ENSINO DE ESTATÍSTICA NA FORMAÇÃO INICIAL DE PROFESSORES DE MATEMÁTICA: UMA PROPOSTA DIDÁTICA COM INTELIGÊNCIA ARTIFICIAL GENERATIVA E OUTRAS TECNOLOGIAS DIGITAIS

Autores/as

DOI:

https://doi.org/10.5902/2675995097945

Palabras clave:

Inteligência Artificial Generativa, Tecnologias Digitais, Educação Estatística

Resumen

Las tecnologías digitales, cuando se integran en el proceso de enseñanza con una intención pedagógica, pueden contribuir a avances significativos en los procesos de enseñanza y aprendizaje. La inteligencia artificial también se incluye en este contexto, lo que hace necesario abordarla en la formación docente para que los profesores puedan reflexionar sobre sus implicaciones para la educación. Por lo tanto, este artículo presenta reflexiones sobre cómo la inteligencia artificial, articulada con el desarrollo de aspectos de la estadística y la didáctica estadística, puede favorecer la formación crítica y pedagógica de los futuros profesores de matemáticas. Con este fin, se realizó un taller en el marco de la formación inicial del profesorado, integrando la inteligencia artificial generativa y otras tecnologías digitales con los conceptos de didáctica estadística. Este taller surgió a raíz de los crecientes debates sobre la inteligencia artificial generativa y su papel en la formación de profesores de matemáticas, así como de la creciente necesidad de educación cívica en una sociedad cada vez más basada en datos. Los resultados indican que la didáctica estadística propone el pensamiento crítico como un componente esencial de la formación, ya que desplazar el enfoque de los procesos cognitivos a la inteligencia artificial generativa produce el efecto contrario. Las conclusiones sugieren que las prácticas que integran la enseñanza de la estadística y las tecnologías digitales pueden ser un punto de partida para el proceso de alfabetización estadística, un proceso extenso que debería considerarse dentro de los programas de grado en matemáticas.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Vitória Eduarda Bello, Universidade Estadual do Oeste do Parana

Vitória Eduarda Bello es candidata a doctora en Didáctica de las Ciencias y Didáctica de las Matemáticas en la Universidad Estatal del Oeste de Paraná (Unioeste). Orcid: https://orcid.org/0000-0002-3345-2498. Lattes: http://lattes.cnpq.br/5429179771527590. Correo electrónico: vitoria.bello@unioeste.br.

Rodrigo Cabanha, Universidad Estatal del Oeste de Paraná

Rodrigo Cabanha posee una maestría en Didáctica de las Ciencias y Didáctica de las Matemáticas por la Universidad Estatal del Oeste de Paraná (Unioeste). Orcid: https://orcid.org/0000-0002-1348-5030. Lattes: http://lattes.cnpq.br/4319077895919468. Correo electrónico: rodrigo_cabanha96@hotmail.com.

Priscila Gleden Novaes da Silva, Universidad Estatal del Oeste de Paraná

Priscila Gleden Novaes da Silva es doctora en Didáctica de las Ciencias y de las Matemáticas por la Universidad Estatal del Oeste de Paraná. Es profesora en la Universidad Federal para la Integración Latinoamericana (UNILA) y profesora colaboradora en el Programa de Posgrado en Didáctica de las Ciencias y de las Matemáticas (PPGECEM). Orcid: https://orcid.org/0000-0001-6158-0668. Lattes: http://lattes.cnpq.br/7335933263691857. Correo electrónico: priscila.silva@unila.edu.br.

Clodis Boscarioli, Universidad Estatal del Oeste de Paraná

Clodis Boscarioli es doctor en Ingeniería Eléctrica por la Universidad de São Paulo. Es profesor asociado en la Universidad Estatal del Oeste de Paraná (Unioeste) y miembro permanente del programa de posgrado en Didáctica de las Ciencias y las Matemáticas (PPGECEM). Orcid: https://orcid.org/0000-0002-7110-2026. Lattes: http://lattes.cnpq.br/2844207318576160. Correo electrónico: boscarioli@gmail.com.

Márcia Regina Kaminski, Universidad Estatal del Oeste de Paraná

Márcia Regina Kaminski es doctora en Didáctica de las Ciencias y de las Matemáticas por la Universidad Estatal del Oeste de Paraná. Es profesora titular del Programa de Posgrado en Didáctica de las Ciencias y de las Matemáticas (PPGECEM). Orcid: https://orcid.org/0000-0001-5705-0322. Lattes: http://lattes.cnpq.br/6675624597717136. Correo electrónico: marciarkjf@gmail.com.

Citas

AMERICAN STATISTICAL ASSOCIATION. Guidelines for Assessment and Instruction in Statistics Education (GAISE) College Report. Alexandria, VA: American Statistical Association, 2005. Disponível em: <https://www.amstat.org/asa/files/pdfs/GAISE/GaiseCollege_Full.pdf>. Acesso em: 30 jul. 2025.

BRASIL. Base Nacional Comum Curricular (BNCC). Brasília: Ministério da Educação, 2017/2018. Disponível em: <https://observatoriodoensinomedio.ufpr.br/wp-content/uploads/2017/04/BNCC-Documento-Final.pdf>. Acesso em: 18 mar. 2026.

BRASIL. Conselho Nacional de Educação. Conselho Pleno. Resolução CNE/CP nº 2, de 20 de dezembro de 2019. Define as Diretrizes Curriculares Nacionais para a formação inicial de professores para a educação básica e institui a Base Nacional Comum para a Formação Inicial de Professores da Educação Básica (BNC-Formação). Brasília, DF: Ministério da Educação, 2019. Disponível em: <https://www.gov.br/mec/pt-br/cne/pdf/resolucoes-do-cne/cp/2019/rcp002_19.pdf>. Acesso em: 18 mar. 2026.

BRASIL. Ministério da Educação. Referencial para desenvolvimento e uso responsáveis de inteligência artificial na educação. Brasília, DF: Ministério da Educação, 2026. Disponível em: <https://www.gov.br/mec/pt-br/media/segape/referencial-oficial-pt.pdf>. Acesso em: 18 mar. 2026.

CAMARGO, Alexandre de Paiva Rio. Revendo as relações entre ciência, Estado e sociedade: a perspectiva sócio-histórica da estatística. Sociedade e Estado, [s. l.], v. 29, n. 1, p. 291-297, abr. 2014. FapUNIFESP (SciELO). Disponível em: <http://dx.doi.org/10.1590/s0102-69922014000100014>. Acesso em: 16 mar. 2026.

CAMPOS, Celso Ribeiro; WODEWOTZKI, Maria Lúcia Lorenzetti; JACOBINI, Otávio Roberto. Educação estatística: teoria e prática em ambientes de modelagem matemática. 3. ed. Belo Horizonte: Autêntica, 2021. (Coleção Tendências em Educação Matemática).

CAZORLA, Irene Mauricio. A relação entre a habilidade viso-pictórica e o domínio de conceitos estatísticos na leitura de gráficos. 2002. Tese (Doutorado em Educação) - Universidade Estadual de Campinas, Campinas, São Paulo, 2002.

FREIRE, Paulo. Pedagogia do oprimido. 33. ed. Rio de Janeiro: Paz e Terra, 2002.

GAL, Iddo. Adult statistical literacy: Meanings, components, responsibilities. International Statistical Review, v. 70, n. 1, p. 1-25, 2002. DOI: 10.1111/j.1751-5823.2002.tb00336.x.

GATTI, Bernardete A. Didática e formação de professores: provocações. Cadernos de Pesquisa, São Paulo, v. 47, n. 166, p. 1150–1164, out./dez. 2017. Disponível em: <https://doi.org/10.1590/198053144349>. Acesso em: 01 abr. 2026.

GIROUX, Henry A. Os professores como intelectuais: rumo a uma pedagogia crítica da aprendizagem. Tradução de Daniel Bueno. Porto Alegre: Artes Médicas, 1997.

KUHN, Thomas S. A estrutura das revoluções científicas. 5. ed. São Paulo: Editora Perspectiva S.A, 1997.

MCNAMARA, Andrew. Imagining the future of statistical education software. In: SORTO, Maria Alejandra; WHITE, Alexander; GUYOT, Luc (eds.). Looking back, looking forward: Proceedings of the Tenth International Conference on Teaching Statistics (ICOTS10). Kyoto, Japão: International Statistical Institute, 2018. p. 1-3. Disponível em: <https://fpce.uc.pt/iase-web/icots/10/proceedings/pdfs/ICOTS10_1B2.pdf>. Acesso em: 01 abr. 2026.

RUMSEY, Deborah. Statistical literacy as a goal for introductory statistics courses. Journal of Statistics Education, [s. l.], v. 10, n. 3, p. 6-13, 2002. DOI: 10.1080/10691898.2002.11910678. Disponível em: <http://jse.amstat.org/v10n3/rumsey2.html>. Acesso em: 06 ago. 2025.

SALCEDO, Audy. Editorial. Hipótesis Alternativa: Boletín de IASE para América Latina, [s. l.], v. 26, n. 2, p. 1, 2025. ISSN 2244-8179. Disponível em: <https://doi.org/10.5281/zenodo.17692166>. Acesso em: 24 nov. 2025.

SANTANA, Bruno. Impacto ambiental dos data centers. Hostinger Brasil, 13 jun. 2025. Disponível em: <https://www.hostinger.com/br/tutoriais/impacto-ambiental-dos-data-centers>. Acesso em: 12 jan. 2026.

SBEM, Sociedade Brasileira de Educação Matemática. Disponível em: https://www.sbembrasil.org.br/sbembrasil/index.php/grupo-de-trabalho/gt/gt-12. Acesso em: 15 set. 2026.

SCHEAFFER, Richard. The ASA-NCTM Quantitative Literacy Project: an overview. In: VERE-JONES, David (Ed.). Proceedings of the Third International Conference on Teaching Statistics (ICOTS-3). Dunedin: International Statistical Institute, 1990. v. 1, p. 45-49.

SKOVSMOSE, Ole. Educação Matemática Crítica – A Questão da Democracia. Campinas: Papirus, 2001.

SOUTO, Denise Lago Pereira; CUNHA, José Fernandes Torres da; BORBA, Marcelo de Carvalho. Inteligência Artificial em Educação Matemática. 1. ed. Belo Horizonte: Autêntica, 2025. (Coleção Tendências em Educação Matemática).

UNESCO. Guia para a IA generativa na educação e na pesquisa. Paris: UNESCO, 2024. Disponível em: <https://unesdoc.unesco.org/ark:/48223/pf0000390241>. Acesso em: 01 abr. 2026.

WATSON, Jane; CALLINGHAM, Rosemary. Statistical literacy: A complex hierarchical construct. Statistics Education Research Journal, [s. l.], v. 2, n. 2, p. 3-46, nov. 2003. Disponível em: https://iase-web.org/documents/SERJ/SERJ2(2)_Watson_Callingham.pdf. Acesso em: 6 ago. 2025.

Publicado

2026-10-07

Número

Sección

Dossiê - Inteligência Artificial na Educação

Artículos similares

También puede {advancedSearchLink} para este artículo.