De lo tradicional a lo computacional: enseñanza y aprendizaje de la estadística con Jupyter Notebook
DOI:
https://doi.org/10.26423/xw1a4c13Palabras clave:
estadística, experiencia de aprendizaje, innovación pedagógica, método de enseñanzaResumen
El aprendizaje de la estadística resulta desafiante cuando se aborda de forma abstracta y desvinculada de contextos reales. Esta investigación presenta una experiencia didáctica de estadística descriptiva en educación superior mediante Jupyter Notebook con librerías de Python y datasets reales. Se adoptó un estudio de caso con 28 estudiantes de Pedagogía de las Ciencias Experimentales, Matemáticas y Física de una universidad pública ecuatoriana. La intervención se estructuró en tres fases cíclicas (inicio, desarrollo y cierre), implementada en 10 horas presenciales durante dos semanas. El análisis cualitativo de testimonios estudiantiles evidenció que la experiencia fue percibida como innovadora y satisfactoria, favoreciendo la comprensión de conceptos estadísticos fundamentales, el manejo de datasets y la aplicación de técnicas de visualización. Se concluye que Jupyter Notebook es una herramienta efectiva para la enseñanza de la estadística, siempre que el docente posea competencias básicas en Python y en diseño de entornos mediados por tecnología.
Descargas
Referencias
Amoudi, G. y Tbaishat, D. (2023). Interactive notebooks for achieving learning outcomes in a graduate course: a pedagogical approach. Education and Information Technologies, 28(12), 16669–16704. https://doi.org/10.1007/s10639-023-11854-x DOI: https://doi.org/10.1007/s10639-023-11854-x
Biehler, R., Frischemeier, D., Reading, C. y Shaughnessy, J. M. (2018). Reasoning About Data. In D. Ben-Zvi, K. Makar y J. Garfield (Eds.), International Handbook of Research in Statistics Education (pp. 139–192). Springer. https://doi.org/10.1007/978-3-319-66195-7_5 DOI: https://doi.org/10.1007/978-3-319-66195-7_5
Campo-Meneses, K. G. y García-García, J. (2020). Explorando las conexiones matemáticas asociadas a la función exponencial y logarítmica en estudiantes universitarios colombianos. Educación Matemática, 32(3), 209–240. https://doi.org/10.24844/EM3203.08 DOI: https://doi.org/10.24844/EM3203.08
Cardoso, A., Leitão, J. y Teixeira, C. (2019). Using the Jupyter Notebook as a Tool to Support the Teaching and Learning Processes in Engineering Courses. arXiv (Vol. 917, pp. 227–236). https://doi.org/10.1007/978-3-030-11935-5_22 DOI: https://doi.org/10.1007/978-3-030-11935-5_22
Carrano, D., Chugunov, I., Lee, J. y Ayazifar, B. (2020). Self-Contained jupyter notebook labs promote scalable signal processing education. International Conference on Higher Education Advances, 1409–1416. https://doi.org/10.4995/HEAd20.2020.11308 DOI: https://doi.org/10.4995/HEAd20.2020.11308
Çetinkaya-Rundel, M. y Ellison, V. (2021). A Fresh Look at Introductory Data Science. Journal of Statistics and Data Science Education, 29(sup1), S16–S26. https://doi.org/10.1080/10691898.2020.1804497 DOI: https://doi.org/10.1080/10691898.2020.1804497
Darmanova, Z., Abylkassymova, A., & Nurmukhamedova, Z. (2025). A systematic review of technology use in middle and high school mathematics education: Insights from contextual, methodological, and evaluation characteristics. Frontiers in Education, 10. https://doi.org/10.3389/feduc.2025.1644284 DOI: https://doi.org/10.3389/feduc.2025.1644284
Engelbrecht, J., & Borba, M. C. (2024). Recent developments in using digital technology in mathematics education. ZDM – Mathematics Education, 56(2), 281–292. https://doi.org/10.1007/s11858-023-01530-2 DOI: https://doi.org/10.1007/s11858-023-01530-2
Fielding, J., Makar, K. y Ben-Zvi, D. (2025). Developing students’ reasoning with data and data-ing. ZDM – Mathematics Education, 57(1), 1–18. https://doi.org/10.1007/s11858-025-01671-6 DOI: https://doi.org/10.1007/s11858-025-01671-6
Garfield, J. y Ben-Zvi, D. (2007). How students learn statistics revisited: A current review of research on teaching and learning statistics. International Statistical Review, 75(3), 372–396. https://doi.org/10.1111/j.1751-5823.2007.00029.x DOI: https://doi.org/10.1111/j.1751-5823.2007.00029.x
Hamer, J. M. M., Kemp, P. E. J., Wong, B. y Copsey-Blake, M. (2024). Cracking the code: exploring student attitudes towards coding in secondary education. Cambridge Journal of Education, 54(4), 495–516. https://doi.org/10.1080/0305764X.2024.2387335 DOI: https://doi.org/10.1080/0305764X.2024.2387335
Howley, P. y Roberts, T. (2020). Engaging school students and educators with the practice of statistics. Statistics Education Research Journal, 19(1), 29–38. https://doi.org/10.52041/serj.v19i1.117 DOI: https://doi.org/10.52041/serj.v19i1.117
Kaganovskiy, L. (2025). Applied Statistics with Python: Volume I: Introductory Statistics and Regression. Chapman and Hall/CRC. https://doi.org/10.1201/9781003473114 DOI: https://doi.org/10.1201/9781003473114
Krüger, R. (2022). Using Jupyter notebooks as didactic instruments in translation technology teaching. The Interpreter and Translator Trainer, 16(4), 503–523. https://doi.org/10.1080/1750399X.2021.2004009 DOI: https://doi.org/10.1080/1750399X.2021.2004009
Larreamendy-Joerns, J., Leinhardt, G. y Corredor, J. (2005). Six Online Statistics Courses: Examination and Review. The American Statistician, 59(3), 240–251. https://doi.org/10.1198/000313005X54162 DOI: https://doi.org/10.1198/000313005X54162
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x DOI: https://doi.org/10.1177/016146810610800610
Nwulu, N., Damisa, U. y Gbadamosi, S. L. (2021). Students’ perception about the use of jupyter notebook in power systems education. International Journal of Engineering Pedagogy, 11(1), 78–86. https://doi.org/10.3991/IJEP.V11I1.14769 DOI: https://doi.org/10.3991/ijep.v11i1.14769
Pruim, R., Gîrjău, M.-C. y Horton, N. J. (2023). Fostering Better Coding Practices for Data Scientists. Harvard Data Science Review, 5(3). https://doi.org/10.1162/99608f92.97c9f60f DOI: https://doi.org/10.1162/99608f92.97c9f60f
Ríos-Cuesta, W. (2021). Alfabetización estadística y probabilística en profesores en activo de primaria (no licenciados en matemáticas) que enseñan matemáticas: un estudio de caso. In L. Tauber & J. P. Sosa (Eds.), Tendencias y nuevos desafíos de la investigación en Educación Estadística en Latinoamérica (pp. 48–54). Universidad Nacional del Litoral.
Rule, A., Tabard, A. y Hollan, J. (2018) Exploration and Explanation in Computational Notebooks. ACM CHI Conference on Human Factors in Computing Systems, pp.1-12, 10.1145/3173574.3173606 DOI: https://doi.org/10.1145/3173574.3173606
Schoenfeld, A. H. (2016). Learning to Think Mathematically: Problem Solving, Metacognition, and Sense Making in Mathematics (Reprint). Journal of Education, 196(2), 1–38. https://doi.org/10.1177/002205741619600202 DOI: https://doi.org/10.1177/002205741619600202
Servicio de Rentas Internas. (2022). Estadísticas Vehículos 2022. Datos abiertos Ecuador. https://www.datosabiertos.gob.ec/dataset/estadisticas-vehiculos-2022
Stake, R. E. (2010). Qualitative Research: Studying How Things Work. Guilford Press.
Vásquez, C. y Alsina, Á. (2021). Analysing Probability Teaching Practices in Primary Education: What Tasks Do Teachers Implement? Mathematics, 9(19), 2493. https://doi.org/10.3390/math9192493 DOI: https://doi.org/10.3390/math9192493
Wild, C. J. y Pfannkuch, M. (1999). Statistical Thinking in Empirical Enquiry. International Statistical Review, 67(3), 223–248. https://doi.org/10.1111/j.1751-5823.1999.tb00442.x DOI: https://doi.org/10.1111/j.1751-5823.1999.tb00442.x
Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35. https://doi.org/10.1145/1118178.1118215 DOI: https://doi.org/10.1145/1118178.1118215
Ye, L., Ismail, H. H., & Aziz, A. A. (2024). Innovative Strategies for TPACK Development in Pre-Service English Teacher Education in the 21st Century: A Systematic Review. Forum for Linguistic Studies, 6(6), 274–294. https://doi.org/10.30564/fls.v6i6.7308 DOI: https://doi.org/10.30564/fls.v6i6.7308
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Fabricio Vladimir Vinces-Vinces, Wilmer Ríos-Cuesta (Autor)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
El titular de los derechos de autor de la obra, otorga derechos de uso a los lectores mediante la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Esto permite el acceso gratuito inmediato a la obra y permite a cualquier usuario leer, descargar, copiar, distribuir, imprimir, buscar o vincular a los textos completos de los artículos, rastrearlos para su indexación, pasarlos como datos al software o usarlos para cualquier otro propósito legal.
Cuando la obra es aprobada y aceptada para su publicación, los autores conservan los derechos de autor sin restricciones, cediendo únicamente los derechos de reproducción, distribución para su explotación en formato de papel, así como en cualquier otro soporte magnético, óptico y digital.
