Logo Revista Latinoamericana de Investigación en Matemática Educativa

Artículos

Vol. 21 No. 3 (2018): November

Content knowledge of correlation and regression in prospective teachers

DOI:
https://doi.org/10.12802/relime.18.2134
Submitted
November 4, 2022
Published
2018-10-28

Abstract

The objective of this research was to identify content knowledge: correlation and regression (common, advanced and specialized) in a sample of 65 future teachers of Compulsory Secondary Education and Baccalaureate. To do this, their written answers were analyzed in different tasks related to a statistical project based on data from the United Nations. The results indicate good estimation of the correlation and identification of the adjustment function (common knowledge), correction in the ordering of the explanatory variables according to their predictive power and greater difficulty in explaining the correlation by relationships other than causality (advanced knowledge) and a reasonable analysis of the didactic suitability of the project (specialized knowledge). Some biases and the effect of task variables on responses are also reported.

References

  1. Arteaga, P., Batanero, C., Cañadas, G. R. y Gea, M. (2012). Evaluación del conocimiento especializado de la estadística en futuros profesores mediante el análisis de un proyecto estadístico. Educaçao Matemática Pesquisa, 14(2) 279-297. Disponible en: https://revistas.pucsp.br/index.php/emp/article/view/9317
  2. Ball, D. L., Lubienski, S. T., & Mewborn, D. S. (2001). Research on teaching mathematics: The unsolved problem of teachers’ mathematical knowledge. En V. Richardson (Ed.), Handbook of research on teaching (pp. 433-456). Washington, DC.: American Educational Research Association.
  3. Barbancho, A. G. (1992). Estadística elemental moderna. Barcelona: Ariel.
  4. Batanero, C. & Borovcnik, M. (2016). Statistics and probability in high school. Londres: Sense Publishers. https://doi.org/10.1007/978-94-6300-624-8.
  5. Batanero, C., Godino, J. D., y Estepa, A. (1998). Building the meaning ofstatistical association through data analysis activities. En A. Olivier & K. Newstead, (Eds.), Proceedings of the 22nd Conference of the Internacional Group for the Psychology of Mathematics Education (pp. 221-236). Stellembosch, South Africa: Universidad de Stellenbosh.
  6. Casey, S. A. (2010). Subject matter knowledge for teaching statistical association. Statistics Education Research Journal, 9(2), 50-68. Disponible en https://iaseweb.org/documents/SERJ/SERJ9(2)_Casey.pdf
  7. Casey, S. A. y Wasserman, N. H. (2015). Teachers' knowledge about informal line of best fit. Statistics Education Research Journal, 14(1), 8-35. Disponible en https://iaseweb.org/documents/SERJ/SERJ14(1)_Casey.pdf
  8. Castro-Sotos, A. E., Vanhoof, S., Van Den Noortgate, W. & Onghena, P. (2009). The transitivity misconception of Pearson’s correlation coefficient. Statistics Education Research Journal, 8(2), 33-55. Disponible en https://iase-web.org/documents/SERJ/SERJ8(2)_Sotos.pdf
  9. Chapman, L. J. (1967). Illusory correlation in observational report. Journal of Verbal Learning and Verbal Behavior, 6(1), 151-155.
  10. Engel, J. & Sedlmeier, P. (2011). Correlation and regression in the training of teachers. En C. Batanero, G. Burrill & C. Reading (Eds.), Teaching statistics in school mathematics-challenges for teaching and teacher education: A Joint ICMI/IASE study (pp, 247-258). New York: Springer. https://doi.org/10.1007/978-94-007-1131-0_25.
  11. Estepa, A. (2007). Caracterización del significado de la correlación y regresión de estudiantes de Educación Secundaria. Zetetiké, 15(28), 119-151.
  12. Estepa, A. (2008). Interpretación de los diagramas de dispersión por estudiantes de Bachillerato. Enseñanza de las Ciencias, 26(2), 257-270. Disponible en https://ddd.uab.cat/record/39831?ln=ca
  13. Estepa, A. y Batanero, C. (1995). Concepciones iniciales sobre la asociación estadística. Enseñanza de las Ciencias, 13(2), 155-170. Disponible en https://www.raco.cat/index.php/ensenanza/article/viewFile/21404/93364
  14. Estepa, A. y Sánchez Cobo, F. T. (2001). Empirical research on the understanding of association and implication for the training of researchers. En C. Batanero (Ed.) Training researchers in the use of statistics (pp. 37-51). Granada, España: International Association for Statistical Education and International Statistical Institute.
  15. Estepa, A. y Sánchez-Cobo, F. T. (2003). Evaluación de la comprensión de la correlación y regresión a partir de la resolución de problemas. Statistics Education Research Journal, 2(1), 54-68. Disponible en https://www.stat.auckland.ac.nz/~iase/serj/SERJ2(1).pdf#page=56
  16. Gea, M. M. (2014). La correlación y regresión en bachillerato: análisis de libros de texto y del conocimiento de los futuros profesores. Tesis doctoral. Departamento de Didáctica de la Matemática. Universidad de Granada. Disponible en http://www.ugr.es/~batanero/pages/librostesis.html
  17. Godino, J. D. (2013). Indicadores de la idoneidad didáctica de procesos de enseñanza y aprendizaje de las matemáticas. Cuadernos de Investigación y Formación en Educación Matemática, 11, 111-132. Disponible en https://revistas.ucr.ac.cr/index.php/cifem/article/view/14720
  18. Godino, J. D., Bencomo, D., Font, V. y Wilhelmi, M. R. (2006). Análisis y valoración de la idoneidad didáctica de procesos de estudio de las matemáticas. Paradigma, 27(2), 221-252.
  19. Godino, J. D., Contreras, A. y Font, V. (2006). Análisis de procesos de instrucción basado en el enfoque ontológico-semiótico de la cognición matemática. Recherches en Didactiques des Mathématiques, 26(1), 39-88.
  20. Henry, M. (1997). Notion de modéle et modélisation dans l’enseignement. En M. Henry (Ed.), Enseigner les probabilités au lycée (pp. 77-84). Reims: Commission Inter-IREM.
  21. Hill, H. C., Ball, D. L. & Schilling, S. G. (2008). Unpacking pedagogical content knowledge: Conceptualizing and measuring teachers' topic-specific knowledge ofstudents. Journal for Research in Mathematics Education, 39(4), 372-400.
  22. MECD. (2015). Real Decreto 1105/2014, de 26 de diciembre, por el que se establece el currículo básico de la Educación Secundaria Obligatoria y del Bachillerato. Madrid: Ministerio de Educación, Cultura y Deporte.
  23. Moritz, J. (2004). Reasoning about covariation. En D. Ben-Zvi & J. Garfield (Eds.), The challenge of developing statistical literacy, reasoning and thinking (pp. 221-255). Dordrecht: Kluwer.
  24. Puig, L. y Monzó, O. (2013). Fenómenos y ajustes. Un modelo de enseñanza del proceso de modelización y los conceptos de parámetro y familia de funciones. En T. Rojano (Ed.). Las tecnologías digitales en la enseñanza de las matemáticas (pp. 9-35) México: Trillas. HTML generado a partir de XML-JATS4R por Redalyc
  25. Quintas, S., Ferreira, R. y Oliveira, H. (2015). O conhecimento didático de estatística de duas professoras de matemática sobre dados bivariados. Bolema, 29(51), 284-306. https://doi.org/10.1590/1980-4415v29n51a15
  26. Sánchez Cobo, F. T., Estepa, A. y Batanero, C. (2000). Un estudio experimental de la estimación de la correlación a partir de diferentes representaciones. Enseñanza de las Ciencias, 18(2), 297-310. Disponible en https://www.raco.cat/index.php/Ensenanza/article/viewFile/21674/21508
  27. Shulman, L. S. (1986). Those who understand: Knowledge growth in teaching. EducationalResearcher, 15(2), 4-14. Disponible en https://doi.org/10.1590/1980-4415v29n51a15 Verdú, C., Callejo, M. L. y
  28. Márquez, M. (2014). Conocimiento de los estudiantes para maestro cuando interpretan respuestas de estudiantes de primaria a problemas de división-medida. Enseñanza de las Ciencias, 32(3), 407-424. https://doi.org/10.5565/rev/ensciencias.1235