Iddo Gal (2002, International Statistical Review) describe la alfabetización estadística de los adultos como la capacidad de interpretar y evaluar críticamente información estadística y de comunicar opiniones sobre ella. Para Gal no basta el conocimiento matemático: también hacen falta conocimiento del contexto, preguntas críticas y una disposición a sospechar con argumentos. Por eso no es un asunto exclusivo del docente de matemáticas. En ciencias naturales se leen datos de experimentos; en sociales, encuestas y censos; en lenguaje, gráficos dentro de noticias; en educación física, tiempos y marcas; en inglés, infografías; y en la dirección de grupo, reportes de asistencia y de convivencia. Los Estándares Básicos de Competencias del MEN (2006) dedican un pensamiento completo de matemáticas, el pensamiento aleatorio y sistemas de datos, a este propósito; para 10.° y 11.° incluyen, según la redacción que reproducen fuentes académicas colombianas, «Interpreto y comparo resultados de estudios con información estadística provenientes de medios de comunicación» (redacción pendiente de cotejo con el PDF oficial del MEN). En el modelo SABI esto se conecta con la estadística financiera: leer precios, tasas, riesgos y proyecciones para decidir mejor en familia.

Wild y Pfannkuch (1999) describen el pensamiento estadístico en la investigación empírica y retoman el ciclo PPDAC de MacKay y Oldford: Problema (¿qué queremos saber?), Plan (¿qué medimos, a quién y cómo?), Datos (recoger, limpiar, organizar), Análisis (tablas, gráficos, medidas) y Conclusiones (responder la pregunta y reconocer límites). El informe GAISE II para preescolar a grado 12 (Bargagliotti y colaboradores, 2020, American Statistical Association y NCTM) organiza el mismo proceso en cuatro componentes: formular preguntas investigativas, recoger o considerar datos, analizar datos e interpretar resultados, y propone avanzar por niveles de complejidad. Ejemplo CENTEC (ficticio): la profesora Liliana, de 7.°, pregunta «¿cómo llegamos al colegio?». Plan: una sola pregunta cerrada, anónima, para todo el grupo. Datos: 30 respuestas. Análisis: tabla de frecuencias y gráfico de barras. Conclusión: describir el grupo, no «todo Cali». La clave didáctica es que la pregunta sea de los estudiantes y que el ciclo se cierre: una investigación sin conclusión comunicada se queda en ejercicio de dibujo.

Antes de calcular o graficar hay que saber qué clase de dato tenemos. Una variable cualitativa (o categórica) describe una cualidad: puede ser nominal, sin orden (medio de transporte, deporte favorito), u ordinal, con orden (nivel de desempeño bajo, básico, alto, superior). Una variable cuantitativa se mide con números que tienen sentido aritmético: es discreta si se cuenta (hermanos, inasistencias) y continua si se mide y admite decimales (estatura, tiempo de lectura). ¿Por qué importa? Porque define qué podemos hacer: el promedio del «deporte favorito» no existe; para variables nominales usamos frecuencias y moda; para ordinales, también la mediana; para cuantitativas, media, mediana y medidas de dispersión. Error frecuente: codificar categorías con números (1 = fútbol, 2 = baloncesto) y luego promediar esos códigos. Otro error: tratar el número de documento o el código del estudiante como cantidad. En la práctica, pide a tus estudiantes que clasifiquen cada variable de su encuesta antes de recoger datos; esa clasificación anticipa la tabla, el gráfico y la medida que usarán.

Datos ficticios del grupo de la profesora Liliana: 30 estudiantes respondieron cómo llegan al colegio. Paso 1, contar: caminando 12, en bus 9, en moto con un familiar 6, en bicicleta 3. Paso 2, comprobar: 12 + 9 + 6 + 3 = 30; si la suma no da el total, hay un dato perdido o contado dos veces. Paso 3, frecuencia relativa: dividir cada conteo entre 30: 12/30 = 0,40; 9/30 = 0,30; 6/30 = 0,20; 3/30 = 0,10. Paso 4, porcentaje: 40 %, 30 %, 20 % y 10 %, que suman 100 %. Paso 5, interpretar: «En este grupo, 4 de cada 10 estudiantes llegan caminando; la categoría más frecuente (la moda) es caminar». Límite: no podemos decir que así llega todo el colegio, porque solo preguntamos a un grupo. En clase, la frecuencia relativa es un puente natural hacia fracciones, decimales y porcentajes, y hacia la probabilidad: si elegimos al azar un estudiante de este grupo, la probabilidad de que llegue caminando es 12/30. Haz que los estudiantes construyan la tabla a mano antes de usar la hoja de cálculo: así entienden qué hace la herramienta.

Un gráfico honesto muestra los datos sin exagerar ni esconder. Guía de elección: para variables cualitativas, el gráfico de barras (barras separadas, del mismo ancho, eje vertical desde cero); el gráfico circular solo sirve con pocas categorías que forman un todo. Para variables cuantitativas, el diagrama de puntos en primaria, el histograma (barras contiguas por intervalos) y el diagrama de caja en secundaria. Para cambios en el tiempo, la línea. Para relacionar dos variables cuantitativas, el diagrama de dispersión. Lista de chequeo de honestidad: 1) título que diga qué, quién y cuándo; 2) ejes con nombre y unidades; 3) en barras, el eje empieza en cero; 4) fuente de los datos y tamaño del grupo (n); 5) sin efectos 3D que deformen áreas; 6) colores con propósito, no decorativos. Ejemplo: con la tabla de transporte, un gráfico de barras ordenado de mayor a menor (12, 9, 6, 3) permite comparar de un vistazo. Los estándares del MEN para 8.° y 9.° incluyen, según fuentes secundarias consultadas, «Reconozco cómo diferentes maneras de presentación de información pueden originar distintas interpretaciones» (redacción pendiente de cotejo con el documento oficial).

Datos ficticios: minutos de lectura diaria de 9 estudiantes de 6.°: 10, 15, 15, 20, 20, 20, 25, 30, 90. Media (promedio): suma 245, dividida entre 9 = 27,2 minutos (aproximado). Mediana: con los datos ordenados, el valor del centro es el quinto: 20 minutos. Moda: el valor que más se repite: 20 minutos. ¿Por qué la media es mayor? Porque un estudiante lee 90 minutos, un valor atípico que «jala» el promedio. Si lo quitamos, la media de los 8 restantes es 155 / 8 = 19,4 minutos, mientras la mediana casi no cambia (20). Conclusión didáctica: la media usa todos los valores y es sensible a extremos; la mediana es resistente; la moda sirve incluso para datos cualitativos. Cuando la distribución es asimétrica (ingresos, tiempos, precios), la mediana describe mejor lo «típico». Error frecuente: informar solo el promedio de notas de un grupo y concluir que «todos van bien». Para clase: pide a los estudiantes que inventen un conjunto de 5 datos con media 4,0 y mediana 3,5; el reto obliga a comprender, no solo a calcular.

Datos ficticios de notas (escala 1,0 a 5,0) de dos subgrupos de 5 estudiantes. Grupo A: 3,0; 3,5; 3,5; 4,0; 4,0. Grupo B: 2,0; 3,0; 3,5; 4,5; 5,0. Paso 1: ambas medias son 3,6 (18,0 / 5). Paso 2, rango (máximo menos mínimo): A = 1,0; B = 3,0. Paso 3, desviación estándar (qué tanto se alejan, en promedio, los datos de la media): A ≈ 0,37 y B ≈ 1,07 si se calcula como población; con la fórmula muestral (dividiendo entre n − 1) A ≈ 0,42 y B ≈ 1,19. Interpretación: el promedio dice lo mismo, pero el grupo B es mucho más heterogéneo: tiene un estudiante en 2,0 que necesita apoyo y otros que pueden asumir retos mayores. Decidir solo con la media habría escondido esa diferencia. Didáctica: en primaria basta con el rango y con mirar un diagrama de puntos; en secundaria se introduce la desviación estándar y, luego, el diagrama de caja con cuartiles. Las hojas de cálculo distinguen DESVEST.P (población) y DESVEST.M (muestra); di siempre cuál usaste.

Caso ficticio: un volante compara la «satisfacción» de dos sedes: Sede Norte 82 % y Sede Sur 86 %. El gráfico de barras tiene el eje vertical desde 80. Paso 1: lo que el ojo compara es la altura dibujada: 82 − 80 = 2 unidades frente a 86 − 80 = 6 unidades; la barra de la Sede Sur se ve tres veces más alta. Paso 2: la comparación real es 86 / 82 ≈ 1,05: la Sede Sur tiene apenas unos 4 puntos porcentuales más, alrededor de un 5 % más en términos relativos. Paso 3: preguntar por el tamaño de cada grupo; con pocos encuestados, 4 puntos pueden ser simple variación. Regla: en gráficos de barras y de áreas el eje debe empezar en cero, porque la longitud o el área representan la cantidad. En gráficos de línea que muestran tendencias se acepta un eje que no empiece en cero, siempre que esté claramente rotulado. Otros trucos frecuentes: intervalos de tiempo desiguales, escalas distintas en dos gráficos que se comparan, pictogramas que crecen en alto y ancho a la vez (el área se multiplica), y elegir solo el periodo que favorece el mensaje.

Dos variables están correlacionadas cuando tienden a variar juntas; eso no prueba que una cause la otra. Caso ficticio: un docente observa que, en su grupo, quienes tienen más horas de pantalla tienen notas más bajas. Antes de concluir «las pantallas bajan las notas», hay que considerar tres explicaciones alternativas: 1) variable de confusión: otra causa común (por ejemplo, menos acompañamiento en casa) puede aumentar las pantallas y bajar las notas a la vez; 2) causalidad inversa: a quien le va mal puede refugiarse más en las pantallas; 3) azar: con pocos datos aparecen patrones que no se repiten. El ejemplo clásico de aula: la venta de helados y los ahogamientos aumentan juntos en temporada de calor; el calor es la causa común. ¿Cómo se acerca uno a una causa? Con experimentos bien diseñados (asignación aleatoria a grupos), con estudios que controlan variables de confusión y con evidencia que se replica. Para el aula: el diagrama de dispersión muestra la tendencia; la conclusión correcta es «en este grupo se observa una relación», no «X produce Y». Esta distinción es central para leer noticias, publicidad y también investigaciones educativas.

Una población es el grupo completo sobre el que queremos concluir; una muestra es la parte que observamos. Una muestra puede ser grande y aun así engañar si está sesgada. Caso ficticio: para saber si a los estudiantes les gusta el nuevo horario, un coordinador encuesta solo a quienes llegan antes de las 6:30 a. m. Esa muestra excluye a quienes llegan tarde, justamente los más afectados: es un sesgo de selección. Otros sesgos: autoselección (responden solo los muy entusiastas o los muy molestos, como en encuestas abiertas en redes sociales), no respuesta y preguntas sesgadas («¿No cree que el nuevo horario es mejor?»). El remedio principal es el muestreo aleatorio: que cada miembro de la población tenga una probabilidad conocida de ser elegido. Sobre el tamaño: como aproximación para proporciones obtenidas con muestreo aleatorio, el margen de error al 95 % es cercano a 1/√n (es el margen máximo, el que corresponde a una proporción cercana al 50 %, y sale de 1,96 × √(0,25/n) ≈ 1/√n); con n = 100 es de unos ±10 puntos porcentuales, y con n = 400, de unos ±5. Cuadruplicar la muestra solo reduce el margen a la mitad. Límite: esa fórmula no corrige el sesgo; una muestra enorme y sesgada sigue sesgada.

Gigerenzer y Hoffrage (1995, Psychological Review) mostraron que muchas personas razonan mejor sobre probabilidades condicionales cuando la información se presenta como frecuencias naturales («9 de cada 1.000») en lugar de porcentajes y probabilidades encadenadas. Ejemplo resuelto con datos ficticios: una prueba de tamizaje detecta una condición que tiene 1 de cada 100 personas. Si la persona tiene la condición, la prueba sale positiva el 90 % de las veces; si no la tiene, sale positiva por error el 10 % de las veces. ¿Qué probabilidad tiene de tener la condición alguien con resultado positivo? Paso 1: imagina 1.000 personas. Paso 2: 10 tienen la condición y 990 no. Paso 3: de las 10, salen positivas 9. Paso 4: de las 990, salen positivas por error 99. Paso 5: positivas en total: 9 + 99 = 108. Paso 6: de esas 108, solo 9 tienen la condición: 9 / 108 ≈ 0,083, es decir, cerca del 8 %. La intuición suele decir «90 %». Con un árbol de frecuencias dibujado en el tablero, estudiantes de secundaria siguen el razonamiento sin fórmulas. En primaria, la probabilidad empieza con experimentos: lanzar dados y comparar lo esperado (la suma 7 tiene 6 de 36 casos) con lo observado.

Gigerenzer y colaboradores (2007, Psychological Science in the Public Interest) documentan cómo la forma de presentar los riesgos confunde a pacientes, periodistas e incluso a profesionales de la salud. La trampa más común es informar solo el riesgo relativo. Ejemplo ficticio: un titular dice «¡Este hábito aumenta el riesgo en 50 %!». Si el riesgo pasa de 2 de cada 1.000 personas a 3 de cada 1.000, el aumento relativo es (3 − 2) / 2 = 0,5, es decir, 50 %. Pero el aumento absoluto es de 1 persona más por cada 1.000, o sea 0,1 puntos porcentuales. Ambas cifras son verdaderas; solo la segunda permite dimensionar el riesgo. Regla práctica para estudiantes y familias: ante cualquier porcentaje de riesgo, preguntar «¿de cuánto a cuánto?» y «¿de cada cuántas personas?». Lo mismo aplica a promociones («50 % más de producto»), a rendimientos financieros y a noticias sobre educación («los puntajes subieron 20 %»: ¿desde qué valor?). Este es un excelente puente entre matemáticas, ciencias naturales, lenguaje y ciudadanía: es lectura crítica con números.

Esta es una de las ideas más poderosas de la estadística y la matemática financiera del modelo SABI. Datos ficticios: una familia ahorra 1.000.000 pesos durante 12 meses a una tasa de ejemplo del 1 % mensual. Interés simple: el interés se calcula siempre sobre el capital inicial. Interés = capital × tasa × tiempo = 1.000.000 × 0,01 × 12 = 120.000 pesos. Total: 1.120.000. Interés compuesto: cada mes el interés se suma al capital y genera nuevos intereses. Valor final = 1.000.000 × (1,01)¹² ≈ 1.126.825 pesos. Interés ganado ≈ 126.825. Interpretación: la diferencia (unos 6.825 pesos) parece pequeña en un año, pero crece cada vez más con el tiempo, porque se gana «interés sobre el interés». Funciona igual en contra: las deudas con interés compuesto (tarjetas de crédito, préstamos informales de «gota a gota») crecen muy rápido. Errores frecuentes: confundir tasa mensual con anual y multiplicar 1,01 × 12 en lugar de elevar a la 12. Didáctica: construye con el grupo una tabla mes a mes en la hoja de cálculo; ver la columna crecer vale más que la fórmula sola.

La inflación es el aumento generalizado y sostenido de los precios; en Colombia el DANE la mide con el Índice de Precios al Consumidor (IPC). Lo que importa a una familia es el poder adquisitivo: cuánto puede comprar con su ingreso. Ejemplo ficticio: si el ingreso sube 5 % y los precios suben 8 %, el ingreso real cambia en 1,05 / 1,08 − 1 ≈ −0,028: la familia puede comprar cerca de un 2,8 % menos, aunque reciba más pesos. Restar 5 − 8 = −3 es solo una aproximación. Presupuesto ficticio de un hogar con ingreso de 2.000.000 pesos: arriendo 700.000 (35 %), mercado 600.000 (30 %), servicios 250.000 (12,5 %), transporte 200.000 (10 %), ahorro 150.000 (7,5 %) y otros 100.000 (5 %); suma: 2.000.000 y 100 %. Con estos datos los estudiantes construyen un gráfico de barras, calculan porcentajes y simulan decisiones: ¿qué pasa si el arriendo sube 10 %? Cuidado: nunca uses datos reales de la economía de las familias de tus estudiantes; trabaja con hogares ficticios y respeta la diversidad de situaciones. Cuando cites cifras reales de inflación, consúltalas en la fuente oficial vigente (DANE o Banco de la República) y escribe la fecha.

Black y Wiliam (1998, Assessment in Education) revisaron la investigación sobre evaluación formativa y concluyeron que usar la información de la evaluación para ajustar la enseñanza y retroalimentar al estudiante puede mejorar el aprendizaje. Los datos más útiles del aula son pequeños y rápidos. Ejemplo ficticio: el profesor Andrés aplica un boleto de salida de 3 preguntas de selección múltiple a 30 estudiantes de 9.°. En la pregunta 3 (interés compuesto), solo 9 aciertan: 9 / 30 = 30 %. Pero el dato más valioso es otro: 15 estudiantes (50 %) eligieron la misma opción incorrecta, la que multiplica la tasa por el tiempo. Ese distractor revela un error conceptual compartido, no un descuido individual. Decisión: al día siguiente, reenseñar con una tabla mes a mes y un contraejemplo, y volver a preguntar con un ítem nuevo. Claves: diseñar distractores que representen errores reales; mirar los datos el mismo día; agrupar por error, no por nota; y comunicar al estudiante qué hacer para mejorar, no solo su puntaje (Hattie y Timperley, 2007). La retroalimentación se dirige a la tarea, nunca a etiquetar a la persona.

Según la información oficial publicada por el Ministerio de Educación sobre los resultados individuales de Saber 11, el puntaje global se expresa en una escala de 0 a 500 y cada prueba en una escala de 0 a 100; el reporte incluye el percentil, que indica qué porcentaje de evaluados obtuvo un puntaje menor, y niveles de desempeño que describen lo que el estudiante sabe hacer (en inglés se usan niveles referidos al Marco Común Europeo). Cómo leerlos: 1) consulta siempre la guía de interpretación oficial del ICFES del año correspondiente, porque los reportes pueden cambiar; 2) el percentil compara personas, el nivel de desempeño describe competencias: para planear clases, los niveles y las descripciones de lo evaluado son más útiles que el puesto; 3) no compares años distintos sin verificar que la escala y la prueba sean comparables; 4) lee los resultados institucionales junto con tus datos de aula, no en lugar de ellos. Advertencia de rigor: este curso no reproduce cifras de resultados ni la estructura detallada de los reportes institucionales; búscalas en los canales oficiales del ICFES y verifica la fecha. Los resultados Saber son una fotografía útil, no un diagnóstico completo de cada estudiante.

Tres trampas frecuentes al analizar resultados de grupos. 1) Grupos pequeños: en un grupo de 25 estudiantes, uno o dos resultados extremos mueven mucho el promedio; un cambio de un año a otro puede ser pura variación. Antes de celebrar o alarmarse, mira la distribución (diagrama de puntos o de caja), no solo la media. 2) Comparar cohortes distintas: el 11.° de este año no es el mismo grupo de estudiantes que el del año pasado; una diferencia puede deberse a quiénes son, no a lo que se hizo. 3) Regresión a la media: cuando se elige a quienes obtuvieron resultados muy bajos en una prueba, en la siguiente medición tienden, en promedio, a acercarse al centro aunque no se haga nada, porque parte del resultado extremo era azar. Si se aplica un programa de refuerzo solo a ellos y luego «mejoran», no se puede atribuir toda la mejora al programa sin un grupo de comparación. Buenas prácticas: combinar varias fuentes (pruebas internas, trabajos, observación); comparar el mismo grupo en el tiempo; usar rangos y medianas; y escribir conclusiones con palabras prudentes («sugiere», «en este grupo»). Así se toman decisiones justas con los estudiantes y con los docentes.

La Ley 1581 de 2012 establece el régimen general de protección de datos personales en Colombia. Entre sus principios están la finalidad (usar los datos solo para el propósito informado), la libertad (con autorización del titular), el acceso y la circulación restringida, la seguridad y la confidencialidad. La ley da una protección especial a los datos de niños, niñas y adolescentes, cuyo tratamiento debe responder y respetar su interés superior (art. 7 de la ley y art. 12 del Decreto 1377 de 2013, compilado en el Decreto 1074 de 2015), y a los datos sensibles (por ejemplo, salud). En el aula esto significa: 1) no publicar listas de notas con nombres en carteleras, grupos de WhatsApp ni redes; 2) entregar resultados individuales solo al estudiante y a su familia; 3) para analizar o mostrar datos, usar códigos o datos agregados (por ejemplo, «12 de 30 estudiantes»); 4) en proyectos estadísticos, encuestas anónimas y preguntas que no expongan situaciones familiares, económicas o de salud; 5) guardar las hojas de cálculo en cuentas institucionales con acceso restringido, no en memorias USB compartidas; 6) no subir datos personales de estudiantes a herramientas de inteligencia artificial. Ante dudas, consulta la política de tratamiento de datos de la institución.

No se necesita software costoso. LibreOffice Calc es libre y gratuito, y Hojas de cálculo de Google se usa sin costo con una cuenta. Con la configuración en español, las funciones clave son: PROMEDIO(rango) para la media; MEDIANA(rango); MIN y MAX para el rango (MAX − MIN); CONTAR.SI(rango; criterio) para frecuencias, por ejemplo cuántos eligieron la opción B; y la desviación estándar (DESVEST y sus variantes según el programa). Ejemplo guiado (ficticio): en la columna B, las respuestas de 30 estudiantes a la pregunta 3; en la celda D2 escribe =CONTAR.SI(B2:B31;"B") y obtendrás cuántos eligieron el distractor B; divide entre 30 para el porcentaje. Según la configuración regional, el separador puede ser punto y coma o coma. Buenas prácticas: una fila por estudiante (con código, no con nombre, cuando compartas), una columna por variable, sin celdas combinadas en la tabla de datos; verificar a mano un cálculo antes de confiar en la fórmula; y usar formato condicional para ver de un vistazo qué ítems tienen bajo acierto. Enseña a tus estudiantes a construir la tabla primero a mano: la herramienta acelera, no reemplaza la comprensión.

Los datos no deciden: deciden las personas con criterio. Un ciclo simple para cualquier área: 1) Pregunta: ¿qué necesito saber de mis estudiantes? (por ejemplo, «¿entienden la diferencia entre media y mediana?»). 2) Evidencia: un instrumento breve y alineado (boleto de salida, mini-quiz, producción escrita). 3) Análisis: porcentaje de acierto por ítem, errores compartidos, dispersión del grupo. 4) Decisión: reenseñar a todos, formar grupos flexibles o avanzar. 5) Comprobación: volver a medir con un ítem nuevo, no con el mismo. Indicadores por nivel de Bloom para este curso: N1 identifica tipos de variables; N2 explica qué mide la media y qué la mediana; N3 construye tablas y gráficos honestos; N4 detecta sesgos, ejes truncados y saltos causales; N5 juzga si un reporte permite una conclusión; N6 diseña un proyecto PPDAC con su grupo. Mini-rúbrica de una conclusión con datos: inicial, opina sin datos; en desarrollo, cita datos sin analizarlos; logrado, interpreta centro y dispersión y responde la pregunta; avanzado, además reconoce límites (muestra, sesgos, azar). Úsala con estudiantes y también para revisar tus propios informes.

Propuesta de proyecto (adaptable a cualquier área y grado): «¿Cuánto tiempo tardamos en llegar al colegio y qué lo explica?». Problema: los estudiantes formulan la pregunta y predicen el resultado. Plan: definen variables (minutos, cuantitativa continua; medio de transporte, cualitativa nominal), redactan preguntas neutrales y acuerdan una encuesta anónima. Datos: recogen, revisan totales y limpian errores. Análisis: tabla de frecuencias, gráfico de barras para el transporte, diagrama de puntos para los minutos, mediana y rango por medio de transporte. Conclusiones: responden la pregunta, reconocen límites (solo su grupo, datos autodeclarados) y proponen una acción, por ejemplo una ruta segura para caminar. Conexión con estadística financiera: estimar el gasto semanal de transporte de un hogar ficticio. Síntesis del curso — qué memorizar: tipos de variables y las etapas del PPDAC. Qué comprender: centro con dispersión; correlación no es causa; muestras y sesgo. Qué ejecutar: tablas, gráficos honestos, interés compuesto e ingreso real. Qué decidir: qué conclusión permiten los datos y cómo proteger la privacidad. Este contenido está en revisión hasta que lo apruebe el equipo responsable.