Pensamiento:
La naturaleza es probabilística,
La información, incompleta
Los resultados, esenciales
Los recursos, limitados
Las decisiones, inevitables
H.S. Frazier,
Universidad de Harvard, 1980
Introducción
La preocupación por la calidad, eficiencia, productividad y competitividad que existe actualmente en todos los ámbitos del sistema educativo, es el resultado del proceso de globalización[1]Es a partir de la segunda mitad del siglo XX que se han estado buscando soluciones al problema de la calidad educativa en todos los niveles educativos en los países latinoamericanos, lo que ha conducido a que se generara un sinnúmero de cambios en los programas, en la formación docente y en los recursos empleados a fin de obtener mejores resultados (Marques, 2008)[2].
En el área educativa, la incorporación de las tecnologías
de la información y la comunicación (TIC) ha propiciado un replanteamiento
de los métodos de enseñanza y aprendizaje. En gran medida, por
la posibilidad actual de incorporar un nuevo medio de comunicación (Internet),
grandes recursos informáticos y nuevas formas de interactuar y de comunicar,
entre otras capacidades. Como un efecto de la inserción de la tecnología
de Internet en el proceso educativo, han surgido nuevas propuestas teóricas
educativas, nuevos diseños instruccionales y, en general, nuevos ambientes
pedagógicos en línea[3]en prácticamente
todas las instituciones de educación superior.
En años recientes, se ha manifestado el interés de la comunidad académica internacional por abordar la enseñanza de Estadística tanto en el pregrado como en el postgrado. En este sentido, el International Statistical Institute (ISI)[4] fundado en 1885, con sede en los Países Bajos (Netherlands) de Europa, sostiene que la educación estadística es un importante foco de interés. Por ello, en 1948, el ISI estableció el Comité de Educación. Dicho comité está encargado de promover la formación estadística a nivel internacional, colaborando para este fin con la UNESCO y otros organismos internacionales, y marcando el comienzo de un programa sistemático de apoyo a la educación. Y si entendemos que la investigación representa, en efecto, uno de los ejes dinamizadores de la práctica sociohistórico humana, y la tendencia prevaleciente hoy apunta a la integración de la producción del conocimiento científico en la planificación de las políticas de desarrollo social. Por tanto, los resultados de la actividad de ciencia e innovación tecnológica en el campo educacional desempeñan un creciente papel en la toma de decisiones, la solución de los problemas inmediatos y perspectivos y la construcción de la teoría, como guía indispensable para toda acción transformadora.
En este sentido, Ottaviani (1998)[5] menciona que la UNESCO
implementa políticas de desarrollo económico y cultural para todas
las naciones, que incluyen la alfabetización básica y también
la numérica. Por ello, los estadísticos sienten la necesidad de
difundir la Estadística, no solo como una técnica para tratar
los datos cuantitativos, sino como una cultura, en términos de capacidad
para comprender la abstracción lógica de las relaciones analíticas
utilizadas, que a su vez posibilitan el estudio cuantitativo de los fenómenos
colectivos.
Por su parte, la International Association for Statistical Education (IASE)6, sección del ISI, creada en 1991 con el fin específico de mejorar la educación y la cultura estadística a nivel internacional, ha logrado asociar alrededor de 500 miembros interesados en la enseñanza de la Estadística en cualquiera de los niveles educativos, el desarrollo de software estadístico, la preparación de expertos para las unidades estadísticas del gobierno y la elaboración de materiales didácticos, entre otros (Batanero, 2003)[6].
Con base en lo anterior, queda clara la ventaja de disponer de una educación estadística, sustentada sobre una base didáctica innovadora que apoye a los profesionistas e investigadores en diversas disciplinas, no solo para valorar y tomar decisiones sobre los diseños de investigación, sino para leer la literatura científica de su especialidad y para comunicarse tanto con los estadísticos profesionales, a propósito del análisis de sus datos, como con el público en general.
En acuerdo con lo anterior, Rossman (2005)[7] señala que la Estadística debe enseñarse mediante la utilización de datos reales y centrarse en el análisis e interpretación de dichos datos. Para él, la pedagogía ideal para Estadística debe basarse en el constructivismo y en el aprendizaje activo.
Por otra parte, la Estadística como ciencia experimenta cambios progresivos, tanto en su contenido como también de las demandas de formación. Esto implica una dificultad adicional de enseñar un tema en continuo cambio y crecimiento. Aquí es conveniente rescatar lo que puntualiza Batanero (2004)[8] acerca de la necesidad de realizar investigaciones formales para conocer cuáles son las principales dificultades a las que se enfrentan los estudiantes y docentes al aplicar una didáctica innovadora de la Estadística, que nos permita comprender la naturaleza compleja de dicha didáctica.
Partiendo de lo anteriormente expresado se plantea el siguiente objetivo CTS: Reflexionar acerca de las implicaciones sociales para el profesional de la salud de los cursos de postgrado para el uso de los software estadísticos profesionales en la solución de problemas biomédicos.
Desarrollo
Y si entendemos la necesidad del desarrollo de los actores involucrados en el proceso educativo y que esta es el área fundamental de los impactos de los resultados de las investigaciones en las ciencias de la educación, nos estamos refiriendo a transformaciones que propicien, según Miguel Jorge Llivina Lavigne y colaboradores[9]
El desarrollo de aprendizajes desarrollares.
La formación de una cultura general integral en los educandos.
El desarrollo de una personalidad integral, que le permitan a todas las personas defender las conquistas del socialismo, nuestros valores, nuestra identidad nacional.
Aumento de consenso teórico en torno a las Ciencias de la Educación.
Desarrollo de las Ciencias de la Educación.
Perfeccionamiento de la formación y superación del personal docente.
Y además que para poder lograr impactos en cualquiera de estas áreas, se plantean como condiciones necesarias las siguientes:
La adecuada relación cliente-ejecutor, en nuestro caso entre los principales clientes que son las enseñanzas y los investigadores de los Institutos Superiores Pedagógicos, para poder identificar los resultados que realmente son necesarios y los métodos y las vías para su introducción y su generalización.
Los recursos materiales y humanos necesarios para obtener los resultados.
Los recursos y posibilidades para la difusión de los resultados.
Carácter holístico de los mismos, o sea, que sean resultados que vean los problemas integralmente y su solución como la respuesta más completa posible.
Y si comprendemos que resulta imprescindible la mejora del desarrollo
profesional para mejorar la enseñanza de la estadística, estamos
en condiciones de entender lo siguiente:
Para explicar brevemente lo anterior comencemos citando a Hacking (1990), quien expresa que uno de los descubrimientos decisivos del siglo XX fue la constatación de que el mundo no es determinista. No sorprende, por tanto, que la inferencia estadística sea uno de los temas más enseñados en la universidad, al ser una herramienta fundamental en la política y administración y en la investigación en todas las áreas de conocimiento, pues permite interpretar la información, obtener predicciones y conclusiones y tomar decisiones adecuadas.
Por otro lado, en los últimos años observamos una tendencia creciente a incluir contenidos de inferencia estadística en el currículo de matemáticas de los últimos años de la escuela secundaria y Bachillerato. Por ejemplo, los estándares americanos NCTM (2000) sugieren que los estudiantes en los grados 6-8 deben usar las observaciones sobre las diferencias entre dos o más muestras para hacer conjeturas sobre las poblaciones correspondientes. En los grados 9-12 la simulación se debe usar para explorar la variabilidad de los estadísticos muéstrales (como la media) y comenzar a comprender lo que es la distribución muestral.
En la actualidad en esta enseñanza existe el PROYECTO "EarlyStatistics:
Improving statistics instruction in European elementary and middle schools though
online professional development" (COMENIUS Project 226573-CP-1-2005 quien
en el marco de la I.A.S.E. (Asociación Internacional para la Enseñanza
de la Estadística) ha decidido significar a este proyecto con la concesión
del Premio Internacional de Alfabetización Estadística 2009, por
las expectativas que abre dicho plan de formación permanente, ofertado
por Bruselas para los profesores de matemáticas de la Unión Europea.
Este proyecto se plantea las siguientes finalidades:
• Colaborar en la mejora de la calidad de la educación estadística, a través de la mejora del conocimiento profesional de los profesores.
• Elaborar un programa formativo ("Earlystatistics pilot course"), desde unos principios comunes y en cinco contextos diferentes.
• Apoyado en procesos de colaboración y recursos tecnológicos, (Azcárate,
Cardeñoso y Serradó, 2009)[10].
• Sometido a un proceso riguroso de investigación que permita
valorar su adecuación y eficacia.
Estas finalidades se pretenden afrontando el desarrollo específico de los dos principios educativos siguientes (Cardeñoso, Azcárate y Serradó, 2008)[11]
• La educación estadística necesita de ambientes de aprendizaje activos que a través de la indagación y el debate, permitan elaborar un conocimiento relevante y significativo de los conceptos estadísticos.
• Por coherencia entre lo que se propugna para las aulas de educación obligatoria, las estrategias metodológicas usadas en los proceso de formación deben responder a los mismos principios que los que se propician.
El contenido del programa gira en torno a las tres grandes dimensiones que caracterizan el conocimiento profesional:
La Epistemológica: el dominio y comprensión conceptual y didáctica del contenido.
La Cognitiva: la comprensión del aprendizaje estadístico y formas de promoverlo.
La Práctica: el desarrollo de las competencias y estrategias de
intervención en las aulas.
En Cuba en las especialidades de Medicina y Tecnología de la Salud incluye en el segundo año, entre otros, los siguientes contenidos:
• Implicaciones prácticas de los teoremas: Central del límite, de aproximación de la binomial a la normal y Ley de los grandes números.
• Problemas relacionados con la elección de las muestras. Condiciones de representatividad. Parámetros de una población. Distribuciones de probabilidad de las medias y proporciones muéstrales.
• Intervalo de confianza para el parámetro p de una distribución binomial y para la media de una distribución normal de desviación típica conocida.
• Contraste de hipótesis para la proporción de una distribución binomial y para la media o diferencias de medias de distribuciones normales con desviación típica conocida.
Estas directrices plantean un desafío didáctico, pues la investigación nos alerta que muchos estudiantes, incluso a nivel universitario, tienen concepciones que les impiden hacer una adecuada interpretación de los resultados proporcionados por la inferencia estadística (Vallecillos, 1999[12]Batanero, 2000[13]Castro, Vanhoof, Noortgate, & Onghena, 2007[14]Harradine, Batanero, & Rossman, en prensa[15]
Igualmente se ha denunciado el uso e interpretación incorrecta de la inferencia por parte de profesores e investigadores a lo largo de muchos años (por ejemplo, Morrison & Henkel, 1970[16]Abelson, 1997[17]Harlow, Mulaik, & Steiger, 1997[18]Borges, San Luis, Sánchez, & Cañadas, 2001[19]
Una de las posibles razones de esta situación es que la enseñanza es con frecuencia rutinaria, enfatiza las fórmulas y definiciones sin prestar toda la atención que requieren las actividades de interpretación y contexto de donde se tomaron los datos. Aunque los estudiantes lleguen a dar las definiciones y usar los algoritmos con competencia aparente, pueden tener dificultades de comprensión o de conexión de los conceptos estadísticos fundamentales y no sabrán elegir el procedimiento que deben aplicar cuando se enfrenten a un problema real de análisis de datos.
Por otra parte la disponibilidad actual de software y tecnología hace que sea posible dedicar el tiempo que previamente se invertía en cálculos laboriosos para propiciar una aproximación menos formal y más intuitiva a la estadística. "La capacidad estadística que se requiere no es la tradicional", "Debemos preguntarnos si la enseñanza tradicional de los estudiantes es demasiado restringida" afirma Moore (1997, p. 124)[20].
El libro Digital Phoenix organizado por T. W. Byrnum y J. H.Moor[21]examina transformaciones en la filosofía académica asociadas al advenimiento de la computadora: metafísica, lógica, filosofía de la ciencia, retórica, inteligencia artificial y ética están transformándose. Nuevos descubrimientos en las ciencias biológicas y en la psicología sobre el cerebro, la cognición y la percepción están alterando las bases de la filosofía de la mente.
Tom Dwyer[22]afirma que en las ciencias sociales es posible observar transformaciones en divulgación, pedagogía e investigación. Hasta ahora no se observa ninguna "revolución" paradigmática porque los conceptos básicos empleados en las ciencias sociales, a diferencia de lo que ocurre con la biología, continúan siendo los tradicionales y nos invita a examinar siete innovaciones, todas ellas involucran a las TIC y pueden ser consideradas metodologías informacionales, metodologías de investigación y enseñanza:
(a) Publicación, divulgación y enseñanza vía www.
(b) Disponibilidad de bases de datos, bibliotecas virtuales y otras fuentes de investigación en formato digital.
(c) Programas de análisis estadístico.
(d) Programas de análisis cuantitativo de datos cualitativos.
(e) Programas de geoprocesamiento.
(f) Programas de inteligencia artificial.
(g) Laboratorios sociales virtuales
Más adelante el mismo autor centra nuestra atención en varias familias de software que facilitan la manipulación de datos y que potencialmente contribuyen a la transformación de nuestras investigaciones sobre los procesos sociales observables, y nuestras maneras de construir y testear hipótesis y teorías y afirma que en las ciencias sociales contemporáneas hay una percepción generalizada de que los antiguos paradigmas no sirven más para analizar las nuevas complejidades observables y resume que es común hablar de cuatro familias de software que más allá de enriquecer las bases del análisis social, también pueden contribuir a minar las antiguas prácticas de investigación y a exigir nuevas teorías.
Software de análisis de datos cuantitativos como el SPSS y el SAS son los más tradicionales y conocidos entre todas las metodologías informacionales de investigación y afirma que estos programas han tenido gran impacto en la sociología norteamericana es preciso decir que en la sociología brasileña su influencia parece haber sido modesta, esta misma percepción tenemos para la cubana.
Mientras que los softwares de análisis de datos cualitativos tales como Nud•ist, NVivo, MAXqda, Atlas/ti y Ethnograph permiten el análisis sistemático de datos, textos e imágenes presentado en formato digital: vídeos, diarios, entrevistas y todo tipo de archivo digitalizado. Estos softwares aumentan la objetividad (entendida como la construcción de comprensiones intersubjetivas) de análisis de contenido y potencialmente reducen, y mucho, las dificultades tradicionalmente asociadas al análisis de contenido de los datos cualitativos. También contribuyen a borrar la frontera tradicional entre investigación cualitativa e investigación cuantitativa.
De lo anterior, especifica Tom Dwyer, se deriva que los contenidos de los cursos de teoría, metodología y técnicas tendrán que cambiar, no es más solamente epistemología, métodos cuantitativos y cualitativos y diseño de investigación lo que será importante, sino también, las metodologías informacionales. De la misma forma, la visión teórica tendrá que cambiar, donde la teoría es vista de modo canónico como una fuente a partir de la cual las hipótesis son deducidas para ser "aplicadas", deberá ser vista como construida a través de procesos inductivos y en diálogo con las grandes teorías. O sea, el alumno tendrá que "aprender al hacer" ciencia de una nueva manera. El cuarto pilar de la educación es que los alumnos deben "aprender a vivir juntos". Ahora la vida en conjunto debe construirse de acuerdo al contexto de la sociedad de la información, empleando las herramientas y respondiendo a los interrogantes planteados por esta sociedad.
Con base en lo anterior, la calidad educativa se entiende como la síntesis de atributos que posee una institución o programa educativo. Así, Marques (2008)[23] establece que la calidad educativa está determinada por la capacidad que tienen las instituciones para preparar al individuo, de tal manera que pueda adaptarse y contribuir al crecimiento, desarrollo económico y social mediante su incorporación al mercado laboral, por lo que la calidad se valora en función del progreso y de la modernidad del país.
La buena o la excelente calidad de los programas educativos es, por tanto, un imperativo insoslayable. Si los fundamentos lógicos y éticos de este imperativo no fueran suficientes, también podrían esgrimirse razones económicas y políticas: la educación superior, y con ella el posgrado, requiere las mayores inversiones; su infraestructura física y tecnológica es la más compleja y costosa; sus impactos en la producción de bienes y servicios son determinantes para la independencia o la falta de ésta en términos económicos (Cardoso, 2006, p. 64)[24].
Es necesario mencionar que los principales responsables de la calidad de los programas educativos son los académicos, quienes investigan y propician el aprendizaje, ellos son los principales agentes de la calidad de un programa pues son el enlace directo y tangible entre éste, la IES (Instituciones de Educación Superior) y la sociedad. Por tanto, "la calidad ejemplar de los docentes en sus quehaceres, es el fundamento y estándar de la calidad del proceso educativo, sea en la docencia o en la investigación" (Arredondo, 2002, p. 25). Esto significa que lo que ocurre en el aula, el laboratorio, el taller, la biblioteca o centro de cómputo, es primordialmente responsabilidad de los académicos. Por tanto, para la educación superior se ha convenido que la unidad a evaluar para valorar la calidad educativa de una IES sea el programa, que es el objeto unitario de evaluación más operativo, conveniente y práctico (Gago, 2005)[25].
Los criterios generales que se pueden utilizar para medir la calidad de un programa son: 1) La eficacia y eficiencia; 2) la pertinencia y, 3) la trascendencia y equidad (Gago, 2005). Con base en estos criterios, se construyen indicadores, estándares y parámetros que permitan identificar, comparar y calificar las características y atributos de un programa de educación superior.
Tal y como lo menciona Cardoso (2006):
El grado de pertinencia social de un programa o institución se mide por el impacto social que genera, por el flujo de repercusiones y de transformaciones de sentido que se producen objetivamente en la sociedad de su entorno, como efecto del cúmulo de aportes que realiza dicho programa (p. 16), lo que implica atender circunstancias de carácter económico, cultural, político, científico, tecnológico, entre otros.
Otro elemento importante relacionado con este criterio es la pertinencia académica, que se refiere a la vigencia de las teorías, a la veracidad de los conocimientos y los hechos, a la certidumbre de los principios, la legitimidad de los valores, la factibilidad de las estrategias y los métodos, que son objeto de aprendizaje o de investigación en cada programa (Gago, 2005).
Los posgrados poseen un papel relevante para el desarrollo económico, político y social del país. Algunos de ellos se enfocan al estudio de problemáticas educativas regionales o específicas, lo cual les permite diseñar e implementar estrategias de solución acordes al contexto en el que se desenvuelven. En tanto que otros están encargados de la formación, capacitación y actualización de los profesores en servicio en un campo educativo específico con la finalidad de fortalecer su práctica docente brindándoles fundamentos, estrategias y recursos didácticos. Ahora nos adentrarnos en le especificación de la problemática con enfoque CTS.
Problemática
La enseñanza de la Estadística en la universidad médica cubana comienza en 1970 con la inclusión, en el plan de estudios de las carreras de Medicina y Estomatología en área básica, de la asignatura El hombre y su medio, dentro de la cual, como un módulo de conferencias, se impartía el tema Estadística Básica y Metodología de la Investigación. En 1974, dada la necesidad de especializar profesionales de la salud en Bioestadística, se aprueba en el Ministerio de Salud Pública la especialidad del mismo nombre.
Con el creciente desarrollo de las investigaciones, se fue despertando un interés cada vez mayor hacia el manejo de las técnicas de la Estadística con el propósito de lograr una manipulación teóricamente formalizada de los datos a procesar, lo que impulsó el desarrollo cuantitativo y cualitativo de cursos de postgrado con elementos de Estadística Básica, Inferencia Estadística y Metodología de la Investigación. En pregrado se independiza el estudio de la Estadística en una asignatura aparte.
Con el auge de la computación, se incorporan elementos de este campo a la asignatura entonces a llamarse Bioestadística y Computación, que abordaba el estudio de cuatro temas: Introducción a la Bioestadística, Inferencia Estadística, Introducción a la Computación y Programación en Basic. Así transcurrió hasta fines de la década del 80.
Con la introducción de las microcomputadoras y la creación de los laboratorios de computación, en 1990 cambia el programa, se elimina la programación y se introduce el enfoque de la computación desde el punto de vista usuario con el estudio de aplicaciones típicas de los sistemas personales como procesadores de textos y gestores de bases de datos, además de graficadores y paquetes estadísticos que constituían la máxima expresión de integración de la Estadística y la Computación en la asignatura.
En 1997, con la explosión de las nuevas tecnologías de la información, se agregan veinte horas/clase al programa, y Bioestadística y Computación se convirtió en dos asignaturas: Informática Médica I y II; Informática Médica I, que se ocupaba de los contenidos referentes a Computación, Metodología de la Investigación, Estadística Descriptiva e introducción a la Inferencia Estadística, y la asignatura Informática Médica II que se ocupa de la Estadística Inferencial restante. Esta organización tenía dificultades porque interrumpía el estudio de la Inferencia Estadística a nivel del tema introductorio en Informática Médica I para retomarlo con un semestre de diferencia en Informática Médica II.
El perfeccionamiento dio como resultado el actual programa de la disciplina, que deja en manos de la primera asignatura los contenidos referentes a las aplicaciones informáticas de actualidad y la telemedicina, mientras que a la segunda pasaron la Metodología de la Investigación y la Estadística, ampliando el tiempo lectivo correspondiente. Con el surgimiento de las Tecnologías de la Salud los cuatro programas que conforman la disciplina "Informática e Investigación en Salud" separan como en medicina los contenidos correspondientes a Computación, Metodología de la Investigación y Estadística denominada aquí Análisis de Datos, donde se recomienda utilizar el SPSS u otro programa estadístico profesional para desarrollar las habilidades pertinentes. Todo lo anterior sienta las bases para que el egresado adquiera los conocimientos mínimos que le permitan asumir competententemente las investigaciones que realizan en su especialidad.
Por otro lado, en nuestra institución, en estos últimos tiempos han llovido las informaciones sobre el poco provecho que sacamos de la enseñanza de las ESTADÍSTICAS, medida esta, a través de la formación de los estudiantes en pregrado y el postgrado, y la resolución de problemas biomédicos en la práctica laboral con el uso de los software estadísticos como el SPSS.
En primer lugar como profesor de la asignatura de estadística y consultor en el análisis de datos en la Filial de Ciencias Médicas de Bayamo he constatado que los profesores, alumnos y profesionales en sentido general son incapaces de trabajar con el paquete estadístico SPSS, tienen dificultades para detectar contradicciones en un gráfico de un trabajo publicado, extraer conclusiones de una información y generalmente consideran la estadística como una técnica de recolección y presentación de datos o cálculo de medias y medidas de tendencia central y dispersión y no como una herramienta de trabajo multidisciplinar.
Las posibles causas de esta actitud pueden ser:
Ausencia de la enseñanza de la estadística en la mayoría de los curriculum de de los 80 y principio de los 90.
Cuando se impartía, ni la metodología ni la visión con la que se impartían no eran las más acertadas.
Una actitud negativa hacia la estadística
Además como resultado de visitas a clases, a observaciones realizadas en los estudiantes de pregrado y postgrado, así como por las dificultades que muestran los profesores y los profesionales del área médica en la solución de problemas que impliquen análisis de datos y el pobre desarrollo de habilidades en el uso de los software estadístico y en especial de su aplicación práctica en las áreas de la Estadística descriptiva en Inferencial encontrándose problemas en la:
Estadística Descriptiva:
– En los conceptos de: población y muestra, tipos de variables.
– Distribución de frecuencias para variables continuas y discretas.
– Representación gráfica de datos.
– Medidas de tendencia Central, de Dispersión y de Posición relativa
– Presentación tabular de datos. Objetivos y características.
– Medidas de Resumen para variables cualitativas.
– Medidas de Resumen para variables cuantitativas.
– Proceder para la selección de una prueba estadística y creación de base de datos con el SPSS.
Estadística Inferencial:
– En los conceptos de Variable Aleatoria. Probabilidad. Modelo de distribución teórica. Distribución normal. Propiedades. Características generales. Razones que justifican su uso.
– Muestro. Muestro Aleatorio Simple. Muestreo Estratificado. Error del Muestreo. Distribución Muestral. Error Estándar.
– Estimación del tamaño de la muestra.
– Pruebas de Hipótesis. Hipótesis nula. Hipótesis alternativa. Nivel de significación. Región de rechazo. Decisión. Prueba de hipótesis por diferencias de medias y proporciones.
Las dificultades antes señaladas se suman la falta de habilidades, tanto en los profesores como en los estudiantes, para utilizar eficientemente los módulos del Paquete Estadístico y específicamente:
– Uso del módulo Frecuencia del SPSS para el estudio de datos nominales
*Tablas de frecuencias
*Gráfico de barras
*Gráfico de pastel
– Uso del SPSS para el estudio de datos ordinales
*Tablas de frecuencias
*Gráfico de barras
*Gráfico de pastel
– Uso del SPSS para el estudio de datos escalas (continuos).
*Tablas de frecuencias
*Gráfico Histograma
*Transformación de las variables no nominales
– Uso del módulo Descriptiva del SPSS para el estudio de datos cuantitativos
*Uso de la estadística descriptiva para resumir información entre grupos (Tablas Pivotes).
*Uso de los gráficos de cajas y bigotes para comparar grupos y recodificación de variables
*Uso de los gráficos de Tallos y Ramas y Q-Q.
*Test de Normalidad de Kolmogorov -Smirnov y Shapiro – Wilk.
*Uso del módulo tablas de contingencia para el estudio de relaciones o asociación de variables nominal por Nominal. Mediante los procedimientos:
*Chi cuadrado X2
*Phi y Cramer's V
*Lambda
*Uncertainty Coefficient
*Adicionando una variable control (Layer).
Uso del módulo tablas de contingencia del SPSS para el estudio de relaciones o asociación de variables Ordinal por Ordinal. Mediante los procedimientos:
*Gamma
*Somers' d
*Kendall'tau-b
*Kendall'tau-c
*Mac Nemar
Estimación y tests de hipótesis básicos con SPSS.
*Procedimiento Explorar
*Procedimiento Binomial.
*Tests de comparación de medias con SPSS.
*Procedimiento Prueba T para muestras independientes.
*Procedimiento Prueba T para muestras relacionadas.
Pruebas no-paramétricas para dos muestras relacionadas con SPSS.
*Análisis de Varianza. Test de Barttle para homogeneidad de las varianzas.
*ANOVA de una vía y ANOVA factorial.
*Regresión y correlación lineal simple con SPSS.
Regresión logística con SPSS
* Regresión logística nominal con SPSS
* Regresión logística multinomial con SPSS
* Regresión de Cox par Análisis de Supervivencia con SPSS.
* Uso del método Delphi en las investigaciones biomédicas.
Debido al desconocimiento de procedimientos estadísticos como las regresiones logísticas, se ven imposibilitados de determinar con precisión la magnitud de la asociación de los factores de riesgo de por ejemplo la tuberculosis y un gran número de otras enfermedades en los Análisis de la Situación de Salud. Además se produce una contradicción entre las exigencias que implican la elaboración de las tesis, trabajos de curso con la insuficiente preparación para aplicar las herramientas estadísticas en un mundo globalizado y tecno-científico.
La enseñanza y posterior aplicación de la estadística en la práctica es un proceso altamente complejo, que debe ser entendido antes de aplicar estrategias para solucionarla. Para poder darle cumplimiento a la formación de pregrado y postgrado en las universidades médicas, el país ha invertido cuantiosos recursos para la compra de tecnología informática que permita implementar el software necesario para la enseñaza de la estadística y la no correspondencia con su aplicación consecuente en la práctica investigativa lo que genera la siguiente:
Contradicción
El estado cubano ha invertido considerables recursos científicos y tecnológicos para la formación de profesionales con un alto nivel científico capaces de utilizar la ciencia y la tecnología para el análisis e interpretación de complejos problemas científicos en el campo de la salud sin embargo, no hay una correspondencia entre la intencionalidad del estado y el uso del SPSS como software estadístico, por el cual no muestran motivación y rechazan sin tener en cuenta la responsabilidad de resolver los problemas biomédicos con la calidad que demanda la sociedad cubana actual.
Conclusiones
Queda evidenciado a través de todo el trabajo referativo que existen insuficiencias en la formación en estadística en áreas del conocimiento como la Estadística descriptiva e Inferencial en los educandos como en los profesionales de Medicina y Tecnología de la salud y además, los avances de la informática hoy hacen imposible imaginar un profesional sin el dominio importante de la estadística donde una motivación adecuada actúa como catalizador en el proceso de enseñanza de la misma y por último solo basta con leer cualquier publicación científica para observar como los métodos estadísticos se utilizan como una poderosa herramienta multidisciplinar tanto en la investigación experimental como aplicada.
Autor:
Lic. Yuriannys Mora Cobiella.
Lic. Jorge Luis Reyna González.
Lic. Dayami Acosta Paneque.
MINISTERIO DE SALUD PÚBLICA
FILIAL CIENCIAS MÉDICAS
Dr. EFRAIN BENITEZ POPA
BAYAMO-GRANMA
Bayamo 2015
Año 56 de la Revolución
[1] ibliograf?a
Cardoso, E. y Cerecedo, M. (2011). Propuesta de indicadores para evaluar la calidad de un programa de posgrado en Educaci?n. Revista Electr?nica de Investigaci?n Educativa, 13(2), 68-82. Consultado el 15 de abril de 2012 en: http://redie.uabc.mx/vol 13no2/contenido-cardosocerecedo.html
[2] Marques, P. (2008). Calidad e innovaci?n educativa en los centros. Consultado el 5 de marzo de 2012 en: http://peremarques.pangea.org/calida2.htm
[3] Javier Organista-Sandoval, Gilles Lavigne, Lewis McAnally-Salas. An?lisis de la actividad en l?nea del estudiante y su relaci?n con el aprendizaje de estad?stica. Revista Electr?nica Actualidades Investigativas en Educaci?n. Volumen 8, N?mero 3, A?o 2008, Disponible en: http://redalyc.uaemex.mx/src/inicio/ArtPdfRed.jsp?iCve=44713048007. ISSN 1409-4703
[4] International Statistical Institute. (ISI)http://www.cbs.nl/isi/
[5] Ottaviani, Mar?a G. (1998, septiembre). Developments and perspectives in statistical education. Trabajo presentado en The Proceedings of the Joint IASS/IAOS Conference. Statistics for Economic and Social Development, Aguascalientes, M?xico. Recuperado el 30 de septiembre de 2010, de: http://www.stat.auckland.ac.nz/~iase/about/ottagua.pdf
[6] Batanero, Carmen. (2003). Presente y futuro de la Educaci?n Estad?stica. Recuperado el 10 de enero de 2007, de: http://www.ugr.es/~batanero/
[7] Rossman, Allan J. (2005). Teaching a data oriented, activity-based course. En Joan B. Garfield (Ed.), Innovations in Teaching Statistics (pp. 7-11). Washington: The Mathematical Association of America.
[8] Batanero, Carmen. (2004). ?Hacia d?nde va la Educaci?n Estad?stica?. Recuperado el 19
de octubre de 2006, de: http://www.ugr.es/~batanero/ARTICULOS/BLAIX.htm
[9] Miguel Jorge Llivina Lavigne, Ren? Hern?ndez Herrera, Victoria Arencibia Sosa, Orestes Vald?s Vald?s, Guillermo Machado Machado. Direcci?n de Ciencia y T?cnica MINED. El impacto de las investigaciones en las Ciencias de la Educaci?n.
[10] Azc?rate, P., Carde?oso, J.M. y Serrad?, A. 2009. Four environments to Learn about New Technologies. En Proceedings International Conference on Education and New Learning Technologies (EDULEARN09), pp. 1656-1667, Barcelona, Spain.
[11] Carde?oso, J. M.; Azc?rate, P. y Serrad?, A. 2008b. Escenarios Interculturales para el Aprendizaje Estad?stico en el Contexto Escolar. Encuentro latinoamericano en la ense?anza de la estad?stica. ELEE Monterrey (M?xico) 2008 Organizado, IASE (ISI). Resumen publicado en Hip?tesis alternativa, vol 9 n? 1 pp 9-10 http://www.ucv.ve/hipotesis/
[12] Vallecillos, A. (1994). Estudio te?rico-experimental de errores y concepciones sobre el contraste estad?stico de hip?tesis en estudiantes universitarios Tesis Doctoral. Universidad de Granada, Espa?a.
[13] Batanero, C. (2000). Controversies around significance tests. Mathematical Thinking and Learning, 2(1-2), 75-98.
[14] Castro-Sotos, A. E., Vanhoof, S., Noortgate, W. & Onghena, P. (2007). Students? misconceptions of statistical inference: A review of the empirical evidence from research on statistics education. Educational Research Review, 2 98?113
[15] Harradine, A., Batanero, C., & Rossman, A. (En prensa). Students and teachers? knowledge of sampling and inference. En C. Batanero, G. Burrill, & C. Reading (Eds.), Teaching statistics in school mathematics. Challenges for teaching and teacher education. Springer.
[16] Morrison, D. E., y Henkel, R. E. (Eds.). (1970). The significance tests controversy. A reader. Chicago: Aldine.
[17] Abelson, R. P. (1997). On the surprising longevity of flogged horses: Why there is a case for the significance test? Psychological Science, 8(1), 12-14.
[18] Harlow, L. L., Mulaik, S. A., & Steiger, J. H. (1997). What if there were no significance tests? Mahwah, NJ: Lawrence Erlbaum.
[19] Borges, A., San Luis, C., S?nchez, J.A. y Ca?adas, I. (2001). El juicio contra la hip?tesis nula: muchos testigos y una sentencia virtuosa. Psicothema, 13 (1), 174-178.
[20] Moore, D. S. (1997). New pedagogy and new content: the case of statistics. International Statistical Review, 635, 123-165.
[21] Byrnum, T. W. e Moor, J. H. (orgs) 1998. The Digital Phoenix: How computers are changingphilosophy. Oxford, Blackwell.
[22] Dwyer Tom .Tecnolog?as de informaci?n y comunicaci?n Sus impactos sobre la pedagog?a, la investigaci?n y los paradigmas en las ciencias sociales. Investigaciones Sociales a?o viii n? 12, pp. 325-335 [unmsm / iihs, lIMA, 2004]
[23] Marques, P. (2008). Calidad e innovaci?n educativa en los centros. Consultado el 15 de marzo de 2012 en: http://peremarques.pangea.org/calida2.htm
[24] Cardoso, E. (2006). Evaluaci?n de la organizaci?n acad?mico-administrativa de tres programas de posgrado en educaci?n con relaci?n a los par?metros del CONACYT. M?xico: Tesis doctoral publicada en la Escuela Superior de Comercio y Administraci?n, del Instituto Polit?cnico Nacional, M?xico, D. F.
[25] Gago, A. (2005). Apuntes acerca de la evaluaci?n educativa. M?xico: SEP.