En el contexto actual, caracterizado por una creciente disponibilidad de datos y el auge de tecnologías como la inteligencia artificial (IA), resulta imprescindible repensar el papel de la educación estadística en la formación del estudiantado. En la actualidad vivimos en un mundo “saturado de datos”, donde la estadística trasciende su concepción tradicional como rama de la matemática para posicionarse como una competencia ciudadana clave . Esta afirmación no solo es pertinente, sino urgente, ya que implica reconocer que interpretar información, evaluar riesgos y tomar decisiones informadas son habilidades esenciales para la vida en sociedad.
Desde una perspectiva de alfabetización estadística, autores como Gal (2002) plantean que esta implica no solo comprender datos, sino también interpretarlos críticamente en contextos reales. En este sentido, la educación secundaria tiene el desafío de formar sujetos capaces de cuestionar la información que consumen, especialmente en un entorno donde los datos son utilizados con diversos fines, incluyendo la manipulación mediática o la toma de decisiones automatizadas. Así, el desarrollo del pensamiento estadístico no puede limitarse a la aplicación de procedimientos, sino que debe centrarse en la comprensión de la variabilidad, la incertidumbre y la interpretación contextualizada de los datos (Garfield & Ben-Zvi, 2008).
Ahora bien, la incorporación de la inteligencia artificial en este escenario introduce nuevas tensiones y oportunidades. Como se menciona en la presentación, la IA no sustituye los fundamentos de la educación estadística, sino que los complementa . Esta idea resulta clave para evitar posturas reduccionistas que perciben la tecnología como una amenaza para la labor docente. Por el contrario, los algoritmos pueden calcular, predecir y procesar grandes volúmenes de información, pero carecen de la capacidad humana para contextualizar, interpretar éticamente y tomar decisiones fundamentadas en valores.
En esta línea, autores como Biehler et al. (2018) destacan que la integración de tecnologías digitales en la enseñanza de la estadística debe estar guiada por marcos didácticos sólidos que promuevan la comprensión conceptual y no solo la automatización de procesos. Esto implica que el docente asuma un rol mediador, capaz de orientar al estudiantado en el uso crítico de herramientas tecnológicas, favoreciendo el análisis de resultados y la reflexión sobre su validez y pertinencia.
Asimismo, es importante considerar que la alfabetización estadística se vincula estrechamente con la educación matemática crítica (Skovsmose, 1994), la cual propone que el aprendizaje de las matemáticas debe contribuir a la formación de ciudadanos capaces de participar activamente en la sociedad. Desde esta perspectiva, trabajar con datos reales, contextualizados y cercanos al estudiantado permite no solo desarrollar habilidades cognitivas, sino también fomentar una conciencia social y ética sobre el uso de la información.
Por ejemplo, en experiencias de aula donde se analizan fenómenos cotidianos —como el rendimiento académico, el clima o incluso experimentos simples como lanzamientos de objetos se evidencia que el estudiantado comienza a reconocer la variabilidad y a construir interpretaciones propias. Estas prácticas, alineadas con el enfoque del Programa de Estudios de Matemáticas del MEP (2012), promueven una contextualización activa que da sentido al aprendizaje y fortalece la motivación.
No obstante, también emergen desafíos importantes. Tal como se ha observado en diversas implementaciones didácticas, el estudiantado puede presentar dificultades en la construcción de modelos, la validación de resultados y la interpretación más allá de lo evidente. Esto evidencia la necesidad de una mediación docente intencionada, que promueva el diálogo, la argumentación y la confrontación de ideas como estrategias para profundizar el aprendizaje.
En relación con la IA, uno de los principales retos radica en evitar que el uso de herramientas automatizadas genere una dependencia que limite el desarrollo del pensamiento crítico. En lugar de ello, se debe fomentar una relación equilibrada donde la tecnología sea utilizada como apoyo para explorar, visualizar y analizar datos, pero siempre bajo una mirada reflexiva. Como señalan Engel (2017), el objetivo no es que el estudiantado se convierta en un simple consumidor de resultados, sino en un intérprete activo de la información.
Por otra parte, la formación docente juega un papel fundamental en este proceso. La implementación exitosa de propuestas que integren estadística e inteligencia artificial requiere comunidades docentes fortalecidas, capaces de reflexionar sobre su práctica y de actualizarse continuamente. En este sentido, la investigación educativa y el intercambio de experiencias se convierten en herramientas clave para construir conocimiento didáctico y mejorar la calidad de la enseñanza.
Es importante destacar que la educación estadística, en articulación con la IA, tiene un potencial significativo para contribuir a la toma de decisiones informadas en diversos ámbitos, desde lo personal hasta lo social. Sin embargo, este potencial solo se materializa cuando se promueve una comprensión profunda de los datos, una actitud crítica frente a la información y una ética en su uso.
En conclusión, la enseñanza de la estadística en la educación secundaria debe evolucionar para responder a las demandas de un mundo cada vez más complejo y digitalizado. La integración de la inteligencia artificial no sustituye el pensamiento estadístico, sino que lo desafía y lo enriquece. Por ello, es necesario apostar por enfoques didácticos que prioricen la comprensión, la contextualización y la reflexión crítica, formando así ciudadanos capaces de interpretar el mundo a través de los datos y de actuar de manera responsable en él.
Preguntas generadoras
¿Cómo cambia el pensamiento estadístico cuando interviene la IA?
¿Qué riesgos implica delegar la interpretación de datos a algoritmos?
¿Cómo puede la enseñanza de la estadística en secundaria contribuir al desarrollo de una alfabetización estadística crítica en una sociedad saturada de datos?
¿Cuál es el papel del docente en la mediación del uso de la inteligencia artificial para evitar que esta sustituya, en lugar de fortalecer, el pensamiento estadístico del estudiantado?
¿De qué manera la integración de contextos reales y cercanos al estudiantado favorece la comprensión de la variabilidad, la incertidumbre y la toma de decisiones informadas?
Referencias bibliográficas
Biehler, R., Ben-Zvi, D., Bakker, A., & Makar, K. (2018). Research on technology in statistics education: Past, present, and future. Springer. https://doi.org/10.1007/978-3-319-66195-7
Engel, J. (2017). Statistical literacy for active citizenship: A call for data science education. Statistics Education Research Journal, 16(1), 44–49. https://doi.org/10.52041/serj.v16i1.213
Gal, I. (2002). Adults’ statistical literacy: Meanings, components, responsibilities. International Statistical Review, 70(1), 1–25. https://doi.org/10.1111/j.1751-5823.2002.tb00336.x
Garfield, J., & Ben-Zvi, D. (2008). Developing students’ statistical reasoning: Connecting research and teaching practice. Springer.
Ministerio de Educación Pública. (2012). Programas de estudio de matemáticas: Educación general básica y educación diversificada. Ministerio de Educación Pública.
Skovsmose, O. (1994). Towards a philosophy of critical mathematics education. Kluwer Academic Publishers.
