Ideas de aprendizaje activo
Las pruebas de hipótesis son la herramienta formal para la toma de decisiones científicas. En III Medio, el OA 4 y el OA g introducen a los estudiantes en el proceso de contrastar una afirmación (hipótesis nula) frente a la evidencia de los datos. Este marco lógico es el que permite a la ciencia avanzar, descartando teorías que no se sostienen ante la realidad empírica.
Actividad 01
Se presenta un caso donde una empresa afirma que su producto mejora el crecimiento de los bosques de araucarias. Los estudiantes usan datos de una muestra para realizar una prueba de hipótesis y 'testificar' si la afirmación es válida o no.
¿Qué es una hipótesis nula y por qué intentamos rechazarla?
Actividad 02
Los estudiantes deben intentar explicar qué es un valor-p usando una analogía cotidiana (como un árbitro de fútbol) a un compañero. Luego, refinan su definición basándose en la retroalimentación del docente.
¿Qué nos indica el valor-p en un estudio científico?
Actividad 03
Mediante un juego de cartas, los estudiantes experimentan situaciones donde rechazan una hipótesis que era verdadera (Error Tipo I). Discuten las consecuencias de estos errores en contextos como la justicia o la medicina.
¿Cuáles son las consecuencias de cometer errores de Tipo I y Tipo II?
Algunas notas para enseñar esta unidad
Cuidado con estas ideas erróneas
Creer que un valor-p pequeño significa que el efecto es muy grande o importante.
El valor-p solo habla de la fuerza de la evidencia contra la hipótesis nula, no de la magnitud del efecto. Es vital discutir la diferencia entre significancia estadística y significancia práctica mediante ejemplos de la vida real.
Pensar que 'no rechazar H0' significa que hemos demostrado que H0 es verdadera.
Solo significa que no tenemos evidencia suficiente para descartarla. La analogía de 'no culpable' en un juicio (que no es lo mismo que 'inocente') ayuda mucho a aclarar esta distinción lógica durante las actividades grupales.
Metodologías usadas en este resumen
Correlación y regresión lineal
Análisis de la relación entre dos variables cuantitativas mediante diagramas de dispersión. Ajuste de modelos de regresión lineal simple para predecir valores y evaluar la fuerza de la asociación.
8 methodologies
Análisis crítico de estudios estadísticos
Evaluación de la validez y fiabilidad de estudios publicados en medios de comunicación. Identificación de falacias estadísticas, sesgos cognitivos y manipulación de datos.
8 methodologies
Proyecto final de análisis de datos
Desarrollo de una investigación completa, desde la recolección y limpieza de datos hasta la inferencia estadística. Presentación de resultados utilizando herramientas computacionales y visualizaciones efectivas.
8 methodologies