas, poc importa si es tracta d’una desviació mitjana o d’una d’estàndard). Convé interpretar la poca dispersió com una mesura de la regularitat o la fiabilitat del producte. L’objectiu és aplicar el càlcul de la desviació per complementar la informació del paràmetre de centralització i escollir la cooperativa més adient.

Partint de l’activitat de la durada de les piles del grup Vilatzara podem treballar el saber #3.EST.IN.H, tot dissenyant un estudi estadístic per comparar la duració de diverses marques de piles i determinar quina ofereix més bon rendiment respecte al preu. Per portar a terme la nostra investigació, necessitarem piles de diferents marques, dispositius que consumeixin energia de manera constant com llanternes led, joguines electròniques, ràdios petites, etc. i un cronòmetre o una càmera per registrar el temps d’ús.

Registrant el temps total de funcionament i repetint el procés amb totes les piles de cada marca, podem calcular la mitjana de duració de les piles de cada marca, la desviació estàndard per veure la variabilitat entre piles de la mateixa marca i el coeficient de variació per comparar la dispersió entre marques.

Càlcul i interpretació dels paràmetres estadístics de dispersió de variables contínues i discretes (rang, variància i desviació típica).

I. Reflexió sobre l'ús ètic de les dades estadístiques i la responsabilitat en la interpretació i presentació de dades. #SOE

Covid-19

Per fer una reflexió sobre l’ús ètic de les dades estadístiques, saber #3.EST.IN.I, us proposem treballar el paper de les dades estadístiques durant la pandèmia de la covid-19. Podem començar la classe amb una breu explicació sobre el paper de les dades estadístiques durant la pandèmia de la covid-19, com els mitjans de comunicació pretenien informar la població i com les dades van servir per prendre decisions polítiques i sanitàries.

Per introduir el concepte de l’ús ètic de les dades i els riscos de la seva mala interpretació, podem parlar de les maneres de manipular les dades com a manipulació gràfica (escales, omissions, unitats, etc.), la selecció esbiaixada de dades o la simplificació excessiva que indueix a errors. Posteriorment, podem dividir l’alumnat en grups de treball de tres o quatre alumnes; podem assignar a cada grup una notícia diferent basada en exemples reals que han d’analitzar: un grup pot analitzar un gràfic amb escales mal ajustades que exageren l’augment de casos; l’altre un titular alarmista basat en un percentatge fora de context; l’altre una notícia que compara dades sense explicar diferències en la metodologia i l’altre un exemple de bona pràctica (gràfic clar, amb notes explicatives). Podem demanar a cada grup identificar quin aspecte de l’ètica i la responsabilitat es veu compromès (o respectat) i discutir l’impacte potencial que tindria aquest ús de dades en la societat (desinformació, pànic, confiança, etc.).

Exemple de 3 portades de diari en les quals les xifres de recuperats destacades pels tres mitjans queden eclipsades per les imatges de portada escollides.  Font: Revista de Comunicación y Salud, 2020
Revista de Comunicación y Salud, 2020. Exemple de 3 portades de diari en les quals les xifres de recuperats destacades pels tres mitjans queden eclipsades per les imatges de portada escollides.

Cada grup pot presentar el seu treball analitzant i explicant què es va fer bé o malament en el tractament de les dades i quines recomanacions faria per millorar la presentació o interpretació de les dades corresponents i, d’aquesta manera, iniciar un debat de com podem evitar la manipulació estadística, quina responsabilitat tenen els mitjans, les autoritats i la ciutadania en la interpretació de dades i com podem educar millor la població per entendre les estadístiques; finalment, es pot fer un tancament amb la proposta d’una guia de bones pràctiques de tractament de les dades.

Comunicació clara i comprensible de les dades i resultats estadístics

David Spiegelhalter, expert en la interpretació estadística i la comunicació de resultats i un dels estadístics més destacats, ha defensat la comunicació clara i comprensible de les dades i resultats estadístics. En particular, destaca la importància d’adaptar la presentació de les dades al públic objectiu i de fer servir una narrativa que contextualitzi les dades per donar-los sentit. Alguns punts clau sobre el que Spiegelhalter ha expressat respecte als informes estadístics i que ens serviran per treballar el saber #3.EST.IN.I i que caldria tractar a l’aula són:

  • La claredat i el context: els informes estadístics han d’evitar el llenguatge excessivament tècnic quan el públic no és expert. Per ell, és fonamental proporcionar context i explicar per què els resultats són importants, fent connexions amb problemes pràctics o socials i tenint clar a quin públic van dirigits. Per exemple, en lloc de fer servir «el 35% dels projectes acaben en fracàs» es podria dir «aproximadament 1 de cada 3 projectes acaba en fracàs», ja que aquesta expressió beneficia la comprensió pel gran públic.
  • La importància de la transparència: l’informe no només ha de contenir els resultats, sinó també com s’han obtingut. Això inclou explicar les assumpcions fetes, els models utilitzats i les possibles limitacions. Això ajuda a garantir la confiança en les conclusions.
  • La visualització efectiva: Spiegelhalter és un defensor fervent de l’ús de gràfics i visualitzacions clares en els informes estadístics. Ha destacat que les representacions visuals ben fetes poden facilitar enormement la comprensió, però també ha advertit contra l’ús enganyós o excessiu de gràfics sense context.
  • La comunicació ètica: cal tenir en compte que els informes estadístics poden influir en les decisions públiques i personals; per tant, és fonamental evitar biaixos i manipular resultats per donar suport a una narrativa predefinida.

Repte Barcelona Dades Obertes

Un web interessant per treballar estadística i per consultar informes estadístics és el d’Open Data Barcelona, on fins al 2021 es va organitzar un concurs per a l’alumnat de 3r, 4t d’ESO i cicles formatius. El Repte Barcelona Dades Obertes tenia com a objectiu visibilitzar el portal de dades obertes de l’Ajuntament de Barcelona i animar la ciutadania a explorar-lo, entenent el seu potencial com a font d’informació pública. Pretenia que l’alumnat o bé en grups o bé individualment treballés amb dades reals de la ciutat fent anàlisis demogràfiques, econòmiques, urbanístiques, de mobilitat, d’accidentalitat, etc.

Al web trobareu els informes estadístics de l’alumnat de 3r i 4t d’ESO guanyadors de les diferents edicions i els vídeos divulgatius dels diferents estudis.

Creado con eXeLearning (Ventana nueva)