Identificación de tipologías de actitud hacia las matemáticas en estudiantes de séptimo y octavo grados de educación primaria
Contenido principal del artículo
Resumen
Este trabajo presenta los resultados del estudio de actitudes hacia las matemáticas, aplicado a los alumnos de séptimo y octavo básico de las escuelas de la comuna de Puqueldón, Chiloé, con el objeto de identificar tipologías o cluster de alumnos respecto a la actitud hacia la ciencia matemática. La medición de actitudes se realizó merced a un cuestionario de afirmaciones y preguntas, utilizando una escala tipo Likert. La segmentación estadística se realizó mediante análisis cluster , la validación y evaluación de la solución cluster, en función de la variable nota promedio, mediante el anova no paramétrico de Kruskal-Wallis y comparación múltiple de promedios mediante la prueba de Duncan, con significancía P< 0.05 corregida según el método de Bonferroni.
Descargas
Detalles del artículo
© 2020 Universidad Nacional Autónoma de México, Instituto de Investigaciones sobre la Universidad y la Educación. Este es un artículo Open Access bajo la licencia CC BY-NC-ND (http://creativecommons.org/licenses/by-nc-nd/4.0/).
Citas
CAMPOS, Y. (1995), “Importancia de las actitudes en la educación matemática”, México, Asociación Nacional de Profesores de Matemáticas, en línea en
CERVANTES (1995), “Descripción y análisis de proceso de pensamiento de estudiantes al resolver problemas matemáticos”, Revista Ingeniería y Desarrollo, núm. 1, Puerto Rico, Universidad del Norte, pp. 1-23.
DUNCAN, D. B. (1955), “Múltiple range and múltiple F test”, Biometrics, vol. 11, núm. 1.
GIL, Nuria (2005), “El dominio afectivo en el aprendizaje de las matemáticas. Una revisión de sus descriptores básicos”, Revista Iberoamericana de Educación Matemática, núm. 2, pp. 15-32.
GÓMEZ-Chacón, I. M. (2003), “La tarea intelectual en matemáticas afecto, meta-afecto y los sistemas de creencias”, Boletín de la Asociación Matemática Venezolana, vol. X, núm. 2.
HALMOS, P. R. (1991), “¿Qué es un matemático?”, Epsilón, núm. 20, pp. 33-40.
HERNÁNDEZ, R., C. Fernández y P. Baptista (2003), “¿Cómo son las muestras no probabilísticas?”, en R. Hernández, C. Fernández y P. Baptista, Metodología de la investigación, 3a. ed., México, Mc GrawHill.
KRUSKAL, W. H. y Wallis, W. A. (1952), “Use of ranks in one-criterion variance analysi”, Journal of American Stadistics Association, vol. 47, pp. 583-621.
PALMER, A. (1999), Análisis de datos, etapa exploratoria, Madrid, España, Pirámide.
PEÑA, D. (2002), Análisis de datos multivariantes, Madrid, España, McGraw Hill.
POLYA, G. (1945), How to solve it, Nueva York, Estados Unidos, Doubleday [versión castellana: Cómo plantear y resolver problemas, México, Trillas, 1972].
RAMÍREZ, M. J. (2005), “Actitudes hacia las matemáticas y el rendimiento académico entre estudiantes de Octavo Básico”, Estudios Pedagógicos, vol. 31, núm. 1, pp. 97-112.
RIUS, F., F. J. Barón, E. Sánchez y L. Parras (1999), Bioestadística: métodos y aplicaciones, 3a. ed., Málaga, España, Spicum.
SCHOENFELD, A. (1992), “Learning to think mathematically: problem solving, metacognition, and sense making in mathematics”, en Douglas A. Grouws (ed.), Handbook of research on mathematics teaching and learning. A project of the National Council of Teachers of Mathematics, Nueva York, Estados Unidos, Macmillan.
VISAUTA, B. (1998), “Análisis cluster jerárquico”, en B. Visauta, Análisis estadístico con SPSS para Windows, 2, Madrid, España, Mac GrawHill, pp. 181-194.
WALPOLE, R., R. Meyers y S. Meyers (1999), Probabilidad y estadística para ingenieros, 6a. ed., México, Prentice Hall.