Horizontes. Revista de Investigación en Ciencias de la Educación
Https://doi.org/10.33996/revistahorizontes.v5i18.183
Abril - junio 2021
Volumen 5 / No. 18
ISSN: 2616 - 7964
ISSN-L: 2616 - 7964
pp. 405 - 415
www.revistahorizontes.org
Medidas de
dispersión a través del software Geogebra
Dispersion
measurements through Geogebra software
Medidas de
dispersão através do software Geogebra
Universidad Nacional
Daniel Alcides Carrión – Pasco, Cerro de Pasco, Perú
Recibido 08 de enero 2021 |
Arbitrado y aceptado 15 de febrero 2021 | Publicado en 01 abril 2021
RESUMEN
El presente estudio
tiene como objetivo general explicar el aprendizaje de las medidas de
dispersión a través del Software GeoGebra en los estudiantes del Laboratorio de
Investigación e Innovación Pedagógica de la Universidad Nacional Daniel Alcides
Carrión de Pasco – 2018. El diseño de la investigación es cuasi-experimental,
donde se compararon los resultados de pre y post test. La población estuvo
constituida por 112 estudiantes del Laboratorio de Investigación e Innovación
Pedagógica UNDAC - Pasco, y la muestra fue no probabilística de tipo
intencional con grupo experimental de 27 estudiantes del cuarto grado y grupo
control con 20 estudiantes del quinto grado de educación secundaria. El método
de estudio seguido en la investigación fue el método científico, de observación
y documental. Se aplicó la prueba estadística t de Student donde se determinó
la relación entre el pre y post test, se eligió un nivel de significación de
0,052 colas, como resultado se determinó que existe diferencia significativa
entre los resultados después de aplicar software GeoGebra al grupo experimental
puesto que el p-valor es menor del nivel de significación (0.000 < 0.05);
por lo tanto, rechazamos la hipótesis nula. Y se concluye que al aplicar la
variable independiente mejora significativamente el aprendizaje de las medidas
de dispersión de los estudiantes.
Palabras
clave: Aprendizaje; GeoGebra; medidas de dispersión; software
ABSTRACT
The
general objective of this study is to explain the learning of dispersion
measurements through GeoGebra Software in students of the Pedagogical Research
and Innovation Laboratory of the Daniel Alcides Carrión de Pasco National
University - 2018. The research design is quasi- experimental, where the pre
and post test results were compared. The population consisted of 112 students
from the UNDAC - Pasco Pedagogical Research and Innovation Laboratory, and the
sample was intentional non-probabilistic with an experimental group of 27
fourth-grade students and a control group with 20 fifth-grade secondary school
students. The study method followed in the research was the scientific,
observational and documentary method. The Student t statistical test was
applied where the relationship between the pre and post test was determined, a
significance level of 0.052 tails was chosen, as a result it was determined
that there is a significant difference between the results after applying
GeoGebra software to the experimental group. that the p-value is less than the
significance level α
(0.000 <0.05); therefore, we reject the null hypothesis. And it is concluded
that applying the independent variable significantly improves the learning of
the dispersion measures of the students.
Key
words: Learning; GeoGebra; dispersion measurements; software
RESUMO
O
presente estudo tem como objetivo geral explicar o aprendizado de medidas de
dispersão através do Software GeoGebra nos alunos do Laboratório de Pesquisa e
Inovação Pedagógica da Universidade Nacional Daniel Alcides Carrión de Pasco -
2018. O desenho da pesquisa é quase experimental, onde o pré e os resultados do
pós-teste foram comparados. A população foi composta por 112 alunos do
Laboratório de Inovação e Pesquisa Pedagógica da UNDAC - Pasco, e a amostra foi
intencional não probabilística com um grupo experimental de 27 alunos da quarta
série e um grupo controle com 20 alunos da quinta série do ensino médio. O
método de estudo seguido na pesquisa foi o método científico, observacional e
documental. Foi aplicado o teste estatístico t de Student onde foi determinada
a relação entre o pré e o pós-teste, foi escolhido um nível de significância de
0,052 caudas, como resultado foi determinado que existe uma diferença
significativa entre os resultados após a aplicação do software GeoGebra ao
grupo experimental que o valor de p é menor que o nível de significância (0,000
<0,05); portanto, rejeitamos a hipótese nula. E conclui-se que a aplicação
da variável independente melhora significativamente o aprendizado das medidas
de dispersão dos alunos.
Palavras-chave: Aprendizagem; GeoGebra; Medidas de dispersão; Programas
INTRODUCCIÓN
En
estos últimos años, la sociedad ha sufrido un gran cambio debido a la
incorporación de las Tecnologías de la Información y la Comunicación (TIC).
Esto ha venido acompañado de grandes cambios en la forma de vivir de los
docentes y estudiantes. En el día a día de un docente se puede observar cómo
las ventajas que las TIC ofrecen como recurso educativo no están siendo
eficientemente aprovechadas en la enseñanza de la matemática. Por este motivo,
se pretende hacer una aportación para poder ofrecer una mayor información sobre
cómo aprovechar de forma óptima estos recursos.
Por
ello, es necesario analizar información pertinente sobre el uso de tecnologías
en el Perú y en especial en la región Pasco y como los estudiantes utilizan el
geogebra en su aprendizaje de las medidas de dispersión en la educación
secundaria, se procedió a indagar y estudiar las propuestas que el Ministerio
de Educación del Perú (MINEDU) considerada en el Diseño Curricular Nacional (
DCN, 2015) y es allí donde se logra hallar que si se fomenta el uso de
tecnologías. Sin embargo, el uso que se da mayormente a estos avances está
limitado al ocio y el entretenimiento, sin prestar atención al gran potencial
que las TIC poseen para el aprendizaje.
Los
jóvenes, además, se sienten atraídos y tienen fácil acceso a ellas, por lo que
es importante estimular su aprovechamiento en el ámbito educativo. Sin embargo,
no basta con enseñarles a cómo utilizar un ordenador o el funcionamiento de un
programa concreto, sino que se debe mostrar el modo adecuado en el que deben
ser usados de tal manera que ofrezcan nuevas y mejores metodologías de
aprendizaje para poder permitir al alumno alcanzar los objetivos deseados.
En
el área de las matemáticas, existen varios software o aplicaciones informáticas
que permiten trabajar esta asignatura de manera eficaz. El estudio se centra
concretamente en GeoGebra, un programa informático diseñado para la enseñanza
de las matemáticas en este caso en las medidas de dispersión. Su uso es
sencillo y dinámico para que los estudiantes puedan utilizarlos sin mayores
complicaciones.
La
enseñanza de la estadística y en concreto la del concepto de dispersión han
estado normalmente marginados por varios motivos, uno de ellos y quizá el más
relevante en el país es similar al que exponía Shaughnessy, (1997), y es el
énfasis que se da a los elementos del currículo cuando se estudia la
estadística marginando la dispersión. Normalmente la estadística es el último
bloque de contenidos del currículo (el que no se imparte si el tiempo no
alcanza) y en este bloque la dispersión suele hacer una aparición pobre. De
hecho, existe un chiste entre los profesores que dice "los profesores de
Matemáticas dejan cada año la Geometría como última unidad del curso, y después
viene la Estadística." Por tanto, una posible solución para que el bloque
de estadística sea más atractivo y más ágil es la introducción de las TIC.
Nickerson,
(1995) analizó el impacto del uso de software en educación y expuso algunos
motivos para el empleo de software:
· Ver el aprendizaje
como un proceso constructivo en el que la tarea es proporcionar una guía que
facilite la exploración y el descubrimiento.
· Utilizar simulaciones
para llamar la atención de los estudiantes a los aspectos de una situación o
problema que fácilmente pueden pasar desapercibidos o no observados en
condiciones normales.
· Proporcionar un
ambiente de apoyo que es rico en recursos, ayudas a la exploración, crea una
atmósfera en la que las ideas se pueden expresar libremente, y proporciona un
estímulo cuando los estudiantes hacen un esfuerzo por comprender. (Nickerson,
1995).
De
la misma manera, Snir, Smith y Grosslight (1995) citado por delMas y Garfiel,
(1999) indican que “ello (el uso de software) permite a los estudiantes
percibir fenómenos que no pueden ser observados bajos condiciones normales
(e.g., conceptos teóricos y abstractos)”. Sin embargo, la realidad en las aulas
es bien distinta y se prescinde de la tecnología, por falta de formación o de
conocimiento de cómo las TIC pueden ayudar a enseñar conceptos estadísticos
complejos, por eso en este estudio muestra brevemente, cómo un software al
alcance de todos como GeoGebra también puede ayudar y dar algunas referencias
sobre material ya elaborado.
La
investigación planteada conduce a un beneficio práctico, ya que se busca
validar una forma en la didáctica pedagógica para la enseñanza de las medidas
de dispersión, que consiste en la integración del software GeoGebra con el
modelo de pensamiento razonado de Van Hiele.
Los
beneficiados serán los profesores del Laboratorio de Innovación Pedagógica de
la UNDAC y docentes de la región Pasco al poder contar con un modelo de trabajo
validado, lo que permite potenciar sus herramientas metodológicas y ampliar el
modelo a otros objetos matemáticos. A través de los profesores serán
beneficiados los estudiantes al incrementar sus oportunidades de aprendizaje.
La
investigación servirán como antecedente para determinar qué modelo utilizar al
momento de planificar y desarrollar un material de enseñanza para las medidas
de dispersión, como integrar este modelo con el uso de herramientas
tecnológicas como en este caso el software GeoGebra y conocer cuáles son los
aspectos importantes a considerar para que el material construido logre que los
estudiantes mejoren su aprendizaje.
El
objetivo general de la investigación es explicar el aprendizaje de las medidas
de dispersión a través del Software GeoGebra para estudiantes del Laboratorio
de Investigación e Innovación Pedagógica de la Universidad Nacional Daniel
Alcides Carrión de Pasco – 2018.
METODOLOGÍA
La
metodología empleada en esta investigación fue bajo el diseño
cuasiexperimental, el cual es un método de control parcial, basado en la
identificación de los factores que pueden intervenir en la validez interna y
externa del mismo (Palella Stracuzzi, y Martins Pestana, 2010). La
investigación fue realizada con un solo grupo natural con pretest y doble
postest con datos cuantitativos y cualitativos que se recolectaron en tres
momentos, bajo el propósito analizar las variables de estudio y verificar su
influencia de la variable de estudio en los resultados de la evaluación con
rubricas estudiantes de matemática – física y reflejando esta información.
|
t1
|
t2
|
t3
|
t3
|
|
N G1
|
O1
|
X1
|
O2
|
|
NG2
|
O3
|
X0
|
O4
|
t1 - t5: Momentos del experimento
NG1: Grupo natural con experimentación.
NG2: Grupo natural sin experimentación
O1 y O3: Medición del pretest.
X1:
Tratamiento experimental (variable independiente)
O2 y O4: Medición del postest
En toda investigación
científica se planifica, se recoge información, se analiza e interpreta y se
elabora el informe. Son pasos básicos de su evolución. En el estudio cuasi
experimental ocurre lo mismo. Su diseño reinscribe dentro de la lógica
cuantitativa, porque se comprobó la equivalencia del grupo experimental y
control.
El diseño se articuló
tres fases bajo un enfoque progresivo e interactivo como:
·
Primera fase: exploración y reconocimiento donde se
analizaron los contextos y sujetos que fueron fuente de información y las
posibilidades que ofrecían para los fines y objetivos de la investigación. El
contexto de este estudio se llamó etapa de búsqueda.
·
Segunda fase: selección de los sujetos, estrategias a
utilizar, duración del estudio, etc. En este estudio se llamó etapa de
selección.
·
Tercera fase: recopilación de información, análisis e
interpretación de la información, elaboración del informe y toma de decisiones
en cuanto a los resultados. Se llamó etapa discusión de resultados.
La
población estuvo conformada por 112 estudiantes del Laboratorio de
Investigación e Innovación Pedagógica de la Universidad Nacional Daniel Alcides
Carrión de Pasco en Perú del nivel secundario, tal como se muestra en la tabla
1.
Tabla
1. Estudiantes a
matriculados en el Laboratorio de Investigación e Innovación Pedagógica de la
UNDAC – 2018.
|
Grados de estudios
|
Población
|
%
|
|
1er grado
|
25
|
22,32
|
|
2do grado
|
21
|
18,75
|
|
3er grado
|
19
|
16,96
|
|
4to grado
|
27
|
24,11
|
|
5to grado
|
20
|
17,86
|
|
Total
|
112
|
100,0
|
Fuente:
Información obtenida de secretaria de la institución educativa 2018. Elaborado
por: (Ventura, Berrospi, Gamarra, 2021).
La muestra de estudio fue no probabilística de tipo
intencional que es cuando el investigador establece previamente los criterios
para seleccionar las unidades de análisis (Palella Stracuzzi & Martins
Pestana, 2010). Por lo que esta investigación posee un grupo experimental de 27
estudiantes del cuarto grado y grupo control con 20 estudiantes del quinto
grado; la muestra de estudio lo constituyeron 47 estudiantes que fue el 41,97%
de la población total, correspondiendo a un tamaño adecuado de muestra que se
obtuvo aplicando la técnica de muestreo. (Palella Stracuzzi & Martins
Pestana, 2010)
Se usó como instrumento para validar el pre y post
prueba, el cual se utilizó para analizar el grado de relevancia o importancia
de la prueba a través de los indicadores de: Imprescindible, Importante, Poco
importante e Irrelevante.
En
la construcción y validación de la prueba se trabajó con 10 estudiantes del
Laboratorio de Innovación Pedagógica–UNDAC de Pasco que fue parte de la
población de estudio, se aplicó el instrumento que constaba de 13
proposiciones. Luego se calificó la prueba, se separaron los que ocuparon el
primer y tercer cuartil. Se compararon los puntajes de ambos subgrupos, ítem
por ítem. Los ítems en que los puntajes no diferían significativamente, fueron
eliminados por carecer de poder discriminativo; del total de13 ítems iniciales,
se eliminaron 3 que finalmente el instrumento fue de 10 preguntas.
Con
estos procedimientos se obtuvo el cuestionario válido constituido por 10 ítems
con cinco alternativas de: muy en desacuerdo, en desacuerdo, ni de acuerdo ni
en desacuerdo, de acuerdo y muy de acuerdo. A continuación, se exponen en la
Tabla 2 los valores de “z” obtenidos por cada uno de los ítems.
Tabla 2. Comparación de medias del cuartil superior
e inferior del cuestionario.
|
N° Ítems
|
zt
|
nc
|
N
|
zp
|
Interpretación de resultado
|
|
01
|
1,96
|
0,05
|
20
|
3,006
|
Significativo
|
|
02
|
1,96
|
0,05
|
20
|
2,741
|
Significativo
|
|
03
|
1,96
|
0,05
|
20
|
3,168
|
Significativo
|
|
04
|
1,96
|
0,05
|
20
|
0,073
|
No
significativo
|
|
05
|
1,96
|
0,05
|
20
|
1,000
|
No
significativo
|
|
06
|
1,96
|
0,05
|
20
|
2,314
|
Significativo
|
|
07
|
1,96
|
0,05
|
20
|
2,995
|
Significativo
|
|
08
|
1,96
|
0,05
|
20
|
2,768
|
Significativo
|
|
09
|
1,96
|
0,05
|
20
|
0,737
|
No significativo
|
|
10
|
1,96
|
0,05
|
20
|
4,890
|
Significativo
|
|
11
|
1,96
|
0,05
|
20
|
3,112
|
Significativo
|
|
12
|
1,96
|
0,05
|
20
|
2,791
|
Significativo
|
|
13
|
1,96
|
0,05
|
20
|
2,789
|
Significativo
|
Elaborado
por: (Ventura, Berrospi, Gamarra, 2021).
Donde:
zt: z valor teórico
nc: nivel de confianza
N: número de estudiantes
zp: z valor práctico
La confiabilidad del
instrumento fue establecida mediante el método test-retest. Se ha trabado con
un grupo piloto de 10 estudiantes, al que se administró la prueba con los 10
ítems. La prueba se administró en dos momentos. Los resultados obtenidos fueron
determinados a través del coeficiente de correlación de Pearson analizados con
el programa estadístico de SPSS.
Tabla 3. Correlación de la prueba piloto de los 10
estudiantes
|
|
Primer
Momento
|
Segundo
Momento
|
|
Primer Momento
|
Correlación de
Pearson
|
1
|
0,835**
|
|
Sig. (bilateral)
|
|
0,000
|
|
N
|
10
|
10
|
|
Segundo Momento
|
Correlación de
Pearson
|
0,835**
|
1
|
|
Sig. (bilateral)
N
|
0,000
10
|
10
|
|
**. La correlación es
significativa en el nivel 0,01 (bilateral).
|
Elaborado
por: (Ventura, Berrospi, Gamarra, 2021).
Como se puede observar,
el valor del coeficiente de fiabilidad, fue calculado a partir de la expresión
del método test-pretest el coeficiente de fiabilidad del test es igual a 0,835
lo que indica que la correlación es alta, por lo tanto, el instrumento es
confiable para el estudio en investigación.
Para esta
investigación fue postulada la hipótesis, el aprendizaje de las medidas de
dispersión con sus: tendencias, rango y coeficientes de variación; por medio
del Software GeoGebra son eficientes para estudiantes del Laboratorio de
Investigación e Innovación Pedagógica de la Universidad Nacional Daniel Alcides
Carrión de Pasco – 2017.
RESULTADOS
Y DISCUSIÓN
Se exponen los
resultados obtenidos en el Laboratorio de Innovación Pedagógica – UNDAC de
Pasco en el año 2018, en primer término, desde una perspectiva descriptiva y en
segundo momento contrastando las hipótesis de trabajo, mostrando en la Tabla 4,
la percepción que tuvo el grupo experimental al final de la investigación sobre
el software Geogebra.
Tabla 4.
Percepción del
software GeoGebra del grupo experimental al final de la investigación.
|
Valoración
|
fi
|
hi %
|
|
Muy Bueno
|
3
|
11.1
|
|
Buena
|
13
|
48.1
|
|
Regular
|
9
|
33.3
|
|
Malo
|
2
|
7.4
|
|
Total
|
27
|
100
|
Fuente:
Información de la encuesta aplicada en el 2018. Elaborado
por: (Ventura, Berrospi, Gamarra, 2021).
En la Figura 1 se
observa la valoración porcentual al final de la investigación del grupo
experimental.
Figura
1. Valoración porcentual del grupo
experimental al final de la investigación. Fuente: (Ventura, Berrospi, Gamarra,
2021).
En la tabla 4 se
observó que tres estudiantes del Laboratorio de Innovación Pedagógica de la
UNDAC, perteneciente al grupo experimental que representa al 11.1% según se
evidencia en la Figura 1, y manifiesta que el programa software GeoGebra es muy
bueno, asimismo 13 estudiantes que representa al 48,1% consideran que el
programa software GeoGebra es buena; pero sin embargo sólo dos estudiantes que
viene hacer el 7,4% indican que los softwares no ayudan el aprendizaje
De igual manera, en la
Tabla 5 se expresan los estadísticos descriptivos del post test sobre el
software Geogebra del grupo experimental.
Tabla 5.
Estadísticos
descriptivos del post test sobre del software GeoGebra del grupo experimental.
|
N
|
Válidos
|
27
|
|
Media
|
14,592
|
|
Mediana
|
15
|
|
Moda
|
15
|
|
Desviación
típica
|
1,946
|
|
Varianza
|
3,789
|
|
Asimetría
|
-0,556
|
|
Mínimo
|
11
|
|
Máximo
|
17
|
Fuente:
Información de la encuesta aplicada en el 2018. Elaborado
por: (Ventura, Berrospi, Gamarra, 2021).
En la Tabla 5 se
muestran los estadísticos descriptivos obtenidos en el post test aplicado a los
estudiantes del grupo experimental del Laboratorio de Innovación Pedagógica de
la UNDAC, donde el promedio del post test es de 14592 puntos, en la muestra de
estudio el 50% de los estudiantes del grupo experimental tienen como máximo 15
puntos en el pre test y el resto de los 50% de los estudiantes tienen más de 15
puntos en el pre test. Asimismo, los puntajes de los estudiantes del grupo
experimental se dispersan en promedio de 1,946 puntos alrededor de su valor
central, el mínimo puntaje obtenido por los estudiantes del grupo experimental
fue de 11 puntos y el máximo fue de 17 puntos en el post test aplicado.
Así mismo, en la Tabla
6 se analizó la distribución de los datos obtenidos a través de la prueba de
Shapiro-Wilk con la finalidad de aplicar la prueba estadística, para la cual se
planteó la hipótesis y se obtuvo el resultado:
H0: El
conjunto de datos tiene una distribución normal.
H1:
El conjunto de datos no tiene una distribución normal.
Tabla 6. Prueba de la normalidad
|
|
Kolmogorov-Smirnova
|
Shapiro-Wilk
|
|
Estadístico
|
gl
|
Sig.
|
Estadístico
|
gl
|
Sig.
|
|
|
Pre test del grupo
experimental
|
,184
|
27
|
,019
|
,924
|
27
|
,048
|
|
|
Post test del grupo
experimental
|
,175
|
27
|
,032
|
,906
|
27
|
,019
|
|
|
a. Corrección de la significación de Lilliefors
|
|
|
|
|
|
|
|
|
|
|
Elaborado por: (Ventura, Berrospi, Gamarra, 2021).
Los resultados
reflejados en la Tabla 6 indican que la distribución de los puntajes obtenidos
por el grupo experimental de Shapiro-Wilk se observa que no son significativos,
por lo que presentan una distribución adecuada que se aproxima a la curva
normal. Es por ello, que se recomienda utilizar contrastes estadísticos
paramétricos en el análisis de los datos de la investigación.
Analizando con respecto
los resultados antes y después de aplicar el software GeoGebra en el grupo
experimental, en los estudiantes del Laboratorio de Innovación Pedagógica de la
UNDAC se plantearon las hipótesis estadísticas.
H0: No
existe diferencia significativa de los resultados obtenidos después de aplicar
software GeoGebra al grupo experimental.
mD = 0
H1: Existe
diferencia significativa de los resultados obtenidos después de aplicar
software GeoGebra al grupo experimental.
mD ≠ 0.
Tabla 7. Prueba de t Student para muestras
dependientes del grupo experimental.
|
|
Par 1
|
|
Post
Test - Pre Test grupo experimental
|
|
Diferencias relacionadas
|
Media
|
3.667
|
|
Desviación típ.
|
2.602
|
|
Error típ. de la media
|
.501
|
|
95% Intervalo de confianza para la diferencia
|
Inferior
|
2.637
|
|
Superior
|
4.696
|
|
t
|
7.323
|
|
gl
|
26
|
|
Sig. (bilateral)
|
0.000
|
Elaborado por: (Ventura, Berrospi, Gamarra, 2021).
La diferencia observada
es de 7,323 veces mayor que la esperada según una verdadera hipótesis de
nulidad. Es lo suficientemente grande para rechazar la hipótesis nula al nivel
de 0,05 y observando los grados de libertad en la tabla 7 es de 26 grados de libertad
al consultar en la tabla t se encontró que un nivel de 0,05 y con 26 grados de
libertad encontramos una razón t de 2,056, lo que quiere decir que una
verdadera hipótesis de nulidad ocurrirá por casualidad en un 5 por 100 de las
veces. Por lo tanto, la probabilidad estimada que la hipótesis sea verdadera es
menor que 0,05 (p < 0,05). Los datos son lo suficientemente significativos
para llegar a la conclusión que la diferencia no depende sólo de la casualidad.
Después
de analizar y contrastar las hipótesis, se ha realizado las siguientes
discusiones y apreciaciones sobre los resultados anteriores, las cuales se
mencionan a continuación en la Tabla 8 donde se refleja los resultados de
aplicar el Software Geogebra al grupo experimental.
Tabla 8. Aplicación del GeoGebra al grupo
experimental.
|
|
Pre test del
grupo experimental
|
Post test
del grupo experimental
|
|
N
|
Válidos
|
27
|
27
|
|
Media
|
10,93
|
14,59
|
|
Mediana
|
11,00
|
15,00
|
|
Moda
|
10
|
15
|
|
Desviación
típica
|
1,439
|
1,947
|
|
Varianza
|
2,071
|
3,789
|
|
Mínimo
|
9
|
11
|
|
Máximo
|
14
|
17
|
|
Suma
|
295
|
394
|
|
Percentiles
|
25
|
10,00
|
13,00
|
|
50
|
11,00
|
15,00
|
|
75
|
12,00
|
16,00
|
Fuente: Información
obtenida de test aplicado en 2018. Elaborado por: (Ventura, Berrospi, Gamarra,
2021).
El test aplicado a los
27 estudiantes del Laboratorio de Innovación Pedagógico de la UNDAC,
conformantes del grupo experimental el promedio del pre test fue 10.93 y el
post test alcanzó un promedio de 14,59 puntos.
En la muestra de
estudio, el 25% de los estudiantes tienen puntajes inferiores o iguales a 10
puntos antes en el pre test, sin embargo, el 75% de ellos tienen un puntaje
superior a 12 puntos. En el pos test el 25% de los estudiantes del grupo
experimental tienen puntajes inferiores o iguales a 13 puntos en cambio el 75%
de estos estudiantes tienen puntajes superiores a 16 puntos en el post test.
El mínimo puntaje
obtenidos por los estudiantes del grupo experimental fue de 9 y como máximo de
14 en el pre test; sin embargo, en el post test se observó en la Tabla 8 que el
puntaje mínimo fue de 11 puntos y como máximo de 17 puntos. Los puntajes de los
estudiantes, se dispersa en promedio 1,439 puntos alrededor del valor central
en el pre test mientras que en el post test se dispersa en promedio de 1,947
alrededor de la media.
Con respecto a la
hipótesis planteado si el software GeoGebra influye en el aprendizaje de las
medidas de dispersión en los estudiantes del Laboratorio de Innovación
Pedagógica de la UNDAC que el p-valor es menor que el nivel de significación
(0,000 < 0,05); por lo tanto, se rechaza la hipótesis nula como se observa
en la Tabla 7.
Los resultados
encontrados muestran que la aplicación del software GeoGebra en las medidas de
dispersión mejora el rendimiento académico de la asignatura de Matemática en
los estudiantes del Laboratorio de Investigación e Innovación Pedagógica el
Amauta de la Facultad de Ciencias de la Educación de la Universidad Nacional
Daniel Alcides Carrión de Pasco en el año 2018.
Se concluye que tres
estudiantes que representa al 11.1% manifiesta que el programa software
GeoGebra es muy bueno, asimismo 13 estudiantes que representa al 48,1%
consideran que el programa software GeoGebra es buena; pero sin embargo sólo
dos estudiantes que viene hacer el 7,4% indican que los softwares no ayudan el
aprendizaje.
De acuerdo a los
resultados de la Tabla 8, los estudiantes del grupo experimental del
Laboratorio de Innovación Pedagógica de la UNDAC, el promedio de en el post
test es de 14,592 puntos. Asimismo, los puntajes de los estudiantes del grupo
experimental se dispersan en promedio de 1,946 puntos alrededor de su valor
central, el mínimo puntaje obtenido por los estudiantes del grupo experimental
fue de 11 puntos y el máximo fue de 17 puntos en el post test aplicado.
Finalmente se concluye
el valor obtenido to = 7.323, es mayor al valor crítico es tcrit.
= 2.056. Así la probabilidad obtenida de t de Student el p-valor es menor del
nivel de significación a (0.000 < 0.05); por lo tanto,
se rechazó la hipótesis nula.
CONCLUSIONES
Con los resultados
analizados se llega a la conclusión, que la aplicación del software GeoGebra a
los estudiantes del Laboratorio de Innovación Pedagógica de la UNDAC del grupo
experimental tienen mejores resultados que el grupo control.
Estos resultados
parecen confirmar la necesidad de desarrollar un Software Educativo, como un
recurso instruccional que contribuya a solucionar los problemas planteados por
los docentes y alumnos afirmando que claramente la importancia que existe el
uso del software educativo en el aprendizaje del área de matemática, señalando
la influencia del mismo sobre el proceso de enseñanza y aprendizaje.
REFERENCIAS
DCN. (2015). Diseño
Curricular Nacional 2015 de la Educación Básica Regular. Perú: Resolución
Ministerial N° 199-2015-MINEDU
delMas,
R., y Garfiel, J. (1999). A Model of Classroom Research in Action:
Developing Simulation Activities to Improve Students' Statistical Reasoning. Journal
of Statistics Education 7(3), 1-16
Nickerson,
R. (1995). Can Technology Help Teach for understanding? Retrieved marzo
07, 2021 from
https://books.google.co.ve/books?hl=esylr=yid=JyKelnvECc4Cyoi=fndypg=PA7ydq=Nickerson,+R.+S.+(1995).+Can+technology+help+teach+for+understanding.+In+eds.+D.+N.+Perkins,+J.+L.+Schwartz,+M.+M.+West,+and+M.+S.+Wiske,+Software+goes+to+school:+teaching+for+und
Palella
Stracuzzi, S., y Martins Pestana, F. (2010). Metodología de la investigación
cuantitativa. Caracas,
Venezuela: FEDUPEL, Fondo Editorial de la Universidad Pedagógica Experimental
Libertador
Shaughnessy,
J. M. (1997). Missed opportunities on the teaching and learning of data and
chance. . Research
papers on stochastics education, 129-145
