Recolección y Limpieza de Datos

Cuando los estudiantes manipulan datos reales en el aula, transforman números abstractos en historias concretas que importan. Este proceso activo les ayuda a ver la relevancia inmediata de la recolección y limpieza de datos, algo que los ejercicios teóricos no logran transmitir con la misma claridad.

• 8o Básico
• Tecnología
• 3 actividades
• 30 min–60 min

Objetivos de Aprendizaje

1. Identificar fuentes potenciales de sesgo en un conjunto de datos de ejemplo y proponer métodos para mitigarlos.
2. Evaluar la calidad de los datos recolectados de diferentes fuentes, considerando su precisión, completitud y consistencia.
3. Aplicar técnicas de limpieza de datos, como la detección y corrección de valores atípicos y datos faltantes, en un conjunto de datos proporcionado.
4. Explicar la importancia de la documentación de los procesos de recolección y limpieza de datos para la reproducibilidad del análisis.

Paseo por la Galería

⏱ 45 min·Grupos pequeños

Paseo por la Galería: El Gráfico Engañoso

El docente presenta gráficos reales de noticias con escalas distorsionadas. Los estudiantes circulan por la sala identificando el truco visual y rediseñando el gráfico en una pizarra para que sea honesto.

Preparación y detalles

¿Por qué los sesgos en la recolección de datos pueden llevar a conclusiones erróneas?

Consejo de Facilitación: Durante el Gallery Walk, pida a los estudiantes que escriban una pregunta específica sobre cada gráfico engañoso en una tarjeta antes de rotar, para mantener la atención en los detalles.

Setup: Espacio en paredes o mesas dispuestas alrededor del perímetro del salón

Materials: Papel grande/cartulinas, Marcadores, Notas adhesivas para retroalimentación

• Comprender
• Aplicar
• Analizar
• Crear
• Habilidades de Relación
• Conciencia Social

Círculo de Investigación

⏱ 60 min·Grupos pequeños

Círculo de Investigación: Infografía de la Comunidad

Usando los datos recolectados en la unidad anterior, los grupos crean una infografía digital que resuma los hallazgos más importantes, eligiendo el tipo de gráfico más adecuado para cada dato.

Preparación y detalles

¿Cómo podemos asegurar la integridad de los datos cuando provienen de múltiples fuentes?

Consejo de Facilitación: En la Investigación Colaborativa, asigne roles rotativos (ej. entrevistador, diseñador, verificador) para que todos participen activamente en cada etapa del proceso.

Setup: Grupos en mesas con acceso a fuentes de investigación

Materials: Colección de materiales fuente, Hoja de trabajo del ciclo de indagación, Protocolo de generación de preguntas, Plantilla de presentación de hallazgos

• Analizar
• Evaluar
• Crear
• Autogestión
• Autoconciencia

Pensar-Emparejar-Compartir

⏱ 30 min·Parejas

Pensar-Emparejar-Compartir: ¿Qué gráfico elijo?

Se plantean tres situaciones (comparar ventas, mostrar evolución del tiempo, ver partes de un todo). Los estudiantes eligen el gráfico ideal en parejas y justifican su elección ante el curso.

Preparación y detalles

¿Qué rol juega la ética al decidir qué datos recolectar de las personas?

Consejo de Facilitación: Para el Think-Pair-Share, entregue tarjetas con ejemplos concretos de datos para que los estudiantes seleccionen el gráfico más adecuado y expliquen su elección en parejas antes de compartir con el grupo.

Setup: Disposición estándar del salón: los estudiantes se giran hacia un compañero

Materials: Consigna de discusión (proyectada o impresa), Opcional: hoja de registro para parejas

• Comprender
• Aplicar
• Analizar
• Autoconciencia
• Habilidades de Relación

Enseñando Este Tema

Los profesores efectivos modelan el escepticismo saludable hacia los datos, cuestionando siempre su origen y calidad. Evite presentar datos 'perfectos' en clase, ya que esto refuerza la idea errónea de que los datos siempre están limpios y completos. En su lugar, use ejemplos con errores reales que los estudiantes puedan corregir, fomentando así una mentalidad crítica.

Qué Esperar

Los estudiantes demuestran dominio cuando no solo identifican errores en los datos, sino que proponen soluciones prácticas y seleccionan gráficos adecuados para comunicar hallazgos. La evaluación incluye tanto la precisión técnica como la capacidad de explicar sus decisiones con fundamento.

Cuidado con estas ideas erróneas

Idea errónea común

Durante el Gallery Walk, watch for students assuming that all graphs are equally valid for any dataset.

Qué enseñar en su lugar

Use los materiales del Gallery Walk para crear una actividad de emparejamiento donde los estudiantes asocien cada tipo de gráfico (barras, circular, líneas) con ejemplos específicos de datos que representen, explicando por qué otros tipos no funcionarían.

Idea errónea común

During the Collaborative Infographic activity, watch for students valuing visual appeal over accuracy in their designs.

Qué enseñar en su lugar

En la Investigación Colaborativa, incluya una rúbrica que priorice la claridad y honestidad de los datos sobre la estética, y pida a los estudiantes que presenten cómo sus elecciones de diseño mejoran la comprensión de los datos.

Ideas de Evaluación

Verificación Rápida

After the Gallery Walk, entregue a los estudiantes un conjunto de datos simulado con errores evidentes (ej. edades negativas, nombres con ortografías inconsistentes). Pida que identifiquen al menos dos tipos de problemas y sugieran una forma de corregirlos, usando lo aprendido durante la actividad.

Pregunta para Discusión

During the Collaborative Infographic activity, plantee la siguiente pregunta al grupo: '¿Qué pasos deberíamos seguir para asegurarnos de que nuestros datos sobre la comunidad sean justos y no excluyan a ningún grupo?' Fomente la discusión sobre posibles sesgos en la recolección y métodos para mitigarlos.

Boleto de Salida

After the Think-Pair-Share, entregue a cada estudiante una tarjeta donde escriban: 1) Un ejemplo de cómo un sesgo en la recolección de datos podría afectar una decisión importante (ej. política pública). 2) Una técnica que aprendieron para mejorar la calidad de los datos, basada en las discusiones del día.

Extensiones y Apoyo

• Challenge: Pida a los estudiantes que identifiquen y corrijan al menos tres problemas en un conjunto de datos complejo sobre hábitos de consumo escolar, incluyendo sesgos y datos faltantes.
• Scaffolding: Proporcione una tabla de datos incompleta con instrucciones paso a paso para limpiarla, usando colores para destacar errores comunes (ej. celdas vacías, valores atípicos).
• Deeper exploration: Invite a los estudiantes a investigar cómo se recolectan datos en su escuela (ej. encuestas, registros oficiales) y propongan mejoras metodológicas basadas en los estándares aprendidos.

Vocabulario Clave

Sesgo de datos	Una tendencia sistemática en la recolección de datos que puede llevar a conclusiones inexactas o injustas. Puede ocurrir por cómo se seleccionan los participantes o las preguntas que se hacen.
Datos atípicos (outliers)	Valores en un conjunto de datos que son significativamente diferentes de otros valores. Pueden ser errores o eventos inusuales que requieren investigación.
Datos faltantes	Información que no está registrada en un conjunto de datos. Es importante decidir cómo manejar estos vacíos, ya sea eliminando registros o imputando valores.
Integridad de los datos	La cualidad de los datos que asegura que sean precisos, completos y consistentes a lo largo de su ciclo de vida, desde la recolección hasta el análisis.
Limpieza de datos	El proceso de identificar y corregir errores, inconsistencias y datos incompletos o irrelevantes en un conjunto de datos para mejorar su calidad.