Regressão linear no Enade de Economia: uma análise a partir do Letramento Estatístico

Conteúdo do artigo principal

Diêgo Bezerra de Melo Maciel
Gilda Lisbôa Guimarães

Resumo

Neste artigo foi analisado o conhecimento de estudantes brasileiros sobre Análise de Regressão, a partir dos diferentes tipos de habilidades de Letramento Estatístico proposto no modelo de Gal (2002). Para isso, utilizou-se a questão que apresentou o pior desempenho estudantil no principal instrumento de avaliação da aprendizagem superior brasileira: o Exame Nacional de Desempenho dos Estudantes (ENADE). O Exame avalia os estudantes, segundo os conteúdos, competências e habilidades previstos nas diretrizes curriculares dos cursos. Constatou-se que a questão escolhida representou um cenário profissional, no qual habilidades com fórmulas e algoritmos estatísticos não eram o principal conhecimento exigido. O estudante precisou emitir opinião sobre os resultados de Testes de Hipóteses relacionados com determinados pressupostos teóricos sobre os erros presentes nos modelos de Regressão Linear construídos, no contexto do mercado financeiro. O baixo desempenho verificado pode ser reflexo do processo de ensino que vem sendo realizado nos cursos brasileiros de economia, os quais parecem ser mais orientados para a técnica matemática e não para uma perspectiva ampla de Letramento Estatístico. Portanto, do ponto de vista pedagógico, há necessidade de implementação de mudanças nas práticas de ensino da Regressão Linear, as quais propiciem um melhor nível de conhecimento conceitual, além de prepararem melhor o profissional economista, diante das novas demandas de letramento exigidas para a cidadania.

Downloads

Não há dados estatísticos.

Detalhes do artigo

Como Citar
Maciel, D. B. de M., & Guimarães, G. L. (2022). Regressão linear no Enade de Economia: : uma análise a partir do Letramento Estatístico. Revista Baiana De Educação Matemática, 3(01), e202228. https://doi.org/10.47207/rbem.v3i01.15660
Seção
Dossiê Temático - Educação Estatística brasileira na 11th ICOTS
Biografia do Autor

Diêgo Bezerra de Melo Maciel, Universidade Federal de Pernambuco (UFPE)

Universidade Federal de Pernambuco (UFPE). Doutor em Desenvolvimento Regional.

Gilda Lisbôa Guimarães, Universidade Federal de Pernambuco (UFPE)

Universidade Federal de Pernambuco (UFPE). Doutora em Psicologia Cognitiva.

Referências

AGYEMAN, F. O.; AGYEMANG, K. S.; ZHIQIANG, Ma.; LI, M.B.R; WIREDU, J. From Theory to Practice of Promoting Student Interest in Econometrics: application of structural equation model. International Journal of Development Research, v. 11, n.11, 2021. 52124-52134

ANGRIST, J. D.; PISCHKE, J-S. Undergraduate Econometrics Instruction: Through Our Classes Darkly. Journal of Economic Perspectives, 31, 2, 2017. 125-144.

ARKES, J. Teaching Graduate (and Undergraduate) Econometrics: Some Sensible Shifts to Improve Efficiency, Effectiveness, and Usefulness. Econometrics, 8, 3, 2020. 36-43.

BATANERO, C.; GEA, M. M.; LÓPEZ-MARTÍN, M. M.; ARTEAGA, P. Análisis de los conceptos asociados a la correlación y regresión en los textos de bachillerato. Didacticae: Revista de Investigación en Didácticas Específicas, Barcelona, v. 1, n. 1, 2017. 60-76.

BECKER, W. E.; GREENE, W. H. Teaching statistics and econometrics to undergraduates. The Journal of Economic Perspectives, 15, 4, 2001. 169-182.

BEKKERMAN, A. The role of simulations in econometrics pedagogy. Wiley Interdisciplinary Reviews: Computational Statistics, 7, 2, 2015. 160-165.

BRASIL. Diretrizes Curriculares Nacionais do Curso de Graduação em Economia. Brasília, MEC, 2007.

CHIQUETE, J. U. S. Da matemática aos modelos econométricos: Aplicação ao ensino superior Angolano. 2014. Dissertação (Mestrado em Finanças), Universidade Portucalense, Porto, 2014.

FISHER, R. A. Satistical Methods and Scientific Inference. Endinburgh: Olivier & Boyd, 2nd edition, 1959.

GAL, I. Adults’ statistical literacy: meanings, components, responsibilities. International Statistical Review, 70, 2002. 1-50.

GAL, I. Towards 'probability literacy' for all citizens. In: Graham A. Jones (Ed.).

Exploring probability in school: Challenges for teaching and learning, v. 1, 2005. 43-71

GAL, I.; GROTLÜSCHEN, A.; TOUT, D.; KAISER, G. Numeracy, adult education, and vulnerable adults: A critical view of a neglected field. ZDM Mathematics Education, 52, 3, 2020. 377-394.

GALICIA, R.; The challenges of teaching statistics to undergraduate business and economics students in Spain. Proceedings of 10th International Conference on Teaching Statistics – (ICOTS 10), Kyoto, Japão, 2018.

KASSENS, A. L. Theory vs. practice: Teaching undergraduate econometrics. The Journal of Economic Education, 50, 4, 2019. 367-370.

KENNEDY, P. E. Using Monte Carlo studies for teaching econometrics. Teaching Economics to Undergraduates: Alternatives to Chalk and Talk, 1, 1998. 141-159.

KENNEDY, P. E. Manual de Econometria. Rio de Janeiro: Elsevier, 2009.

MACHADO, J. A. F.; SILVA, J. 50 anos de ensino de econometria em Portugal. Economia, 26, 2002. 95-112.

SOWEY, E. R. University teaching of econometrics: A personal view. Econometric Reviews, 2, 2, 1983. 255-333.