Autoformação e Literacia Estatística: projeto de Modelagem Matemática em Regressões Linear e Polinomial com Python
DOI:
https://doi.org/10.5753/rbie.2025.5093Keywords:
Autoformação, Literacia Estatística, Educação Estatística, Linguagem Python, Regressão Linear, Regressão PolinomialAbstract
A sociedade informacional e sua produção de dados em larga escala pressupõe nos sujeitos pertencentes ferramentas e habilidades capazes de entender esses preceitos. O presente trabalho apresenta uma proposta de projeto de Modelagem Matemática, integrando as Tecnologias Móveis Digitais de Informação e Comunicação (TMDIC), mais precisamente no uso da linguagem de programação Python para construção de modelos de Regressão Linear e Polinomial. É apresentado, primeiramente, a teoria da Autoformação e os conceitos contidos nela, como Ecoformação e Heteroformação. Logo em seguida, é mostrado conceitos acerca da Educação Estatística, mais precisamente a Literacia Estatística e conceituando a Modelagem Matemática integrada as TMDIC com exemplos de projetos aplicados com essa abordagem. Por fim, a proposta de projeto, divida em três partes, onde serão discutidos o problema inicial, conceitos matemáticos essenciais e implementação de códigos para o modelo e a culminância do projeto. Essa proposta potencializa a percepção dos níveis de pluralidade da realidade, além da possibilidade de desenvolver posturas de questionamento desses níveis de pluralidade e intentando a sua modificação.
Downloads
Referências
Almeida, R. N. d. (2015). O método dos mínimos quadrados: estudo e aplicações para o ensino médio [Dissertação (Mestrado Acadêmico em Matemática)]. Universidade Federal Fluminense. [link] [GS Search]
Alves, M. M. S., Ferrete, A. A. S. S., Vasconcelos, A. D., & Santos, W. L. (2024). Humanização digital no ensino remoto: desafios vivenciados por professores da educação básica no panorama pandêmico [Acesso em: 07 jun. 2024]. Revista Iberoamericana de Educación, 94(1), 17–36. [link] [GS Search]
Andrade, M. M. (2008). Ensino e aprendizagem de estatística por meio da modelagem matemática: uma investigação com o ensino médio [Dissertação (Mestrado)]. Universidade Estadual Paulista, Instituto de Geociências e Ciências Exatas [193 f.] [GS Search]
Barbosa, J. C. (2007). Mathematical modelling and parallel discussions. Proceedings of the 5th Congress of the European Society for Research in Mathematics Education (CERME), 1, 1–10. [GS Search]
Bassanezi, R. C. (2002). Ensino-Aprendizagem com Modelagem Matemática: uma nova estratégia. Contexto. [GS Search]
Borba, M. C., Malheiros, A. P. S., & Amaral, R. B. (2011). Educação a Distância on-line (3ª ed.). Autêntica. [GS Search]
Borba, M. C., & Penteado, M. G. (2007). Informática e Educação Matemática (3ª ed.). Autêntica. [GS Search]
Brasil. Conselho Nacional de Educação. (2020). Resolução CNE/CP nº 2, de 20 de dezembro de 2019. Define as diretrizes curriculares nacionais para a formação inicial de professores para a educação básica e institui a Base Nacional Comum para a Formação Inicial de Professores da Educação Básica (BNC-Formação). [GS Search]
Brasil. Ministério da Educação. (2017). Base Nacional Comum Curricular [Acesso em: 20 jun. 2024].
Cambraia, A. C., Araújo, M. C. P. d., & Biondo, U. L. R. (2022). Conhecimento Didático do Conteúdo na Formação de Professores de Computação. Revista Brasileira de Informática na Educação, 30, 449–470. https://doi.org/10.5753/rbie.2022.2525
Campos, C. R., Wodewotzki, M. L. L., & Jacobini, O. R. (2021). Educação Estatística: teoria e prática em ambientes de modelagem matemática (3ª ed.). Autêntica. [GS Search]
Chance, B. L. (1998). Experiences with Authentic Assessment Techniques in a Introductory Statistic Course [Acesso em: 07 jun. 2024]. Journal of Statistics Education, 5(3). https://doi.org/10.1080/10691898.1997.11910596. [GS Search]
Conselho Nacional de Saúde. (2012, dezembro). Resolução CNS nº 466/2012: Diretrizes e normas regulamentadoras de pesquisas envolvendo seres humanos [Publicada no Diário Oficial da União em 13 de junho de 2013]. Recuperado janeiro 23, 2025. Disponível em: [link].
Davenport, T. H. (2014). Big Data no trabalho: Derrubando mitos e descobrindo oportunidades. Elsevier. [GS Search]
de Faria Gomes, M. A., Viera, H. L., & Luna, R. A. (2017). Tecnologias Móveis Digitais da Comunicação e Informação: impactos nas práticas docentes e discentes. Informática na Educação: Teoria e Prática, 20(2). https://doi.org/10.22456/1982-1654.64225 [GS Search]
Delmas, R. C. (2002). Statistical Literacy, Reasoning, and Thinking: A Commentary [Acesso em: 07 jun. 2024]. Journal of Statistics Education, 10(3). [https://doi.org/10.1080/10691898.2002.11910674] [GS Search]
Draper, N. R., & Smith, H. (1998). Applied Regression Analysis (3rd). Wiley. [GS Search]
Estrada, A. A. (2009). Os fundamentos da teoria da complexidade em Edgar Morin. Akrópolis Umuarama, 17(2), 85–90. [GS Search]
Ferrete, A. A. S. S. (2007). O computador no ensino de língua inglesa no CEFET/RN [Tese (Doutorado em Educação)]. Universidade Federal do Rio Grande do Norte [159 f.]. [GS Search]
Galvani, P. (2002). A autoformação, uma perspectiva transpessoal, transdisciplinar e transcultural. Em C. et al. (Ed.), Educação e Transdisciplinaridade II. TRIOM. [GS Search]
Garfield, J., & Ben-Zvi, D. (2008). Developing students’ statistical reasoning. Springer. https://doi.org/10.1007/978-1-4020-8383-9 [GS Search]
Garfield, J., & Gal, I. (1999). Teaching and assessing statistical reasoning. Em L. Staff (Ed.), Developing Mathematical Reasoning in Grades K-12 (pp. 207–219). National Council of Teachers of Mathematics. [GS Search]
Haack, D. G. (1979). Statistical Literacy: A Guide to Interpretation. Duxbury Press. Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied Linear Statistical Models (5th). McGraw-Hill. [GS Search]
Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied Linear Statistical Models (5th). McGraw-Hill.
Ministério da Saúde. (2024a). 26/6 Dia Nacional do Diabetes [Acessado em: 09 out. 2024].
Ministério da Saúde. (2024b). Diabetes [Acessado em: 09 out. 2024]. [link]
Morin, E. (2000). Ciência com Consciência. Bertrand. [GS Search]
Perrenoud, P. (2000). Construindo Competências [Entrevista com Paola Gentle e Roberta Bencini]. Nova Escola, 19–31. [GS Search]
Ponte, J. P. d. (2002). A vertente profissional da formação inicial de professores de Matemática. Educação Matemática em Revista. Revista da Sociedade Brasileira de Educação Matemática, (11a), 3–8. [GS Search]
Rumsey, D. J. (2002). Statistical Literacy as a Goal for Introductory Statistic Courses. Journal of Statistics Education, 10(3). https://doi.org/10.1080/10691898.2002.11910678 [GS Search]
Scheaffer, P. (1990). The ASA-NCTM Quantitative Literacy Project: an Overview. Em D. Vere-Jones (Ed.), Proceedings of the Third International Conference on the Teaching of Statistics (ICOTS-3) (pp. 45–49, Vol. 1). [GS Search]
Sedlmeier, P. (1999). Improving Statistical Reasoning: Theoretical Models and Practical Implications. Lawrence Erlbaum. [GS Search]
Serviços e Informações do Brasil. (2024). Serviços e Informações do Brasil.
Skovsmose, O. (2000). Cenários para Investigação. BOLEMA – Boletim de Educação Matemática,13(14), 66–91. [link] [GS Search]
Smith, G. (1998). Learning Statistics by doing Statistics [Acesso em: 07 jun. 2024]. Journal of Statistics Education ,6(3). https://doi.org/10.1080/10691898.1998.11910623 [GS Search]
UNESCO. (2023). A tecnologia na educação: os jovens clamam por equidade e sustentabilidade [Acesso em: 09 out. 2024].
Vale Mais Saúde. (2024). Principais Tipos de Diabetes [Acessado em: 09 out. 2024]. [link]
Watson, J. (1997). Assessing Statistical Thinking Using the Media. Em I. Gal & J. B. Garfield (Ed.), The Assessment Challenge in Statistics Education (pp. 107–121). IOS Press, on behalf of the ISI. [GS Search]
Arquivos adicionais
Published
Como Citar
Issue
Section
Licença
Copyright (c) 2025 Luciano Pontes da Silva, Anne Alilma Silva Souza Ferrete
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
