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

Descargas

Visitas a la página del resumen del artículo:  1269  

DOI

https://doi.org/10.25267/Rev_Eureka_ensen_divulg_cienc.2018.v15.i2.2101

Información

Fundamentos y líneas de trabajo
2101
Publicado: 13-11-2017
PlumX

Autores/as

  • Javier Ignacio Muñoz Martínez (ES) Área de didáctica de las ciencias. Universidad de Valladolid
  • Elena Charro (ES) Universidad de Valladolid

Resumen

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.

Palabras clave: Ítems PISA, Conocimientos y habilidades científicas, Competencia científica, uso de pruebas.

The Interpretation of data and scientific evidence seen from the released items of PISA

Abstract: The Scientific Competence is evaluated by the PISA tests, and for that, it requires the confluence between the different types of knowledge and the subcompetences evaluated through them, in order to know the grade of qualification of the students for contributing effectively to society. Thus, the results of this three-year test can show the development of a specific country. For this reason, studies which analyse each subcompetence and clarify its components, and show their theoretical foundations with a large number of examples, are needed for teachers. For this purpose, 164 items released by PISA were reviewed using content analysis, characterized and categorized according to the specific skills they assess and the types of knowledge they use. As a part of that, in this study, the subcompetence Interpreting scientifically data and evidences is analyzed from the released items, finding that it gives special importance to the student's ability to use the most common forms of abstraction and presentation of data, as well as to use the knowledge of content, procedural and epistemic to generate or choose the most appropriate conclusion. This study aims to be a guide for the teacher, since it provides detailed and relevant information about the characteristics of tables, graphs, figures and text in order to build, read, analyze and understand the data properly, and also be a tool for a diagnostic evaluation, and let to visualize the deficiencies in the student knowledge’s and to improve the interventions in the classroom.

Keywords: PISA items; Scientific knowledge and skills; Scientific Competences; use of evidences.

Descargas

Los datos de descargas todavía no están disponibles.

Agencias de apoyo  

EURICA y UVa

Biografía del autor/a

Javier Ignacio Muñoz Martínez, Área de didáctica de las ciencias. Universidad de Valladolid

Estudiante del Doctorado Transdisciplinar en Investigación en Educación de la Universidad de Valladolid.

Area de didáctica de las ciencias. 

Elena Charro, Universidad de Valladolid

Docente, del departamento de didactica de las ciencias y las matemáticas.

Área de didáctica de las ciencias.

Citas

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. Enseñanza de las Ciencias 27 (3), 447-462.

OECD (2006) PISA 2006. Marco de la Evaluación. Conocimientos y habilidades en Ciencias, Matemáticas y Lectura. Paris: 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 for International 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 de las 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-Unieversity 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.