Introduccion

La enseñanza de la estadística descriptiva en la educación superior, particularmente en carreras tecnológicas como Ingeniería de Sistemas, presenta dificultades asociadas a enfoques tradicionales centrados en el cálculo manual y la memorización de fórmulas. Estas limitaciones afectan la comprensión conceptual y la aplicación práctica de los contenidos estadísticos.

En este contexto, la integración de herramientas computacionales como el lenguaje de programación Python surge como una alternativa didáctica innovadora para fortalecer el aprendizaje, el análisis de datos y el desarrollo de competencias analíticas.

Planteamiento del problema (FINER – PICOT)

¿En estudiantes del tercer semestre de Ingeniería de Sistemas, la implementación de una estrategia didáctica basada en Python, en comparación con el enfoque tradicional, mejora el aprendizaje de la estadística descriptiva durante un semestre académico?

Modelo PICOT

P: Estudiantes de Ingeniería de Sistemas

I: Estrategia didáctica basada en Python

C: Enseñanza tradicional

O: Aprendizaje de estadística descriptiva

T: Un semestre académico

Evaluación FINER

F: Factible: Recursos y acceso disponibles

I: Interesante: Relevancia pedagógica actual

N: Novedoso: Integración de Python en estadística

E: Ético: Consentimiento informado

R: Relevante: Mejora de competencias profesionales

Metodología

Diseño de investigación

Estudio cuantitativo de tipo cuasi-experimental con grupo control y grupo experimental, aplicando pretest y postest.

Población y muestra

La población estuvo conformada por estudiantes del tercer semestre de Ingeniería de Sistemas, seleccionándose una muestra intencional.

Instrumentos

Se utilizó una prueba de conocimientos de estadística descriptiva y un cuestionario tipo Likert para medir la percepción del aprendizaje.

Análisis de datos

El análisis de los datos se realizó mediante el uso del software estadístico R, integrando procedimientos de estadística descriptiva e inferencial, con el propósito de evaluar el efecto de la estrategia didáctica basada en el lenguaje de programación Python en el aprendizaje de la estadística descriptiva en estudiantes de Ingeniería de Sistemas.

Estadística descriptiva

En una primera fase, se aplicó estadística descriptiva para caracterizar el comportamiento de los puntajes obtenidos en las pruebas pretest y postest, calculando medidas de tendencia central (media, mediana) y de dispersión (desviación estándar). Este análisis permitió identificar patrones iniciales y cambios generales en el rendimiento académico de los estudiantes tras la intervención didáctica.

Los resultados descriptivos evidencian un incremento en los valores promedio del postest en comparación con el pretest, lo que sugiere una mejora preliminar en la comprensión de los contenidos de estadística descriptiva luego de la implementación de la estrategia basada en Python.

Análisis comparativo de resultados

Posteriormente, se realizó un análisis comparativo entre los resultados del pretest y postest con el fin de determinar la magnitud del cambio producido por la intervención. Para ello, se emplearon representaciones gráficas (diagramas de caja) que facilitaron la visualización de la distribución de los puntajes, la variabilidad de los datos y la presencia de posibles valores atípicos.

La comparación gráfica muestra una clara tendencia al desplazamiento de la distribución del postest hacia valores superiores, acompañado de una reducción en la dispersión, lo que indica no solo un mejor rendimiento promedio, sino también una mayor homogeneidad en el aprendizaje de los estudiantes.

Fiabilidad de los instrumentos

Con el objetivo de garantizar la calidad y consistencia de las mediciones, se evaluó la fiabilidad de los instrumentos de recolección de datos. En el caso del cuestionario tipo Likert utilizado para medir la percepción del aprendizaje y la aceptación de la estrategia didáctica, se calculó el coeficiente alfa de Cronbach, obteniendo un valor superior al umbral recomendado de 0.70, lo que evidencia una alta consistencia interna del instrumento.

Asimismo, para las pruebas de conocimientos con ítems dicotómicos (correcto/incorrecto), se emplearon los coeficientes KR-20 y KR-21, los cuales confirmaron la estabilidad y confiabilidad de las evaluaciones aplicadas. Estos resultados fortalecen la validez de las conclusiones derivadas del análisis estadístico.

Interpretación estadística

Los resultados obtenidos permiten inferir que la mejora observada en el desempeño académico no es atribuible al azar, sino que está asociada a la implementación de la estrategia didáctica basada en Python. La combinación de análisis descriptivo, comparación de resultados y evaluación de la fiabilidad de los instrumentos proporciona un marco estadístico robusto que respalda los hallazgos del estudio.

En conjunto, el análisis estadístico evidencia que el uso de herramientas computacionales en la enseñanza de la estadística descriptiva contribuye de manera significativa al fortalecimiento de las competencias analíticas y al aprendizaje significativo en estudiantes de Ingeniería de Sistemas.

Interpretacion grafica

Con el propósito de analizar visualmente el efecto de la estrategia didáctica basada en el lenguaje de programación Python, se realizó una comparación gráfica de los puntajes obtenidos en el pretest y el postest mediante diagramas de caja (boxplots). Este tipo de representación permite examinar simultáneamente la distribución de los datos, la tendencia central, la variabilidad y la presencia de valores atípicos.

Los diagramas de caja evidencian un desplazamiento significativo de la mediana del postest hacia valores superiores, en comparación con el pretest, lo que indica una mejora generalizada en el rendimiento académico tras la intervención. Asimismo, se observa una reducción en el rango intercuartílico del postest, lo que sugiere una mayor homogeneidad en los aprendizajes alcanzados por los estudiantes.

Adicionalmente, la menor dispersión observada en el postest refleja que la estrategia didáctica basada en Python no solo elevó el promedio de los resultados, sino que también contribuyó a disminuir las brechas de desempeño entre los estudiantes. En conjunto, la comparación gráfica respalda visualmente la efectividad de la intervención y complementa los resultados obtenidos en el análisis estadístico descriptivo e inferencial.

Figura 1. Comparación gráfica de los puntajes obtenidos en el pretest y postest mediante diagramas de caja.

Se observa un incremento en la mediana y una reducción en la dispersión de los resultados tras la intervención didáctica basada en Python.

Resultados

Los resultados obtenidos se presentan de acuerdo con los objetivos del estudio y el diseño metodológico planteado, considerando el análisis descriptivo, la comparación de los puntajes pretest y postest, y la evaluación de la fiabilidad de los instrumentos de medición utilizados.

Resultados descriptivos del pretest y postest

El análisis estadístico descriptivo evidenció diferencias relevantes entre los puntajes obtenidos antes y después de la intervención didáctica basada en el lenguaje de programación Python. En el pretest, los estudiantes presentaron un rendimiento promedio moderado, con una mayor dispersión de los resultados, lo que refleja diferencias significativas en el nivel de comprensión inicial de la estadística descriptiva.

En contraste, los resultados del postest muestran un incremento notable en el promedio de los puntajes, acompañado de una reducción en la variabilidad, lo que indica una mejora generalizada en el desempeño académico de los estudiantes tras la implementación de la estrategia didáctica. Estos hallazgos sugieren que la intervención favoreció no solo el aprendizaje individual, sino también una mayor homogeneidad en los niveles de logro alcanzados.

Comparación gráfica de los resultados

La Figura 1 presenta la comparación gráfica de los puntajes obtenidos en el pretest y el postest mediante diagramas de caja. En ella se observa un desplazamiento ascendente de la mediana en el postest, así como una disminución del rango intercuartílico, lo que confirma visualmente la mejora en el rendimiento académico posterior a la intervención.

La menor dispersión de los datos en el postest indica que la estrategia didáctica basada en Python contribuyó a reducir las brechas de aprendizaje entre los estudiantes, favoreciendo un proceso de enseñanza más equitativo y efectivo.

Fiabilidad de los instrumentos

Con el fin de garantizar la calidad de los datos recolectados, se evaluó la fiabilidad de los instrumentos utilizados. El cuestionario tipo Likert aplicado para medir la percepción del aprendizaje y la aceptación de la estrategia didáctica presentó un coeficiente alfa de Cronbach superior a 0.70, lo que evidencia una alta consistencia interna.

Asimismo, las pruebas de conocimientos conformadas por ítems dicotómicos fueron evaluadas mediante los coeficientes KR-20 y KR-21, cuyos valores se ubicaron dentro de rangos aceptables, confirmando la estabilidad y confiabilidad de las mediciones. Estos resultados fortalecen la validez de los análisis realizados y respaldan la interpretación de los hallazgos obtenidos.

Discusión

Los hallazgos coinciden con estudios previos que señalan que el uso de herramientas computacionales favorece la comprensión de conceptos estadísticos y el aprendizaje significativo en educación superior.

Conclusiones

Los resultados del estudio permiten concluir que la implementación de una estrategia didáctica basada en el lenguaje de programación Python tuvo un impacto positivo en el aprendizaje de la estadística descriptiva en estudiantes de la carrera de Ingeniería de Sistemas. La mejora observada en los puntajes del postest respecto al pretest evidencia que la integración de herramientas computacionales favorece una comprensión más profunda y aplicada de los contenidos estadísticos.

Desde una perspectiva metodológica, el uso combinado de los enfoques FINER y PICOT permitió formular un problema de investigación claramente delimitado, viable y relevante, garantizando coherencia entre los objetivos, el diseño del estudio y el análisis de los resultados. Esta integración fortaleció la solidez científica del artículo y facilitó la interpretación de los hallazgos.

Asimismo, la evaluación de la fiabilidad de los instrumentos mediante los coeficientes alfa de Cronbach, KR-20 y KR-21 confirmó la consistencia interna y estabilidad de las mediciones realizadas, lo que respalda la validez de las conclusiones obtenidas. La adecuada confiabilidad de los instrumentos resulta fundamental para asegurar que los cambios observados reflejen realmente el efecto de la intervención y no errores de medición.

Desde el punto de vista pedagógico, los hallazgos sugieren que el uso de Python como recurso didáctico contribuye no solo al incremento del rendimiento académico, sino también a la reducción de las brechas de aprendizaje, promoviendo un proceso educativo más equitativo y alineado con el enfoque de formación por competencias en educación superior.

Finalmente, este estudio aporta evidencia empírica que respalda la incorporación de estrategias didácticas apoyadas en la programación y el análisis de datos en la enseñanza de la estadística, abriendo líneas de investigación futuras orientadas a evaluar su impacto en otros contenidos estadísticos, niveles académicos y contextos educativos. En este sentido, la propuesta se consolida como una alternativa metodológica pertinente y transferible a otras áreas de formación en ingeniería y ciencias aplicadas.

Referencias

Montgomery, D. C., & Runger, G. C. (2021). Applied statistics and probability for engineers. Wiley.

Triola, M. F. (2021). Elementary statistics. Pearson.