La educación estadística es la práctica de enseñar y aprender estadística , junto con la investigación académica asociada.
La estadística es a la vez una ciencia formal y una teoría práctica de la investigación científica , y ambos aspectos se consideran en la educación estadística. La educación en estadística tiene preocupaciones similares a las de otras ciencias matemáticas , como la lógica , las matemáticas y la informática . Al mismo tiempo, la estadística se ocupa del razonamiento basado en evidencia, particularmente del análisis de datos. Por lo tanto, la educación en estadística tiene fuertes similitudes con la educación en disciplinas empíricas como la psicología y la química , en las que la educación está estrechamente ligada a la experimentación "práctica".
Los matemáticos y estadísticos suelen trabajar en un departamento de ciencias matemáticas (particularmente en colegios y universidades pequeñas). En ocasiones, los cursos de estadística han sido impartidos por personas que no son estadísticas, en contra de las recomendaciones de algunas organizaciones profesionales de estadísticos y matemáticos.
La investigación en educación estadística es un campo emergente que surgió de diferentes disciplinas y actualmente se está consolidando como un campo único dedicado a la mejora de la enseñanza y el aprendizaje de la estadística en todos los niveles educativos.
Los educadores en estadística tienen objetivos cognitivos y no cognitivos para los estudiantes. Por ejemplo, la ex presidenta de la Asociación Estadounidense de Estadística (ASA), Katherine Wallman, definió la alfabetización estadística como la capacidad cognitiva de comprender y evaluar críticamente los resultados estadísticos, así como la apreciación de las contribuciones que puede hacer el pensamiento estadístico. [1] [2]
En el texto surgido de la conferencia conjunta de 2008 de la Comisión Internacional sobre Instrucción de Matemáticas y la Asociación Internacional de Educadores en Estadística, los editores Carmen Batanero, Gail Burrill y Chris Reading (Universidad de Granada, España, Universidad Estatal de Michigan, EE.UU. y Universidad de Nueva Inglaterra y Australia, respectivamente) señalan tendencias mundiales en los planes de estudio que reflejan objetivos orientados a los datos. En particular, los educadores actualmente buscan que los estudiantes: "diseñen investigaciones; formulen preguntas de investigación; recopilen datos mediante observaciones, encuestas y experimentos; describan y comparen conjuntos de datos; y propongan y justifiquen conclusiones y predicciones basadas en datos". [3] Los autores señalan la importancia de desarrollar el pensamiento y el razonamiento estadístico además del conocimiento estadístico.
A pesar de que los objetivos cognitivos de la educación estadística se centran cada vez más en la alfabetización estadística, el razonamiento estadístico y el pensamiento estadístico en lugar de centrarse únicamente en las habilidades, los cálculos y los procedimientos, no hay acuerdo sobre lo que significan estos términos o cómo evaluar estos resultados. Un primer intento de definir y distinguir entre estos tres términos aparece en el sitio web ARTIST [4] que fue creado por Garfield , delMas y Chance y desde entonces ha sido incluido en varias publicaciones. [5] [6] Breves definiciones de estos términos son las siguientes:
Otros objetivos cognitivos de la educación estadística varían según el nivel educativo de los estudiantes y los contextos en los que esperan encontrar estadísticas.
Los estadísticos han propuesto los que consideran los conceptos estadísticos más importantes para los ciudadanos educados. Por ejemplo, Utts (2003) publicó siete áreas de lo que todo ciudadano educado debería saber, incluida la comprensión de que "la variabilidad es normal" y cómo "las coincidencias... no son infrecuentes porque hay muchas posibilidades". [7] Gal (2002) sugiere que se espera que los adultos en las sociedades industrializadas ejerzan conocimientos estadísticos, "la capacidad de interpretar y evaluar críticamente información estadística... en diversos contextos, y la capacidad de... comunicar comprensiones e inquietudes con respecto a las... conclusiones". [8]
Los resultados no cognitivos incluyen constructos afectivos como actitudes, creencias, emociones, disposiciones y motivación. [9] Según los destacados investigadores Gal y Ginsburg, [10] los educadores en estadística deberían tener como prioridad estar conscientes de las ideas, reacciones y sentimientos de los estudiantes hacia las estadísticas y cómo éstas afectan su aprendizaje.
Las creencias se definen como las ideas que uno tiene individualmente sobre la estadística, sobre uno mismo como estudiante de estadística y sobre el contexto social del aprendizaje de la estadística. [11] Las creencias se distinguen de las actitudes en el sentido de que las actitudes son sentimientos relativamente estables e intensos que se desarrollan con el tiempo en el contexto de experiencias de aprendizaje de estadística. La red de creencias de los estudiantes proporciona un contexto para su enfoque de sus experiencias en el aula en estadística. Muchos estudiantes ingresan a un curso de estadística con aprensión hacia el aprendizaje de la materia, lo que va en contra del entorno de aprendizaje que el instructor está tratando de lograr. Por lo tanto, es importante que los profesores tengan acceso a instrumentos de evaluación que puedan dar un diagnóstico inicial de las creencias de los estudiantes y monitorear las creencias durante un curso. [10] Con frecuencia, los instrumentos de evaluación han monitoreado creencias y actitudes juntas. Para ver ejemplos de tales instrumentos, consulte la sección de actitudes a continuación.
La disposición tiene que ver con las formas en que los estudiantes cuestionan los datos y abordan un problema estadístico. Las disposiciones son una de las cuatro dimensiones del marco de pensamiento estadístico de Wild y Pfannkuch [12] y contienen los siguientes elementos:
Scheaffer afirma que un objetivo de la educación estadística es que los estudiantes vean las estadísticas de manera amplia. Desarrolló una lista de visiones de estadísticas que pueden conducir a esta visión amplia y las describe de la siguiente manera: [13]
- La estadística como sentido numérico: ¿entiendo lo que significan los números? (ver datos como números en contexto, leer cuadros, gráficos y tablas, comprender resúmenes numéricos y gráficos de datos, etc.)
- La estadística como forma de entender el mundo: ¿puedo utilizar los datos existentes para ayudarme a tomar decisiones? (utilizando datos del censo, tasas de natalidad y mortalidad, tasas de enfermedades, IPC, calificaciones, clasificaciones, etc., para describir, decidir y defender)
- La estadística como resolución organizada de problemas: ¿Puedo diseñar y realizar un estudio para responder preguntas específicas? (plantear un problema, recopilar datos de acuerdo con un plan, analizar datos y sacar conclusiones de los datos)
Dado que los estudiantes suelen experimentar ansiedad matemática y opiniones negativas sobre los cursos de estadística, varios investigadores han abordado las actitudes y la ansiedad hacia la estadística. Se han desarrollado algunos instrumentos para medir las actitudes de los estudiantes universitarios hacia la estadística y se ha demostrado que tienen propiedades psicométricas apropiadas. Ejemplos de tales instrumentos incluyen:
El uso cuidadoso de instrumentos como estos puede ayudar a los profesores de estadística a conocer la percepción que los estudiantes tienen de la estadística, incluida su ansiedad por aprender estadística, la dificultad percibida de aprender estadística y la utilidad percibida de la materia. [17] Algunos estudios han demostrado un éxito modesto en la mejora de las actitudes de los estudiantes en cursos individuales, [18] [19] pero no se han visto estudios generalizables que muestren una mejora en las actitudes de los estudiantes.
Sin embargo, uno de los objetivos de la educación estadística es hacer del estudio de la estadística una experiencia positiva para los estudiantes y aportar ejemplos y datos interesantes y atractivos que los motiven. Según una revisión de la literatura bastante reciente, [17] una mejor actitud de los estudiantes hacia las estadísticas puede conducir a una mayor motivación y compromiso, lo que también mejora los resultados del aprendizaje cognitivo.
En Nueva Zelanda , Chris Wild y sus colegas de la Universidad de Auckland desarrollaron un nuevo plan de estudios para estadística. Rechazando el enfoque artificial, y ahora innecesario debido a la potencia de la computadora, de razonamiento bajo la teoría nula y las restricciones de la teoría normal, utilizan diagramas de caja comparativos y bootstrap para introducir conceptos de variabilidad e inferencia de muestreo. [20] El plan de estudios en desarrollo también contiene aspectos de alfabetización estadística .
En el Reino Unido , al menos algo de estadística se enseña en las escuelas desde la década de 1930. [21] [22] En la actualidad, las cualificaciones de nivel A (normalmente cursadas por jóvenes de 17 a 18 años) se están desarrollando en "Estadísticas" y "Estadísticas adicionales". La cobertura de los primeros incluye: Probabilidad; Recopilación de datos; Estadísticas descriptivas; Distribuciones de probabilidad discretas; Distribución binomial; Distribuciones de Poisson; Distribuciones de Probabilidad Continua; La Distribución Normal; Estimacion; Evaluación de la hipótesis; Chi-Cuadrado; Correlación y regresión. La cobertura de "Estadísticas adicionales" incluye: Distribuciones de probabilidad continua; Estimacion; Evaluación de la hipótesis; Pruebas de una muestra; Evaluación de la hipótesis; Dos pruebas de muestra; Pruebas de bondad de ajuste; Diseño experimental; Análisis de Varianza (Anova); Control del Proceso Estadístico; Muestreo de aceptacion. El Centro para la Innovación en la Enseñanza de las Matemáticas (CIMT) [23] tiene notas de cursos en línea para estos conjuntos de temas. [24] Las notas de revisión para una calificación existente [25] indican una cobertura similar. A una edad más temprana (normalmente entre 15 y 16 años), las calificaciones GCSE en matemáticas contienen temas de "Estadística y probabilidad" sobre: Probabilidad; promedios; Desviación Estándar; Muestreo; Gráficos de frecuencia acumulada (incluyendo mediana y cuantiles); Representación de datos; Histogramas. [26] La Oficina de Estadísticas Nacionales del Reino Unido tiene una página web [27] que ofrece material adecuado tanto para profesores como para estudiantes a nivel escolar. En 2004, la investigación de Smith hizo la siguiente declaración:
"Existe mucha preocupación y debate sobre el posicionamiento de Estadística y Manejo de Datos dentro del actual GCSE de Matemáticas, donde ocupa aproximadamente el 25 por ciento de la asignación de horarios. Por un lado, existe un acuerdo generalizado en que el plan de estudios Key Stage 4 ha terminado. Muchos en los departamentos de matemáticas e ingeniería de la educación superior adoptan esta opinión. reconocimiento, compartido por la Investigación, de la importancia vital de las habilidades de Estadística y Manejo de Datos tanto para otras disciplinas académicas como en el lugar de trabajo. La Investigación recomienda que se revise radicalmente este tema y que gran parte de la enseñanza. y sería mejor eliminar el aprendizaje de Estadística y Manejo de Datos del programa de matemáticas e integrarlo con la enseñanza y el aprendizaje de otras disciplinas (por ejemplo, biología o geografía). El tiempo restituido al horario de matemáticas debe utilizarse para adquirir un mayor dominio de los conceptos y operaciones matemáticas fundamentales ." [28]
En Estados Unidos , la escolarización ha aumentado el uso de la probabilidad y la estadística, especialmente desde la década de 1990. [29] En muchos estados se enseñan estadísticas resumidas y gráficos en la escuela primaria. Los temas de probabilidad y razonamiento estadístico se enseñan en los cursos de álgebra (o ciencias matemáticas) de la escuela secundaria; El razonamiento estadístico se examina en el examen SAT desde 1994 . El College Board ha desarrollado un curso de Colocación Avanzada en estadística , que ha proporcionado un curso de nivel universitario en estadística a cientos de miles de estudiantes de secundaria, y el primer examen se realizó en mayo de 1997. [30] En 2007, la ASA respaldó el Directrices para la evaluación e instrucción en educación estadística (GAISE), un marco bidimensional para la comprensión conceptual de la estadística en estudiantes de Pre-K-12. El marco contiene objetivos de aprendizaje para los estudiantes en cada nivel conceptual y proporciona ejemplos pedagógicos que son consistentes con los niveles conceptuales.
Estonia está poniendo a prueba un nuevo plan de estudios de estadística desarrollado por la fundación Computer-Based Math basado en sus principios de uso de computadoras como herramienta principal de educación. [31] [32] [33] en cooperación con la Universidad de Tartu . [34]
La estadística a menudo se enseña en departamentos de matemáticas o en departamentos de ciencias matemáticas. A nivel universitario, la estadística a menudo se enseña como un curso de servicio.
Por tradición en el Reino Unido, la mayoría de los estadísticos profesionales reciben formación a nivel de maestría. [ cita necesaria ] Se ha observado una dificultad para reclutar estudiantes universitarios sólidos: "Muy pocos estudiantes universitarios eligen positivamente estudiar carreras en estadística; la mayoría elige algunas opciones de estadística dentro de un programa de matemáticas, a menudo para evitar los cursos avanzados de matemáticas puras y aplicadas. Mi opinión es que La estadística como disciplina teórica se enseña mejor tarde que temprano, mientras que la estadística como parte de la metodología científica debería enseñarse como parte de la ciencia. [35]
En el Reino Unido , la enseñanza de estadística a nivel universitario se realizaba originalmente dentro de los departamentos de ciencias que necesitaban que el tema acompañara la enseñanza de sus propias materias, y los departamentos de matemáticas tenían una cobertura limitada antes de la década de 1930. [21] Durante los veinte años posteriores a esto, mientras los departamentos de matemáticas habían comenzado a enseñar estadística, había poca conciencia de que esencialmente se estaba aplicando la misma metodología estadística básica en una variedad de ciencias. [21] Los departamentos de estadística han tenido dificultades cuando se les ha separado de los departamentos de matemáticas. [35]
El psicólogo Andy Field ( Premio a la enseñanza y al libro de la Sociedad Británica de Psicología ) creó un nuevo concepto de enseñanza estadística y libros de texto que va más allá de la página impresa. [36]
Las inscripciones en estadística han aumentado en los colegios comunitarios , en los colegios universitarios de cuatro años y en las universidades de Estados Unidos. En los colegios comunitarios de Estados Unidos, la matriculación en matemáticas ha experimentado un aumento desde 1990. En los colegios comunitarios, la proporción de estudiantes matriculados en estadística con respecto a los matriculados en cálculo aumentó del 56% en 1990 al 82% en 1995. [37] Uno de Los informes GAISE, respaldados por la ASA, se centraron en la educación estadística en el nivel universitario introductorio . El informe incluye una breve historia del curso de introducción a la estadística y recomendaciones sobre cómo se debe enseñar.
En muchas universidades, un curso básico de "estadística para no estadísticos" sólo requiere álgebra (y no cálculo); para los futuros estadísticos, por el contrario, la exposición de los estudiantes a la estadística es altamente matemática. [nb 1] Como estudiantes universitarios, los futuros estadísticos deberían haber completado cursos de cálculo multivariado, álgebra lineal, programación de computadoras y un año de probabilidad y estadística basadas en cálculo. Los estudiantes que deseen obtener un doctorado en estadística de "cualquiera de los mejores programas de posgrado en estadística" también deben realizar un " análisis real ". [38] Los cursos de laboratorio en física, química y psicología también brindan experiencias útiles en la planificación y realización de experimentos y en el análisis de datos. La ASA recomienda que los estudiantes universitarios consideren obtener una licenciatura en matemáticas aplicadas como preparación para ingresar a un programa de maestría en estadística. [nota 2]
Históricamente, los títulos profesionales en estadística han sido de nivel de maestría, aunque algunos estudiantes pueden calificar para trabajar con una licenciatura y experiencia relacionada con el trabajo o un estudio independiente adicional. [nb 3] La competencia profesional requiere experiencia en matemáticas, que incluya al menos cálculo multivariado, álgebra lineal y un año de probabilidad y estadística basadas en cálculo. [39] En los Estados Unidos, un programa de maestría en estadística requiere cursos en probabilidad, estadística matemática y estadística aplicada (por ejemplo, diseño de experimentos, muestreo de encuestas, etc.).
Para un doctorado en estadística, ha sido tradicional que los estudiantes completen un curso de probabilidad teórica de medidas, así como cursos de estadística matemática . Dichos cursos requieren un buen curso de análisis real , que cubra las pruebas de la teoría del cálculo y temas como la convergencia uniforme de funciones. [38] [40] En las últimas décadas, algunos departamentos han discutido permitir que los estudiantes de doctorado renuncien al curso de probabilidad teórica de medidas al demostrar habilidades avanzadas en programación de computadoras o computación científica . [nota 4]
Se ha debatido mucho la cuestión de qué cualidades se necesitan para enseñar estadística y, a veces, esta discusión se concentra en las calificaciones necesarias para quienes emprenden dicha enseñanza. La cuestión se plantea por separado para la enseñanza a nivel escolar y universitario, en parte debido a la necesidad de contar con un número numéricamente mayor de docentes de este tipo en el nivel escolar y en parte debido a la necesidad de que dichos docentes cubran una amplia gama de otros temas dentro de sus funciones generales. Dado que la "estadística" a menudo se enseña a personas que no son científicas, las opiniones pueden variar desde "la estadística debería ser enseñada por estadísticos", pasando por "la enseñanza de la estadística es demasiado matemática" hasta el extremo de que "la estadística no debería ser enseñada por estadísticos". ". [41]
Especialmente en los Estados Unidos, los estadísticos se han quejado durante mucho tiempo de que muchos departamentos de matemáticas han asignado matemáticos (sin competencia estadística) para impartir cursos de estadística , impartiendo efectivamente cursos " doble ciego ". Según generaciones de estadísticos, el principio de que los profesores universitarios deben tener calificaciones y compromiso con su disciplina académica ha sido violado durante mucho tiempo en los colegios y universidades de Estados Unidos. Por ejemplo, la revista Statistical Science reimprimió artículos "clásicos" sobre la enseñanza de la estadística por parte de no estadísticos de Harold Hotelling ; [42] [43] [44] Los artículos de Hotelling van seguidos de los comentarios de Kenneth J. Arrow , W. Edwards Deming , Ingram Olkin , David S. Moore , James V. Sidek, Shanti S. Gupta, Robert V. Hogg , Ralph A. Bradley y Harold Hotelling, Jr. (economista e hijo de Harold Hotelling).
Los datos sobre la enseñanza de la estadística en los Estados Unidos se han recopilado en nombre del Conference Board of the Mathematical Sciences ( CBMS ). Al examinar los datos del año 2000, Schaeffer y Stasny [45] informaron
Con diferencia, la mayoría de los profesores de los departamentos de estadística tienen al menos una maestría en estadística o bioestadística (alrededor del 89% en los departamentos de doctorado y alrededor del 79% en los departamentos de maestría). Sin embargo, en los departamentos de doctorado en matemáticas, sólo alrededor del 58% de los profesores de cursos de estadística tenían al menos una maestría en estadística o bioestadística como título más alto obtenido. En los departamentos de matemáticas a nivel de maestría, el porcentaje correspondiente fue cercano al 44%, y en los departamentos de nivel de licenciatura sólo el 19% de los instructores de cursos de estadística tenían al menos una maestría en estadística o bioestadística como su título más alto obtenido. Como esperábamos, una gran mayoría de los profesores de los departamentos de estadística (83% de los departamentos de doctorado y 62% de los departamentos de maestría) tenían títulos de doctorado en estadística o bioestadística. Los porcentajes comparables para los profesores de estadística en los departamentos de matemáticas fueron de alrededor del 52% y el 38%.
El principio de que los profesores de estadística deben tener competencia estadística ha sido afirmado por las directrices de la Asociación Matemática de América , que ha sido respaldada por la ASA. La enseñanza poco profesional de la estadística por parte de matemáticos (sin calificaciones en estadística) se ha abordado en muchos artículos. [46] [47]
La literatura sobre métodos de enseñanza de la estadística está estrechamente relacionada con la literatura sobre la enseñanza de las matemáticas por dos razones. En primer lugar, la estadística suele ser enseñada como parte del plan de estudios de matemáticas, por instructores capacitados en matemáticas y que trabajan en un departamento de matemáticas. En segundo lugar, la teoría estadística a menudo se ha enseñado como una teoría matemática más que como la lógica práctica de la ciencia (como la ciencia que "pone a trabajar la oportunidad", según la frase de Rao), y esto ha implicado un énfasis en el entrenamiento formal y manipulativo. , como la resolución de problemas combinatorios que involucran gominolas rojas y verdes. Los estadísticos se han quejado de que los matemáticos son propensos a enfatizar demasiado las manipulaciones matemáticas y la teoría de la probabilidad y subestimar las cuestiones de experimentación , metodología de encuestas , análisis exploratorio de datos e inferencia estadística . [48] [ se necesita aclaración ]
En las últimas décadas, ha habido un mayor énfasis en el análisis de datos y la investigación científica en la educación estadística. En el Reino Unido, la investigación de Smith Making Mathematics Count sugiere enseñar conceptos estadísticos básicos como parte del plan de estudios de ciencias, en lugar de como parte de las matemáticas . [49] En los Estados Unidos, las directrices de la ASA para estadística de pregrado especifican que la introducción a la estadística debe enfatizar los métodos científicos de recopilación de datos , particularmente experimentos aleatorios y muestras aleatorias : [39] [50] además, el primer curso debe revisar estos temas cuando Se estudia la teoría de la " inferencia estadística ". [50] Se producen recomendaciones similares para el curso de Colocación Avanzada (AP) en Estadística . Las directrices de la ASA y AP son seguidas por libros de texto contemporáneos en los EE. UU., como los de Freedman , Purvis & Pisani ( Estadística ) [51] y David S. Moore ( Introducción a la práctica de la estadística con McCabe [52] y Estadística: Conceptos y controversias con Notz [53] ) y por Watkins, Schaeffer & Cobb ( Estadísticas: de los datos a las decisiones [54] y Estadísticas en acción [55] ).
Además de un énfasis en la investigación científica en el contenido inicial de la estadística, también ha habido un aumento en el aprendizaje activo en la conducción del aula de estadística. [56] [ se necesita aclaración ]
El Instituto Internacional de Estadística (ISI) ahora tiene una sección dedicada a la educación, la Asociación Internacional para la Educación Estadística (IASE), que organiza la Conferencia Internacional sobre Enseñanza de Estadística cada cuatro años, así como conferencias satélite del IASE en torno a las reuniones del ISI y el ICMI. El Reino Unido estableció el Centro de Educación Estadística de la Sociedad Real de Estadística y la ASA ahora también cuenta con una Sección de Educación Estadística, centrada principalmente en la enseñanza de estadística en los niveles primario y secundario.
Además de las reuniones internacionales de educadores en estadística en ICOTS cada cuatro años, Estados Unidos organiza una Conferencia sobre Enseñanza de Estadística (USCOTS) cada dos años y recientemente ha iniciado una Conferencia Electrónica sobre Enseñanza de Estadística (eCOTS) para alternar con la USCOTS. También se ofrecen sesiones sobre el área de educación estadística en muchas conferencias sobre educación matemática, como el Congreso Internacional sobre Educación Matemática , el Consejo Nacional de Profesores de Matemáticas , la Conferencia del Grupo Internacional para la Psicología de la Educación Matemática y el Grupo de Investigación en Educación Matemática de Australia. Las Reuniones Estadísticas Conjuntas anuales (ofrecidas por la ASA y Statistics Canada ) ofrecen muchas sesiones y mesas redondas sobre educación estadística. Los Foros Internacionales de Investigación sobre Razonamiento, Pensamiento y Alfabetización Estadística ofrecen reuniones científicas cada dos años y publicaciones relacionadas en revistas, CD-ROM y libros sobre investigación en educación estadística.
Actualmente, sólo tres universidades ofrecen programas de posgrado en educación estadística: la Universidad de Granada , [57] la Universidad de Minnesota , [58] [59] y la Universidad de Florida . [60] Sin embargo, los estudiantes de posgrado en una variedad de disciplinas (por ejemplo, educación matemática, psicología, psicología educativa) han estado encontrando formas de completar disertaciones sobre temas relacionados con la enseñanza y el aprendizaje de la estadística. Estas disertaciones están archivadas en el sitio web del IASE. [61]
Dos cursos principales de educación estadística que se han impartido en una variedad de entornos y departamentos son un curso sobre enseñanza de estadística [62] y un curso sobre investigación en educación estadística. [63] Un taller patrocinado por la ASA ha establecido recomendaciones para programas y cursos de posgrado adicionales. [64]
Se ha alentado a los profesores de estadística a explorar nuevas direcciones en el contenido curricular, la pedagogía y la evaluación. En una influyente charla en USCOTS, el investigador George Cobb presentó un enfoque innovador para la enseñanza de estadística que coloca las técnicas de simulación , aleatorización y arranque en el centro del curso introductorio de nivel universitario, en lugar de contenidos tradicionales como la teoría de la probabilidad y la t - prueba . [65] Varios profesores y desarrolladores de planes de estudios han estado explorando formas de introducir la simulación, la aleatorización y el bootstrapping como herramientas de enseñanza para los niveles secundario y postsecundario. Cursos como CATALST de la Universidad de Minnesota, [66] Introducción a las investigaciones estadísticas de Nathan Tintle y sus colaboradores , [67] y Desbloqueo del poder de los datos del equipo Lock , [68] son proyectos curriculares basados en las ideas de Cobb. Otros investigadores han estado explorando el desarrollo del razonamiento inferencial informal como una forma de utilizar estos métodos para comprender mejor la inferencia estadística. [69] [70] [71]
Otra dirección reciente es abordar los grandes conjuntos de datos que afectan cada vez más nuestra vida diaria o a los que se contribuye en nuestra vida diaria. El estadístico Rob Gould, creador de Data Cycle, la cena musical y el espectáculo teatral, describe muchos de estos tipos de datos y anima a los profesores a encontrar formas de utilizar los datos y abordar cuestiones relacionadas con el big data. [72] Según Gould, los planes de estudio centrados en big data abordarán cuestiones de muestreo, predicción, visualización, limpieza de datos y los procesos subyacentes que generan datos, en lugar de los métodos tradicionalmente enfatizados para hacer inferencias estadísticas, como las pruebas de hipótesis .
El motor de ambos cambios es el papel cada vez mayor de la informática en la enseñanza y el aprendizaje de la estadística. [73] Algunos investigadores sostienen que a medida que aumenta el uso de modelado y simulación, y que los conjuntos de datos se vuelven más grandes y complejos, los estudiantes necesitarán habilidades informáticas mejores y más técnicas. [74] Proyectos como MOSAIC han estado creando cursos que combinan ciencias de la computación, modelado y estadística. [75] [76]