Los cambios sociales, tecnológicos y curriculares requieren competencias digitales para analizar y comunicar la información contenida en los datos. Este monográfico, constituido por 8 estudios, ofrece al profesorado de matemáticas recursos para la exploración de datos mediante su visualización, apropiados para diferentes niveles de demanda cognitiva y habilidades digitales.
La visualización gráfica de datos ha experimentado un auge debido, en parte, a la cantidad de softwares disponibles para tal fin. En este trabajo se analiza la exploración gráfica de datos mediante la plataforma web CODAP. Para ilustrarlo, se documentan los primeros pasos en el uso de dicha herramienta, así como algunos ejemplos con datos procedentes de la Encuesta sobre Equipamiento y Uso de las TIC para el año 2023 (INE, 2024).
La visualización gráfica de datos se presenta como un enfoque accesible y eficaz para desarrollar las habilidades necesarias para interpretar y comprender información basada en datos. En este estudio se presenta Tuva como una herramienta destinada al profesorado interesado en integrar la visualización de datos y el análisis estadístico en sus prácticas pedagógicas.
Jamovi es un programa gratuito, basado en el software estadístico R, para el análisis y la representación gráfica de datos, muy popular en el ámbito educativo. Con este trabajo se pretende dar a conocer el programa y mostrar las posibilidades que ofrece para la visualización de datos. Para ello, se ilustra cómo utilizar jamovi para crear gráficos de barras y de violín empleando los datos de la edición de 2023 de la Encuesta sobre Equipamiento y Uso de las TIC en los Hogares.
En este artículo se explora la visualización de datos utilizando PSPP, un software de código abierto que sirve como alternativa gratuita a SPSS. Destaca la importancia de transformar datos complejos en representaciones visuales para facilitar su análisis y comprensión, especialmente en el ámbito educativo. PSPP permite realizar análisis estadísticos y generar gráficos básicos, lo que lo convierte en una herramienta accesible para estudiantes.
Este estudio explora el uso de Power BI, herramienta de Business Intelligence (BI), para fomentar la alfabetización en datos en educación a través de la visualización grafica. Power BI permite representar información mediante gráficos interactivos y dinámicos, facilitando la comprensión de conceptos complejos. Entre sus características destacadas se encuentran los filtros interactivos y la facilidad para cambiar entre distintos tipos de gráficos, lo que fomenta un aprendizaje significativo y contextualizado.
Este artículo explora el uso de Python a través de Jupyter Notebook como herramienta educativa para la visualización y análisis de datos en el ámbito de la enseñanza de matemáticas. A través de ejemplos prácticos, se muestra cómo Jupyter permite crear gráficos variados (barras, líneas, sectores, histogramas, entre otros) usando bibliotecas de Python como Matplotlib y Seaborn, facilitando el análisis exploratorio de datos.
Este artículo explora el potencial del lenguaje R en la enseñanza de visualización y análisis de datos a nivel de Educación Secundaria y Bachillerato. Se introduce la herramienta y se proveen diversas fuentes susceptibles de guiar al profesorado en la creación de experiencias de clase ligadas a la enseñanza de habilidades de programación, análisis y visualización de datos, y pensamiento computacional.
En investigación educativa y, en particular, en la investigación en didáctica de la matemática existe una evidente desconexión con la práctica docente. Con el objetivo de acercar la investigación al profesorado de matemáticas, en este trabajo se presentan los elementos necesarios para entender un artículo de investigación en educación matemática. En primer lugar, el género lingüístico al que pertenece y que determina su forma y sus características.
Se presenta un estudio exploratorio de la definición y ejemplos de aleatoriedad que proponen una muestra de 132 maestros en formación de educación infantil, así como las respuestas a su discriminación entre sucesos aleatorios y no aleatorios. Los resultados indican, en una parte de los participantes, una concepción incompleta de la aleatoriedad y la asignación de una fenomenología muy reducida a los sucesos aleatorios. Hay mejores resultados en la discriminación de sucesos aleatorios y deterministas, aunque todavía se presentan dificultades.