La interpretación de datos y pruebas científicas vistas desde los ítems liberados de PISA

  1. Javier Ignacio Muñoz Martínez 1
  2. Elena Charro 1
  1. 1 Departamento de Didáctica de las Ciencias Experimentales y de la Matemática, Universidad de Valladolid
Revista:
Revista Eureka sobre enseñanza y divulgación de las ciencias

ISSN: 1697-011X

Año de publicación: 2018

Volumen: 15

Número: 2

Páginas: 2101

Tipo: Artículo

DOI: 10.25267/REV_EUREKA_ENSEN_DIVULG_CIENC.2018.V15.I2.2101 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista Eureka sobre enseñanza y divulgación de las ciencias

Resumen

La Competencia Científica evaluada por las pruebas PISA requiere la confluencia entre los tipos de conocimiento y las subcompetencias evaluadas en ellas, a fin de analizar cómo están capacitados los estudiantes para aportar efectivamente a la sociedad. De esta manera, los resultados de esta prueba trienal pueden dar cuenta del desarrollo de un determinado país. Por tal motivo, son necesarios estudios que profundicen en cada subcompetencia y clarifiquen sus componentes, y que presenten sus fundamentos teóricos con gran cantidad de ejemplos, para así facilitar su comprensión a los docentes. Para este fin, y mediado por análisis de contenido, se revisaron 164 ítems liberados por PISA, siendo caracterizados y categorizados según las habilidades específicas que evalúan y los tipos de conocimiento que utilizan. En este estudio, a partir de los ítems liberados, se analiza la subcompetencia Interpretar datos y pruebas científicamente, encontrándose que da especial importancia a la habilidad del estudiante para utilizar las formas más comunes de abstracción y presentación de datos, así como para usar los conocimientos de contenido procedimental y epistémico, y, en consecuencia, para generar o elegir la conclusión más adecuada. Este trabajo pretende ser una guía para el docente, ya que pone a su disposición información detallada y relevante, sobre las características que deben tener tablas, gráficas, figuras y texto para construir, leer, analizar e interpretar los datos apropiadamente y, en consecuencia, ser una herramienta de evaluación diagnóstica, donde visibilizar las debilidades de los estudiantes y plantear mejoras en las intervenciones en el aula

Referencias bibliográficas

  • Arias Hernández C., Leal L. H., Organista Rodríguez M. L. (2011) La Modelización de la Variación, un análisis del uso de las Gráficas Cartesianas en los Libros de Texto de Biología, Física y Química de Secundaria. Revista de Ciencias 15, 93-128.
  • Baquero B., Schnotz W., & Reuter S. (2000) Adolescents' and adults' skills to visually communicate knowledge with graphics. Infancia y Aprendizaje. Journal for the Study of Education and Development, 71-87.
  • Berciano A., Ortega T., Puerta M. (2015) Aprendizajes de las Interpolaciones gráficas y algebraicas. Análisis comparativo. Enseñanza de las Ciencias 33(3), 43-58.
  • Bravo B., Puig B., & Jiménez-Aleixandre M. P. (2009) Competencias en el uso de pruebas en argumentación. Educación química, 137-142.
  • Bybee R. W. (1997) Achieving Scientific Literacy: From Purposes to Practices. Westport. CT 06881: Heinemann, 88 Post Road West, PO Box 5007.
  • Carswell C. M., Emery C., & Lonon A. M. (1993) Stimulus Complexity and Information integration in the Spontaneous Interpretations of Line Graphs. Applied Cognitive Psychology 7, 341-357.
  • Curcio F. R. (1989) Developing Graph Comprehension. Elementary and Middle School Activities. Consejo Nacional de Profesores de Matemáticas, Inc., 1906 Asociación Drive, Reston, VA 22091.
  • De Pro B. A. (1998) ¿Se puede enseñar contenidos procedimentales en las clases de ciencias? Enseñanza de las Ciencias 16 (1), 21-41.
  • Friel S. N., Curcio F. R., & Bright G. W. (2001) Making Sense of Graphs: Critical Factors Influencing Comprehension and Instructional Implications. Journal for Research in Mathematics Education 32 (2), 124-158.
  • Gallardo-Gil M., Fernández-Navas M., Sepúlveda-Ruiz M.-P., Serván M.-J., Yus R., & Barquín J. (2010) PISA y la Competencia Científica: Un análisis de las pruebas de PISA en el Área de las ciencias. RELIEVE 16 (2), 1-17.
  • García J. J., Palacios F. J. (2007) ¿Comprenden los Estudiantes las Gráficas Cartesianas usadas en los Textos de Ciencias? Investigación Didáctica 25(1), 107-132.
  • Gott R., & Duggan S. (1996) Practical work: its role in the understanding of evidence in science. International Journal of Science Education 18 (7), 791-806.
  • Leinhardt G., Zaslavsky O., & Stein M. K. (1990) Graphs and Graphing: Tasks, Learning, and Teaching. Review of Educational Research 60 (1), 1-64.
  • Muñoz J., Charro E. (2017) Los ítems PISA como herramienta para el docente en la identificación de los conocimientos y habilidades científicas. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias 14(2), 317-338.
  • National Research Council (2012) A Framewor for K-12 Science Education Practices, Crosscutting Concepts, and Core Ideas. Washington, D.C.: The National Academies Press.
  • Nuñez F., Hernández E. B., & Aranda R. C. (2009) Capacidad del Alumnado de Educación Secundaria Obligatoria para la Elaboración e Interpretación de Gráficas Investigación Didáctica, Enseñanza de las Ciencias 27 (3), 447-462.
  • OECD (2006) PISA 2006. Marco de la Evaluación. Conocimientos y habilidades en Ciencias, Matemáticas y Lectura. París: OECD Publishing.
  • OECD (2016) PISA 2015 Assessment and Analytical Framework: Science, Reading, Mathematic and Financial Literacy. Paris: OECD Publishing .
  • OECD (2017) Programme for International Student Assessment. Obtenido de Programme forInternational Student Assessment: http://www.oecd.org/pisa/data/
  • Osborne J. (2013) The 21st century challenge for science education: Assessing scientific reasoning. Thinking Skills and Creativity 10, 265-279.
  • Perales F. J., Vilchez J. M. (2015) Iniciación de la Investigación educativa con estudiantes de secundaria: el papel de las ilustraciones en los libros de texto de ciencias. Enseñanza delas Ciencias 33(1), 243-262.
  • Postigo Y., & Pozo J. I. (2000) Cuando una gráfica vale más que 1.000 datos: la interpretación de gráficas por alumnos adolescentes. Infancia y Aprendizaje. Journal for the Study of Education and Development, 89-110.
  • Schalk H. H., Schee J. A., & Boersma K. T. (2008) The use of concepts of evidence by students in Biology investigation: Development Research in Pre-University Education. Paper presented at the 7th ERIDOB Conference (págs. 1-12). Netherlands: Uthecht University .
  • Smith K. C., Nakhkeh M. B., & Bretz S. L. (2010) An expanded framework for analyzing general chemistry exams. Chemistry Education Research and Practice 11, 147-153.
  • Solar H., Deulofeu J., Azcárate C. (2015) Competencia de la modelización en interpretación de gráficas funcionales. Enseñanza de las Ciencias, 33(2), 191-210.
  • Swan M., & Phillips R. (1998) Graph interpretation skill among lower-achieving school leavers. Research in Education 60, 10-20.
  • UNEP (2012) 21 Issues for the 21st Century: Result of the UNEP Foresight Process on Emerging Environmental Issues.United Nations Environment Programme (UNEP): Nairobi, Kenya.
Fuente de los datos: Dialnet