OMISIÓN CONCEPTUAL EN EL INFORME ESTADÍSTICO DE MICROSOFT EXCEL: IMPLICACIONES PARA EL RIGOR EN LA EDUCACIÓN MATEMÁTICA
Resumen
Las hojas de cálculo desempeñan un papel estructurante en la mediación del conocimiento estadístico en contextos educativos. Este estudio examina la presentación de las medidas de dispersión estadística en el informe de estadística descriptiva de Microsoft Excel, en su configuración predeterminada, con foco en la consistencia entre la denominación y el procedimiento de cálculo. La investigación se fundamenta en el análisis de los resultados generados por el software y en la reconstrucción algebraica de las expresiones correspondientes. Los resultados evidencian una asimetría interna: la varianza es explícitamente identificada como muestral, mientras que la desviación estándar correspondiente se presenta sin calificación, aunque es calculada bajo el mismo régimen inferencial asociado a la corrección de Bessel. Tal configuración preserva la coherencia matemática, pero introduce una discrepancia en la explicitación conceptual. Se verifica que esta asimetría reduce la visibilidad de una distinción estructurante de la estadística inferencial, al disociar parcialmente la denominación de la medida de su criterio de cálculo. Se sostiene, en este contexto, que la explicitación terminológica en entornos computacionales contribuye al alineamiento entre automatización y comprensión teórica en prácticas formativas mediadas por tecnologías digitales.
Biografía del autor/a
Escritor y profesor universitario en áreas relacionadas con las ciencias exactas y las tecnologías educativas. Máster en Ciencias Naturales y Matemática por la Universidad Regional de Blumenau (FURB, 2012). Especialista en Metodología de la Enseñanza de las Matemáticas por el IBPEX (2006). Licenciado en Ciencias Contables por la Universidad de la Región de Joinville (UNIVILLE, 2000). Posee formación pedagógica docente por el Centro Universitario de Jaraguá do Sul (UNERJ, 2006).
Referencias
BORBA, Marcelo C.; VILLARREAL, Monica E. Humans-with-media and the reorganization of mathematical thinking: information and communication technologies, modeling, experimentation and visualization. New York: Springer, 2005. DOI: https://doi.org/10.1007/b105001
BURRELL, Jenna. How the machine “thinks”: understanding opacity in machine learning algorithms. Big Data & Society, v. 3, n. 1, p. 1–12, 2016. DOI: https://doi.org/10.1177/2053951715622512 DOI: https://doi.org/10.1177/2053951715622512
CASELLA, George; BERGER, Roger L. Statistical inference. 2. ed. Pacific Grove: Duxbury Press, 2002.
CHANCE, Beth L. et al. The role of technology in improving student learning of statistics. Technology Innovations in Statistics Education, v. 1, n. 1, 2007. Disponível em: https://escholarship.org/uc/item/8sd2t4rr Acesso em: 18 mar. 2026. DOI: https://doi.org/10.5070/T511000026
FLORIDI, Luciano. The philosophy of information. Oxford: Oxford University Press, 2011. DOI: https://doi.org/10.1002/9781444396836.ch10
GAL, Iddo. Adults’ statistical literacy: meanings, components, responsibilities. In: GAL, Iddo (ed.). Adult numeracy development: theory, research, practice. Cresskill: Hampton Press, 2002. p. 1–25. DOI: https://doi.org/10.1111/j.1751-5823.2002.tb00336.x
GARFIELD, Joan; BEN-ZVI, Dani. Developing students’ statistical reasoning: connecting research and teaching practice. New York: Springer, 2008.
GILLESPIE, Tarleton. The relevance of algorithms. In: GILLESPIE, T.; BOCZKOWSKI, P. J.; FOOT, K. A. (ed.). Media technologies: essays on communication, materiality, and society. Cambridge: MIT Press, 2018.
GONÇALVES, Rafael A.; MEDEIROS, Jonas de. Aplicações tecnológicas em ambiente acadêmico: um olhar sobre o uso de planilhas eletrônicas e seus impactos sócio-mercadológicos. In: CARRARA, Rosangela Martins; ORTH, Miguel Alfredo (org.). Educação e tecnologia na América Latina. Florianópolis: Contexto Digital Tecnologia Educacional, 2018. p. 51–77.
GONÇALVES, Rafael A.; MEDEIROS, Jonas de. Erros sutis, grandes impactos: identificando fragilidades em planilhas eletrônicas. In: GONÇALVES, Rafael A.; MEDEIROS, Jonas de (org.). Tecnologias da informação e comunicação: desafios e perspectivas na integração academia e mercado. Curitiba: Editora Bagai, 2020. p. 143–163.
KNOX, Jeremy. What does the “postdigital” mean for education? Postdigital Science and Education, v. 1, n. 2, p. 357–370, 2019. DOI: https://doi.org/10.1007/s42438-019-00045-y DOI: https://doi.org/10.1007/s42438-019-00045-y
MOOD, Alexander M.; GRAYBILL, Franklin A.; BOES, Duane C. Introduction to the theory of statistics. 3. ed. New York: McGraw-Hill, 1974.
MOORE, David S.; MCCABE, George P.; CRAIG, Bruce A. Introduction to the practice of statistics. 9. ed. New York: W. H. Freeman, 2017.
PASQUALE, Frank. The black box society: the secret algorithms that control money and information. Cambridge: Harvard University Press, 2015. DOI: https://doi.org/10.4159/harvard.9780674736061
SELWYN, Neil. Education and technology: key issues and debates. 2. ed. London: Bloomsbury, 2016. DOI: https://doi.org/10.5040/9781474235952
SKOVSMOSE, Ole. Educação matemática crítica: a questão da democracia. Campinas: Papirus, 2001.
TROUCHE, Luc. Managing the complexity of human/machine interactions in computerized learning environments: guiding students’ command process through instrumental orchestrations. International Journal of Computers for Mathematical Learning, v. 9, n. 3, p. 281–307, 2004. DOI: https://doi.org/10.1007/s10758-004-3468-5
WILLIAMSON, Ben. Datafication and automation in education during and after the COVID-19 crisis. Postdigital Science and Education, v. 2, p. 1–21, 2020.
