DOI: https://doi.org/10.56712/latam.v7i3.6100  
Estadística aplicada en proyectos interdisciplinarios:  
revisión sistemática y propuesta pedagógica para fortalecer  
la investigación escolar en bachillerato  
Applied statistics in interdisciplinary projects: a systematic review and  
pedagogical proposal to strengthen school-based research in upper  
secondary education  
Christofer Alberto Hurtado Bajaña1  
Christoferalhuba85@gmail.com  
https://orcid.org/0009-0009-5246-5786  
Unidad Educativa Naranjito  
Naranjito – Ecuador  
Amaritza Elizabeth Zambrano Reyes  
aezr15@hotmail.com  
https://orcid.org/0009-0002-2529-8467  
Unidad Educativa Naranjito  
Naranjito – Ecuador  
Carmen Alexandra Sinchi Rivas  
csinchir@unemi.edu.ec  
https://orcid.org/0000-0001-9611-2514  
Unidad Educativa Naranjito  
Naranjito – Ecuador  
Carlos Alberto Arévalo Gómez  
c_arevalo15@hotmail.es  
https://orcid.org/0009-0001-0427-2236  
Unidad Educativa Naranjito  
Naranjito – Ecuador  
Cinthia Jhomayra Solis Calle  
cinthiasolis2023@gmail.com  
https://orcid.org/0009-0006-3581-2887  
Unidad Educativa Naranjito  
Naranjito – Ecuador  
Artículo recibido: 12 de febrero de 2026. Aceptado para publicación: 26 de junio de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
La estadística aplicada constituye una herramienta relevante para fortalecer la investigación escolar  
en bachillerato, especialmente cuando se integra en proyectos interdisciplinarios orientados al  
análisis de problemas reales. Este artículo tuvo como objetivo analizar evidencia científica reciente  
sobre su uso en experiencias educativas vinculadas con alfabetización estadística, aprendizaje  
basado en proyectos, educación STEM, modelación, visualización de datos y formación docente. Se  
desarrolló una revisión sistemática de literatura, siguiendo el modelo PRISMA 2020, a partir de 29  
estudios publicados entre 2020 y 2026 en bases académicas y revistas especializadas. Los resultados  
muestran que la estadística escolar adquiere mayor sentido cuando se trabaja con preguntas  
investigables, datos reales, interpretación crítica, herramientas digitales y comunicación de  
1 Autor de correspondencia.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2233.  
conclusiones basadas en evidencia. También se identificó que los proyectos interdisciplinarios  
favorecen la participación estudiantil y la articulación entre asignaturas, siempre que la estadística no  
se reduzca a cálculos finales o gráficos decorativos. A partir de estos hallazgos, se propone la Ruta  
ADAPTAR como estrategia pedagógica flexible; no obstante, esta no fue aplicada empíricamente, por  
tratarse de una derivación pedagógica de la revisión. Se concluye que la estadística aplicada ayuda a  
pasar de la opinión a la evidencia y fortalece el pensamiento crítico.  
Palabras clave: estadística aplicada, alfabetización estadística, proyectos interdisciplinarios,  
investigación escolar, bachillerato  
Abstract  
Applied statistics is a relevant tool for strengthening school-based research in upper secondary  
education, especially when integrated into interdisciplinary projects focused on real-world problems.  
This article aimed to analyze recent scientific evidence on its use in educational experiences related  
to statistical literacy, project-based learning, STEM education, modeling, data visualization, and  
teacher training. A systematic literature review was conducted following the PRISMA 2020 model,  
based on 29 studies published between 2020 and 2026 in academic databases and specialized  
journals. The findings show that school statistics becomes more meaningful when addressed through  
researchable questions, real data, critical interpretation, digital tools, and the communication of  
evidence-based conclusions. The review also found that interdisciplinary projects promote student  
participation and connections across subjects, provided that statistics is not reduced to final  
calculations or decorative graphs. Based on these findings, the ADAPTAR Route is proposed as a  
flexible pedagogical strategy; however, it was not empirically implemented, as it derives pedagogically  
from the review. The article concludes that applied statistics helps students move from opinion to  
evidence and strengthens critical thinking  
Keywords: applied statistics, statistical literacy, interdisciplinary projects, school-based  
research, upper secondary education  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Hurtado Bajaña, C. A., Zambrano Reyes, A. E., Sinchi Rivas, C. A., Arévalo Gómez, C. A., &  
Solis Calle, C. J. (2026). Estadística aplicada en proyectos interdisciplinarios: revisión sistemática y  
propuesta pedagógica para fortalecer la investigación escolar en bachillerato. LATAM Revista  
Latinoamericana de Ciencias Sociales y Humanidades 7 (3), 2233 – 2254. https://doi.org/  
10.56712/latam.v7i3.6100  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2234.  
INTRODUCCIÓN  
Hoy en día los estudiantes están rodeados de datos. A diario encuentran porcentajes en redes sociales,  
gráficos en noticias, encuestas de opinión, estadísticas deportivas, cifras de salud, informes  
ambientales, rankings académicos y datos económicos que influyen en su manera de comprender la  
realidad. Pero recibir tanta información no garantiza saber interpretarla. Alguien puede observar un  
gráfico y pensar que lo entiende, sin notar que la escala está mal utilizada, que la muestra es reducida,  
que la comparación resulta injusta o que la conclusión exagera los datos. Por ello, la estadística escolar  
ya no puede verse sólo como un contenido matemático, sino como una herramienta necesaria para  
pensar, investigar y decidir con mayor responsabilidad.  
En bachillerato, la estadística suele abordarse mediante tablas, gráficos, porcentajes, medidas de  
tendencia central y nociones básicas de probabilidad o inferencia. Aunque estos contenidos son  
necesarios, con frecuencia se trabajan como ejercicios aislados, sin relación clara con problemas  
reales. Así, el estudiante aprende a calcular una media o completar una tabla, pero no siempre  
comprende su utilidad dentro de una investigación. Esto reduce el valor formativo de la estadística, al  
presentarla como técnica y no como herramienta para analizar fenómenos cotidianos, escolares y  
comunitarios. Por ello, su enseñanza debe orientar a formular preguntas, recoger datos, interpretarlos  
y comunicar conclusiones con claridad (Pip & Franklin, 2021).  
La alfabetización estadística ganó mayor relevancia durante crisis recientes, entre ellas la pandemia  
de COVID-19, el cambio climático y la circulación acelerada de información digital. En esos escenarios,  
la población debió leer curvas de contagio, porcentajes de vacunación, tasas de mortalidad, mapas de  
riesgo, predicciones climáticas y comparaciones entre países o regiones. Cuando no existe una  
interpretación crítica de los datos, resulta más fácil aceptar afirmaciones erróneas o difundir  
información engañosa. Engledowl & Weiland (2021) evidencian que ciertas visualizaciones sobre  
COVID-19 emplearon escalas, ejes u ordenamientos capaces de generar lecturas equivocadas. Estas  
situaciones muestran que la escuela no debe limitarse a enseñar la elaboración de gráficos; también  
necesita formar a los estudiantes para analizarlos con cuidado, identificar la fuente y comprobar si las  
conclusiones se sostienen.  
La estadística aplicada también aporta a la investigación escolar, porque permite sustituir la simple  
opinión por evidencias. Con frecuencia, los estudiantes formulan ideas sobre su entorno: consideran  
que sus compañeros duermen poco, se alimentan mal, usan demasiado el celular, realizan poca  
actividad física, enfrentan problemas de convivencia o viven en una comunidad afectada por la  
contaminación. Estas percepciones tienen valor, pero requieren ser investigadas. La estadística ayuda  
a convertir esas inquietudes en preguntas, recoger datos, ordenarlos y analizar los resultados. De este  
modo, una afirmación como los estudiantes duermen poco puede convertirse en una pregunta  
investigable: ¿Cuántas horas duermen los estudiantes de bachillerato durante los días de clase y cómo  
varía ese tiempo según sus hábitos de uso de dispositivos electrónicos? Aunque el cambio parezca  
sencillo, implica una manera más rigurosa de pensar.  
Los proyectos interdisciplinarios permiten trabajar problemas escolares y sociales desde varias áreas,  
como alimentación saludable, contaminación o hábitos de lectura. En estos casos, la estadística puede  
actuar como eje común, porque ayuda a recoger datos, analizarlos y comunicar resultados. No  
obstante, la integración de asignaturas no garantiza por sí sola el aprendizaje estadístico. Goos et al.  
(2023) advierten que, en algunas experiencias STEM, la matemática queda reducida a cálculos finales.  
Por ello, los proyectos deben planificarse para que la estadística intervenga desde el planteamiento del  
problema, la recolección de información y la interpretación de resultados, no solo como apoyo para la  
presentación final.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2235.  
El aprendizaje basado en proyectos se reconoce ampliamente como una estrategia capaz de promover  
participación, colaboración y vínculo con problemas reales. Aun así, los estudios revisados indican que  
sus resultados dependen de una buena planificación, del acompañamiento docente y de objetivos bien  
definidos. Boardman et al. (2024) hallaron que el PBL puede generar experiencias más auténticas y  
significativas, aunque también produce tensiones cuando el profesorado debe avanzar con contenidos  
obligatorios. Singh (2024) evidenció que esta metodología puede renovar prácticas tradicionales en la  
matemática secundaria, al favorecer la participación y la contextualización. Estos aportes muestran  
que los proyectos tienen mayor valor cuando cuentan con una estructura clara y llevan a los estudiantes  
a investigar un problema, usar datos y defender resultados, no solo a realizar una actividad.  
El uso de datos reales y cercanos al contexto estudiantil fortalece el sentido del aprendizaje estadístico,  
porque permite investigar temas vinculados con sus experiencias, comunidades e intereses. Weiland  
& Williams (2024) señalan que los datos culturalmente relevantes acercan la estadística a la vida del  
alumnado. En la misma línea, Estrella et al. (2021) muestran que los contextos auténticos, como el  
análisis de datos sobre tsunamis en Chile, favorecen la comprensión del dato y de la variabilidad. Sin  
embargo, estos datos suelen ser menos ordenados y más complejos, por lo que requieren  
interpretación contextual. Esta dificultad debe abordarse de forma gradual y guiada.  
La formación docente resulta clave en este desafío. Para que la estadística aplicada se integre de  
manera efectiva en proyectos interdisciplinarios, el profesorado debe manejar el ciclo estadístico,  
plantear preguntas investigables, guiar la recolección de datos, fomentar lecturas críticas y acompañar  
la presentación de resultados. Lee & Harrison (2021) muestran que incluso docentes de estadística  
avanzada pueden tener dificultades para incorporar tecnología o trabajar con datos multivariados.  
Schreiter et al. (2024) también identifican brechas en profesores STEM vinculadas con la alfabetización  
estadística y de datos. Por eso, una propuesta pedagógica necesita ser rigurosa y, al mismo tiempo,  
viable; no puede depender sólo de especialistas en estadística, ya que los proyectos interdisciplinarios  
exigen la participación de distintas áreas.  
En  
Ecuador,  
fortalecer  
las  
competencias  
matemáticas,  
comunicacionales,  
digitales  
y
socioemocionales forma parte de una mirada educativa más integral. Las normas educativas y las  
orientaciones curriculares nacionales impulsan una formación que vaya más allá de memorizar  
contenidos y permita a los estudiantes comprender su realidad, participar en la sociedad y resolver  
problemas con responsabilidad. Desde esta mirada, la estadística aplicada puede favorecer  
aprendizajes más vinculados con la vida cotidiana, sobre todo cuando se articula con temas como  
salud, ambiente, ciudadanía, economía, tecnología y convivencia escolar.  
Con base en este contexto, el artículo se propone analizar, mediante una revisión sistemática, la  
evidencia científica reciente sobre el uso de la estadística en proyectos interdisciplinarios de  
bachillerato, con el fin de plantear orientaciones pedagógicas que fortalezcan la investigación escolar  
y el manejo significativo de datos en el aprendizaje. El estudio parte de una idea central: la estadística  
no debería enseñarse sólo como contenido matemático, sino como una herramienta para investigar,  
pensar críticamente y comunicar conclusiones sustentadas en evidencia. Así, el trabajo ofrece una  
lectura integrada de la literatura y una propuesta aplicable en distintas asignaturas, para que los  
estudiantes avancen del “yo creo” al “los datos muestran”.  
METODOLOGÍA  
Este estudio se realizó como una revisión sistemática de literatura con orientación propositiva, basada  
en la estructura del modelo PRISMA 2020. Su propósito fue identificar, seleccionar y analizar  
investigaciones recientes sobre la estadística aplicada en proyectos interdisciplinarios de bachillerato  
(Page et al, 2021). La revisión adoptó un enfoque cualitativo-documental, ya que no buscó medir  
efectos estadísticos mediante metaanálisis, sino ordenar y sintetizar aportes teóricos, metodológicos  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2236.  
y pedagógicos de estudios desarrollados con diversos diseños, contextos educativos y enfoques de  
investigación.  
El proceso se guió por la siguiente pregunta: ¿Qué aportes ofrece la estadística aplicada al  
fortalecimiento de la investigación escolar en proyectos interdisciplinarios de bachillerato, según la  
evidencia científica reciente? Desde esta interrogante se establecieron los criterios de búsqueda,  
inclusión, exclusión y análisis documental. Se incluyeron estudios relacionados con alfabetización  
estadística, alfabetización de datos, educación estadística escolar, aprendizaje basado en proyectos,  
educación STEM, modelación estadística o matemática, visualización crítica de datos, uso de  
tecnología y formación docente para enseñar estadística.  
La búsqueda documental se llevó a cabo en bases académicas y repositorios científicos, entre ellos  
Scopus, Web of Science, ERIC, SciELO y revistas especializadas en educación estadística, educación  
matemática y pedagogía. Se revisaron estudios publicados entre 2020 y 2026, redactados en español  
o inglés, disponibles a texto completo y vinculados directamente con educación secundaria,  
bachillerato, K-12 o formación docente aplicable al ámbito escolar. Para localizar los documentos se  
combinaron descriptores en ambos idiomas, como “estadística aplicada”, “alfabetización estadística”,  
“alfabetización de datos”, “proyectos interdisciplinarios”, “investigación escolar”, “bachillerato”,  
“educación secundaria”, “statistical literacy”, “data literacy”, “project-based learning”, “STEM  
education”, “statistical modeling”, “data visualization” y “upper secondary education”.  
Tabla 1  
Criterios de inclusión y exclusión aplicados en la revisión sistemática  
Criterios de inclusión  
Artículos científicos, revisiones sistemáticas,  
estudios empíricos o propuestas educativas  
con base investigativa.  
Criterios de exclusión  
Documentos sin revisión académica o sin rigor  
metodológico identificable.  
Estudios publicados entre 2020 y 2026.  
Trabajos escritos en español o inglés.  
Publicaciones fuera del periodo definido.  
Documentos en otros idiomas sin traducción  
accesible.  
Investigaciones con acceso completo al texto.  
Estudios relacionados con estadística aplicada,  
alfabetización estadística, alfabetización de  
datos, modelación, PBL, STEM, visualización de  
datos o formación docente.  
Registros sin acceso al texto completo.  
Estudios sin relación directa con estadística  
escolar, investigación con datos o proyectos  
interdisciplinarios.  
Investigaciones desarrolladas en secundaria,  
bachillerato, K-12 o formación docente con  
aplicación escolar.  
Estudios centrados exclusivamente en  
educación superior sin posibilidad clara de  
transferencia al contexto escolar.  
Nota: Criterios aplicados para seleccionar los estudios revisados.  
Fuente: elaboración propia.  
La selección de documentos se desarrolló en cuatro etapas: identificación, cribado, elegibilidad e  
inclusión. Durante la identificación se encontraron 3.184 registros en bases de datos, revistas  
científicas y repositorios académicos. Tras aplicar filtros por año de publicación, idioma, tipo de  
documento y palabras clave, el número se redujo a 312 registros. Luego se retiraron duplicados y textos  
sin acceso completo, por lo que quedaron 145 documentos para revisar título, resumen y palabras  
clave. En esta etapa se descartaron 87 estudios por baja pertinencia temática, limitada relación con el  
nivel educativo o escasa vinculación con la estadística aplicada. Más adelante, 58 artículos fueron  
analizados a texto completo para valorar su pertinencia, calidad académica y aporte al objetivo del  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2237.  
estudio. De ellos, 29 se excluyeron por no cumplir de forma suficiente los criterios de elegibilidad o por  
ofrecer aportes limitados para la síntesis temática. Finalmente, la revisión sistemática quedó  
conformada por 29 estudios.  
Tabla 2  
Proceso de selección de estudios  
Fase del proceso  
Identificación  
Descripción  
Registros localizados inicialmente  
Número  
3184  
Filtros iniciales  
Registros conservados tras aplicar año, idioma, tipo de  
documento y palabras clave  
312  
Depuración  
Registros conservados tras eliminar duplicados y  
documentos sin texto completo  
145  
Cribado  
Exclusión en cribado  
Elegibilidad  
Registros revisados por título, resumen y palabras clave  
Registros excluidos por baja pertinencia temática  
Artículos evaluados a texto completo  
145  
87  
58  
Exclusión tras lectura  
completa  
Artículos excluidos por no cumplir criterios  
29  
Inclusión final  
Estudios incluidos en la revisión sistemática  
29  
Fuente: elaboración propia.  
El proceso completo de identificación, depuración, cribado, elegibilidad e inclusión se representó  
mediante un diagrama de flujo PRISMA, con el fin de mostrar de manera visual la ruta seguida desde  
la localización inicial de documentos hasta la selección final de los estudios analizados.  
Figura 1  
Diagrama de flujo PRISMA del proceso de selección de estudios  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2238.  
Fuente: Elaboración propia, a partir de la depuración documental según PRISMA 2020.  
Para analizar los estudios seleccionados se construyó una matriz de extracción documental. En este  
instrumento se registraron datos como autor, año de publicación, título del estudio, objetivo,  
metodología, nivel educativo, población o contexto, hallazgos principales y aporte específico al  
presente artículo. La matriz facilitó una comparación ordenada de los documentos y permitió  
identificar coincidencias entre investigaciones con enfoques distintos.  
El análisis se realizó mediante lectura completa, comparación de hallazgos y síntesis temática. Los  
estudios fueron agrupados en ocho categorías: alfabetización estadística y comprensión crítica de la  
información; preguntas estadísticas y ciclo de investigación escolar; datos reales, contexto y sentido  
del aprendizaje; visualización de datos y lectura crítica de gráficos; tecnología, hojas de cálculo y  
pensamiento computacional; proyectos interdisciplinarios, STEM y aprendizaje basado en proyectos;  
modelación estadística, modelación matemática y ciudadanía crítica; y formación docente para  
enseñar estadística aplicada. Esta organización facilita una lectura integrada de los aportes  
encontrados en la literatura y sirvió como base académica para diseñar la propuesta pedagógica Ruta  
ADAPTAR, dirigida a fortalecer la investigación escolar mediante proyectos interdisciplinarios basados  
en datos.  
RESULTADOS  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2239.  
Alfabetización estadística y comprensión crítica de la información  
La alfabetización estadística se presenta como un eje común en los estudios seleccionados, aunque  
con matices distintos. Algunos trabajos la entienden como la capacidad de leer e interpretar datos  
escolares; otros la abordan como una competencia más amplia, necesaria para participar en  
sociedades donde las decisiones personales y públicas dependen cada vez más de información  
cuantitativa. Schreiter et al. (2024) sitúan esta competencia en el campo de la educación STEM y la  
vinculan con la formación docente, la alfabetización de datos y las prácticas de aula centradas en el  
uso de información.  
En bachillerato, la alfabetización estadística se desarrolla de forma gradual. Badrun et al. (2024)  
identifican diferencias según el nivel escolar, sobre todo en la interpretación de información, la lectura  
de representaciones y la capacidad para emitir juicios basados en datos. Nur & Setianingsih (2021)  
también hallaron variaciones asociadas con la habilidad estadística inicial: los estudiantes con mayor  
dominio interpretaban, organizaban y proyectaban información con más precisión, mientras otros  
permanecían en respuestas más descriptivas o incompletas.  
La revisión distingue, además, entre leer datos y razonar con datos. Sabbag et al. (2025) examinan la  
relación entre alfabetización estadística y razonamiento estadístico, y muestran que ambos  
constructos no deben confundirse. Esta diferencia resulta visible en varios trabajos: un estudiante  
puede calcular porcentajes o reconocer un gráfico, pero eso no significa que comprenda la variabilidad,  
la calidad de la muestra, el alcance de una conclusión o la relación entre datos y contexto. La  
alfabetización estadística, por tanto, no se agota en la ejecución de procedimientos.  
La presencia cada vez mayor de gráficos, porcentajes y predicciones en la esfera pública hace que esta  
competencia sea más necesaria. Watson & Smith (2022) ubican la educación estadística ante crisis  
globales y escenarios de disrupción, donde los datos sobre salud, ambiente o riesgo social forman  
parte de la vida diaria. En una línea similar, LaMar & Boaler (2021) sostienen que la ciencia de datos en  
K-12 brinda a la escuela la posibilidad de trabajar preguntas más vinculadas con la realidad estudiantil  
y con la información que circula fuera del aula.  
El mal uso de datos aparece como un problema recurrente. Engledowl & Weiland (2021) muestran  
cómo ciertas visualizaciones sobre COVID-19 podían inducir interpretaciones erróneas por decisiones  
gráficas vinculadas con ejes, escalas u ordenamientos temporales. Johannssen et al. (2020) analizan  
el uso incorrecto de estadísticas y sus efectos en la comprensión pública. Sus aportes no se limitan a  
señalar fallas técnicas; también muestran cómo una representación puede influir en la interpretación  
de un fenómeno y en la confianza que generan las conclusiones comunicadas.  
Bailey & McCulloch (2023) ofrecen una mirada más precisa al describir hábitos de pensamiento  
asociados con la alfabetización estadística crítica. Estos incluyen revisar las fuentes, observar cómo  
se elaboran las representaciones, reconocer posibles sesgos y examinar la intención comunicativa de  
los datos. Phadke et al. (2024) incorporan un matiz adicional: cuando las actividades usan datos reales  
o contextos más complejos, el desempeño estudiantil puede bajar, lo que sugiere que la autenticidad  
del contexto requiere mayor acompañamiento, no solo más motivación.  
Preguntas estadísticas y ciclo de investigación escolar  
Las preguntas estadísticas ocupan un lugar central en los estudios que trabajan el ciclo de  
investigación. Pip & Franklin (2021) sostienen que una pregunta bien formulada debe prever  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2240.  
variabilidad, definir una población y hacer posible la recolección de datos. Esta condición permite  
distinguir una inquietud general de una pregunta realmente investigable. En el ámbito escolar, dicha  
diferencia es relevante porque ayuda a los estudiantes a transformar temas amplios, como  
alimentación o uso de tecnología, en problemas que pueden analizarse con información organizada.  
En la investigación realizada por Weiland & Sundrani (2022) muestran que los estándares curriculares  
ofrecen más oportunidades para analizar e interpretar datos que para formular preguntas o recolectar  
información. Esta diferencia marca una tensión importante: los estudiantes pueden aprender a  
procesar datos ya entregados por el docente, pero no necesariamente a decidir qué datos necesitan ni  
cómo obtenerlos. El ciclo estadístico queda incompleto cuando la pregunta, la planificación y la  
recolección son reemplazadas por ejercicios cerrados o bases de datos preparadas previamente.  
El estudio de Estrella et al. (2021) muestra cómo una situación real puede movilizar distintas fases del  
ciclo estadístico. Al trabajar con datos sobre tsunamis, los estudiantes organizaron información,  
elaboraron sus propias representaciones e hicieron inferencias sobre la variabilidad del fenómeno.  
Aunque la investigación se realizó en primaria, sus resultados pueden trasladarse al bachillerato, pues  
evidencian que el sentido del dato se fortalece cuando la información surge de un problema  
reconocible y no de un ejemplo artificial.  
En los proyectos interdisciplinarios, la pregunta estadística cumple un papel articulador. A partir de ella  
pueden integrarse matemática, ciencias naturales, estudios sociales, lengua, tecnología o educación  
física en torno a un mismo problema. Una investigación sobre hábitos de sueño, consumo de agua,  
actividad física o residuos escolares requiere una pregunta que indique qué se va a medir, a quiénes  
se consultará y de qué manera se analizará la información. En los estudios revisados, cuando las  
preguntas no son claras, suele debilitarse la relación entre los datos, el análisis y la comunicación de  
resultados.  
El ciclo de investigación también se vincula con una revisión permanente. Bailey & McCulloch (2023) y  
Engledowl & Weiland (2021) evidencian que interpretar datos implica regresar a la fuente, al gráfico, a  
la escala, a la comparación y a la conclusión. Por ello, la investigación escolar no puede entenderse  
como una secuencia cerrada que finaliza al recolectar datos. Los estudiantes deben comprobar si la  
información responde la pregunta inicial, si el gráfico seleccionado comunica de forma adecuada y si  
la conclusión no va más allá de lo que los datos permiten sostener.  
Datos reales, contexto y relevancia del aprendizaje  
El uso de datos reales constituye uno de los rasgos más notorios en los estudios seleccionados.  
Weiland & Williams (2024) proponen el concepto de datos culturalmente relevantes para resaltar la  
necesidad de trabajar con información cercana a las experiencias, comunidades e intereses del  
estudiantado. Esta idea se asocia con una enseñanza estadística menos abstracta, en la que los datos  
pueden representar hábitos escolares, problemas ambientales, desigualdades, prácticas juveniles,  
decisiones comunitarias o fenómenos sociales reconocibles para los estudiantes.  
En la publicación realizada por LaMar & Boaler (2021) sostienen que la ciencia de datos en K-12 puede  
renovar la enseñanza matemática cuando se articula con preguntas significativas. Esta perspectiva  
dialogó con los hallazgos de Estrella et al. (2021), donde un fenómeno natural real permitió abordar  
variabilidad, representación e inferencia. En ambos casos, los datos no aparecen como un recurso  
decorativo, sino como una vía para comprender situaciones concretas. La estadística cobra sentido  
porque permite leer algo que existe fuera del ejercicio escolar.  
El contexto auténtico, pese a su valor, no vuelve más simple el aprendizaje. Phadke et al. (2024)  
muestran que las tareas con datos reales pueden ser más difíciles para los estudiantes, aun cuando  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2241.  
conserven una estructura similar a otras actividades más controladas. Esto se explica porque los datos  
auténticos suelen reunir más variables, información menos depurada, unidades poco familiares o  
relaciones que no se advierten de inmediato. La revisión evidencia que trabajar con información real  
exige acompañar la lectura del contexto, no solo entregar una base de datos.  
La relevancia del aprendizaje también se refleja en experiencias basadas en proyectos. Ikävalko et al.  
(2024) analizaron un curso compartido entre estudiantes de secundaria superior y universidad, e  
identificaron formas de relevancia individual, vocacional y social. Bolick et al, (2024), desde una  
experiencia interdisciplinaria entre Noruega y Estados Unidos, muestran cómo los estudiantes  
participaron en una propuesta que integró matemáticas, ciencias ambientales y problemas situados.  
En ambos casos, el contexto amplía la experiencia de aprendizaje al vincular el proyecto con  
decisiones, territorios y comunidades.  
Zapata y Martínez (2023) ofrecen otra perspectiva al trabajar la modelación estadística en formación  
docente desde un enfoque sociocrítico. El uso de datos sobre calentamiento global permitió relacionar  
conocimiento estadístico y reflexión ciudadana. Esta línea se conecta con Watson & Smith (2022),  
quienes sitúan la educación estadística en escenarios de crisis donde la información cambia con  
rapidez. En conjunto, estos estudios muestran que los datos reales pueden fortalecer aprendizajes  
estadísticos, aunque requieren precisión conceptual y lectura crítica del fenómeno analizado.  
Visualización de datos y lectura crítica de gráficos  
La visualización ocupa un lugar destacado porque los gráficos son uno de los medios más frecuentes  
para comunicar información estadística. Engledowl & Weiland (2021) muestran que una  
representación puede orientar interpretaciones equivocadas cuando utiliza escalas dobles, ejes  
confusos o secuencias temporales alteradas. El problema no se limita a la estética del gráfico; afecta  
la forma en que el lector comprende el fenómeno. Por ello, la lectura visual aparece como una habilidad  
necesaria dentro de la alfabetización estadística.  
Johannssen et al. (2020) amplían esta preocupación al examinar las consecuencias del uso  
inadecuado de las estadísticas. Su aporte permite advertir que un gráfico o una cifra presentada de  
forma incorrecta puede afectar la comprensión de asuntos públicos. Bailey & McCulloch (2023)  
relacionan este problema con hábitos de pensamiento crítico: interpretar un gráfico exige revisar su  
origen, diseño, comparaciones y el tipo de conclusión que propone. La visualización, por tanto, no se  
limita a una habilidad técnica; también funciona como una práctica para evaluar información.  
La elaboración de representaciones propias también cumple una función formativa. Estrella et al.  
(2021) muestran cómo los estudiantes organizaron datos sobre tsunamis mediante tablas y gráficos,  
lo que les ayudó a reconocer la variabilidad y comunicar patrones. Badrun et al. (2024) refuerzan esta  
idea al señalar que la alfabetización estadística incluye la capacidad de interrogar datos y  
representaciones. No basta con identificar barras, líneas o porcentajes; los estudiantes deben  
comprender qué se compara, qué se mide y qué información queda fuera de la representación.  
La ciencia de datos introduce nuevas exigencias en este campo. Sanchez (2024) señala que la  
enseñanza de la estadística y la ciencia de datos requiere mejorar las formas de aprendizaje vinculadas  
con exploración, representación y comunicación de información. En una dirección cercana, LaMar &  
Boaler (2021) plantean que la escuela necesita responder a un mundo donde los datos son cada vez  
más abundantes. Estos aportes muestran que visualizar datos implica elegir formas de comunicación  
adecuadas, no solo utilizar una herramienta digital para producir gráficos.  
En la publicación realizada por Unal & Güler (2021) se incorpora una perspectiva diferente al trabajar la  
alfabetización estadística mediante actividades de la vida real enriquecidas con gamificación. Su  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2242.  
estudio muestra que los recursos lúdicos pueden acompañar procesos de interpretación y  
representación cuando conservan una relación clara con problemas reales. El aporte no está en  
gamificar por sí mismo, sino en usar la dinámica de la actividad para sostener participación y análisis.  
Dentro de los resultados, este trabajo ayuda a mostrar que la visualización crítica puede desarrollarse  
también mediante experiencias activas y cercanas al estudiante.  
Tecnología, hojas de cálculo y pensamiento computacional  
El uso de tecnología aparece asociado con nuevas formas de organizar, analizar y representar datos.  
Van-Borkulo et al. (2023) muestran que las hojas de cálculo pueden favorecer el pensamiento  
computacional en estudiantes de secundaria cuando se emplean con datos auténticos, fórmulas,  
condiciones y parámetros. Este hallazgo resulta relevante para bachillerato porque las hojas de cálculo  
son herramientas accesibles y permiten trabajar con bases de datos, gráficos, comparaciones y  
modificaciones sin depender de software especializado.  
La tecnología también se vincula con la modelación estadística. Zieffler et al. (2021) analizan el uso de  
modelos algorítmicos para fortalecer en docentes de secundaria la comprensión del proceso de  
modelación estadística. Sus hallazgos muestran que las herramientas digitales pueden ayudar a  
comprender mejor las relaciones entre datos, supuestos y modelos. Sanchez (2024) ubica esta  
necesidad en un campo más amplio, donde enseñar ciencia de datos exige mejorar la alfabetización  
estadística y comprender cómo se construye conocimiento a partir de la información.  
Lee & Harrison (2021) identifican una tensión relevante en la enseñanza de Estadística AP. Aunque  
muchos docentes señalan que realizan actividades centradas en el estudiante, el uso de tecnología  
específica, datos multivariados o bases amplias no siempre se incorpora plenamente. Este resultado  
evidencia que contar con orientaciones curriculares o cursos avanzados no asegura una práctica  
estadística más compleja. Las dificultades pueden relacionarse con falta de tiempo, presión evaluativa,  
recursos limitados o inseguridad docente para trabajar con datos menos controlados.  
La relación entre tecnología y proyectos también aparece en estudios no estrictamente estadísticos.  
Ling et al. (2024) muestran que un proyecto interdisciplinario sobre construcción de oxigenadores  
caseros favoreció la resolución de problemas mediante diseño, prueba y revisión. Aunque el foco se  
sitúa en ingeniería y ciencias, la lógica de trabajo se relaciona con el uso de la información para decidir.  
En proyectos con estadística aplicada, las herramientas digitales pueden facilitar la organización de  
datos, la comparación de resultados y la comunicación de evidencias.  
Dalton y Groth (2022) resaltan la necesidad de que la investigación en educación estadística tenga  
mayor impacto en las aulas K-12. Esta idea se relaciona con Schreiter et al. (2024), quienes evidencian  
que la formación docente en alfabetización estadística y de datos sigue siendo una tarea pendiente en  
educación STEM. Por tanto, la tecnología no aparece como una solución aislada. Los estudios apuntan  
a combinar herramientas, formación docente, tareas bien diseñadas y oportunidades reales para  
analizar datos con un propósito claro.  
Proyectos interdisciplinarios, STEM y aprendizaje basado en proyectos  
Los proyectos interdisciplinarios constituyen un espacio propicio para aplicar la estadística, aunque su  
calidad depende de la forma en que se organiza el trabajo. Goos et al. (2023) advierten que, en ciertas  
experiencias STEM, la matemática puede quedar limitada a un uso instrumental. Esta observación es  
relevante, porque la estadística enfrenta un riesgo similar cuando se emplea solo para elaborar gráficos  
al cierre del proyecto. Su aporte resulta más sólido cuando interviene desde la formulación de la  
pregunta, la recolección de datos, el análisis y la comunicación.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2243.  
El aprendizaje basado en proyectos muestra resultados variados. Rijken & Fraser (2024) analizaron una  
estrategia de matemáticas basada en proyectos en primer año de secundaria y encontraron efectos  
diferenciados en el ambiente de aprendizaje y en los resultados estudiantiles. Esta evidencia indica que  
el PBL no debe asumirse como una solución automática. La definición de objetivos, el  
acompañamiento docente, la pertinencia del problema y el tiempo disponible inciden en sus resultados.  
En estadística aplicada, este punto es central, porque los datos requieren estructura, no solo actividad.  
Otros trabajos reportan aportes más favorables del PBL en contextos escolares. Singh (2024),  
mediante investigación-acción en matemática secundaria, identifica participación, inclusión,  
contextualización y creatividad durante la implementación del aprendizaje basado en proyectos. Ling  
et al. (2024) registran avances en resolución de problemas a partir de una experiencia interdisciplinaria  
relacionada con la construcción de oxigenadores. En ambos casos, el proyecto se apoya en tareas  
concretas, trabajo colaborativo y búsqueda de soluciones. Estos rasgos pueden articularse con la  
estadística cuando el problema exige producir o analizar datos.  
En la investigación realizada por Boardman et al. (2024) amplían esta mirada al estudiar el PBL en  
Lengua y Literatura de secundaria. Sus resultados evidencian mayor autenticidad, colaboración,  
elección estudiantil y percepción de aprendizaje significativo. Este estudio permite comprender la  
interdisciplinariedad más allá de las áreas STEM. La estadística puede vincularse con Lengua cuando  
los estudiantes redactan informes, argumentan hallazgos o comunican resultados a una audiencia.  
Así, el proyecto no queda sujeto a una sola asignatura, sino a la relación entre datos, lenguaje y  
contexto.  
Bolick et al. (2024) e Ikävalko et al. (2024) muestran experiencias en las que el aprendizaje basado en  
proyectos se vincula con colaboración institucional, educación situada y desafíos globales. En el primer  
caso, los estudiantes participaron en el diseño de una experiencia interdisciplinaria con matemáticas  
y ciencias ambientales. En el segundo caso, estudiantes de secundaria superior y universidad  
participaron juntos en un curso centrado en problemas globales. Estas experiencias muestran que los  
proyectos ganan profundidad cuando los estudiantes participan en decisiones, interpretan problemas  
reales y producen resultados comunicables.  
Modelación estadística, modelación matemática y ciudadanía crítica  
La modelación permite articular datos, contexto y representación. Zapata & Martínez (2023) abordan  
la modelación estadística en formación docente desde una perspectiva sociocrítica y evidencian que  
un problema como el calentamiento global puede vincular conocimiento estadístico con reflexión  
ciudadana. En este caso, el dato no se limita a la práctica de técnicas; sirve para representar una  
situación compleja y discutirla con base en evidencias. Esta forma de trabajo acerca la estadística  
escolar a problemas con implicaciones sociales.  
En la investigación realizada por Armutcu & Pinar (2023) analizan actividades de modelación  
matemática en contextos STEM con estudiantes de secundaria. Sus resultados reportan mejoras en  
habilidades de modelación, pensamiento interdisciplinario, trabajo grupal e interés por la ingeniería y  
la tecnología. Aunque el estudio se enfoca en la modelación matemática, su vínculo con la estadística  
aplicada es evidente: ambas exigen comprender una situación real, reconocer variables, construir  
representaciones, plantear soluciones y verificar si los resultados son coherentes con el contexto.  
Zieffler et al. (2021) aportan desde la formación docente al mostrar que los modelos algorítmicos  
pueden favorecer la comprensión del proceso de modelación estadística. Este hallazgo se relaciona  
con Van-Borkulo et al. (2023), quienes evidencian que la tecnología facilita la exploración de datos  
auténticos y el desarrollo del pensamiento computacional. En ambos casos, modelar implica trabajar  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2244.  
con relaciones, supuestos y decisiones, a diferencia de las tareas cerradas en las que el procedimiento  
ya está definido.  
La ciudadanía crítica se vincula con la capacidad de interpretar datos públicos. Watson & Smith (2022)  
relacionan la educación estadística con escenarios de crisis global. Engledowl & Weiland (2021) y  
Johannssen et al. (2020) muestran que las representaciones inadecuadas o el uso incorrecto de  
estadísticas pueden distorsionar la comprensión de fenómenos sociales. Bailey & McCulloch (2023)  
añaden que pensar críticamente frente a los datos implica revisar fuentes, representaciones, intereses  
y consecuencias. Desde esta perspectiva, la estadística funciona como una herramienta de lectura  
pública.  
Los datos culturalmente relevantes completan este eje. Weiland & Williams (2024) muestran que la  
conexión entre datos y comunidad puede fortalecer la enseñanza de estadística y ciencia de datos.  
Esta perspectiva permite ampliar la ciudadanía crítica desde grandes problemas globales hacia  
situaciones cercanas: hábitos escolares, ambiente local, bienestar estudiantil, movilidad, consumo o  
uso de tecnología. La revisión muestra que la modelación y la lectura crítica de datos se fortalecen  
cuando los estudiantes reconocen que la información analizada tiene relación con su vida y su entorno.  
Formación docente y condiciones para enseñar estadística aplicada  
La formación docente constituye una condición clave para sostener proyectos interdisciplinarios con  
estadística aplicada. Schreiter et al. (2024) muestran que la alfabetización estadística y de datos en  
educación STEM depende, en parte, de variables asociadas al profesorado, su formación y sus  
prácticas de aula. Dalton & Groth (2022) también advierten la distancia entre la producción académica  
en educación estadística y su impacto efectivo en K-12. Estos aportes muestran que implementar este  
tipo de propuestas no consiste solo en elegir buenos temas, sino en preparar a los docentes para  
trabajar con datos.  
En el trabajo de Lee & Harrison (2021) se evidencian que incluso en cursos avanzados de secundaria  
existen dificultades para incorporar tecnología, bases de datos amplias o herramientas especializadas.  
Este hallazgo se relaciona con la confianza docente frente a tareas abiertas. En proyectos  
interdisciplinarios, el profesorado debe guiar preguntas, revisar instrumentos, acompañar el análisis,  
corregir interpretaciones y apoyar la comunicación de resultados. Todo ello requiere conocimiento  
estadístico, manejo pedagógico y capacidad para ajustar el proceso al nivel de los estudiantes.  
La investigación-acción de Singh (2024) muestra que el acompañamiento docente puede impulsar  
cambios en la enseñanza de matemática secundaria mediante PBL. Entre los resultados relevantes  
aparecen la participación estudiantil, la contextualización de contenidos y la inclusión. Esta evidencia  
se relaciona con Boardman et al. (2024), quienes describen transformaciones en las prácticas  
docentes al implementar PBL en Lengua y Literatura. Ambos estudios muestran que el docente deja  
de actuar sólo como transmisor de contenidos y asume un rol de guía, organizador y mediador del  
aprendizaje.  
La interdisciplinariedad plantea exigencias adicionales. Goos et al. (2023) advierten que la matemática  
en STEM debe conservar su riqueza conceptual y no reducirse a un apoyo instrumental. En proyectos  
con estadística aplicada, esta advertencia implica definir con claridad qué aporta cada área. Bolick et  
al. (2024) muestran que la colaboración en espacios interdisciplinarios requiere planificación, revisión  
y construcción compartida. Ikävalko et al. (2024) señalan, además, que la cooperación entre distintos  
niveles educativos puede aumentar la relevancia del aprendizaje para los estudiantes.  
También existen condiciones institucionales que afectan la implementación. Rijken & Fraser (2024)  
evidencian que los resultados del PBL no son homogéneos; Boardman et al. (2024) identifican  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2245.  
tensiones asociadas con el cumplimiento de contenidos; y Lee & Harrison (2021) señalan limitaciones  
en el uso de recursos tecnológicos. Estos hallazgos sitúan la estadística aplicada en una realidad  
escolar concreta. Sostener proyectos con datos exige tiempo, coordinación entre docentes, acceso a  
herramientas, criterios de evaluación y una organización que permita avanzar más allá de ejercicios  
aislados  
Propuesta pedagógica  
Ruta ADAPTAR para proyectos interdisciplinarios con estadística aplicada  
La Ruta ADAPTAR se propone como una estrategia pedagógica breve y viable para incorporar la  
estadística en proyectos interdisciplinarios de bachillerato. Busca evitar que esta aparezca únicamente  
al cierre del proyecto como un gráfico o una tabla sin mayor función. En la propuesta, los datos  
acompañan todo el proceso: permiten observar un problema, formular una pregunta, recolectar  
información, analizarla, interpretarla y comunicar decisiones. Así, la estadística se asume como una  
herramienta para investigar situaciones reales del entorno escolar o comunitario.  
La propuesta se sustenta en los hallazgos de la revisión, donde se identificó que la alfabetización  
estadística exige trabajar con preguntas investigables, datos reales, visualización crítica, tecnología  
accesible y comunicación de resultados. También reconoce que los proyectos interdisciplinarios no  
aseguran por sí mismos aprendizaje estadístico si carecen de una estructura clara. Por ello, ADAPTAR  
organiza el proceso en siete fases sencillas: Apreciar, Definir, Adquirir, Procesar, Traducir, Argumentar  
y Retroalimentar. Cada fase genera una evidencia concreta y puede desarrollarse desde distintas  
asignaturas.  
Objetivo de la propuesta: Fortalecer la investigación escolar en bachillerato mediante proyectos  
interdisciplinarios basados en estadística aplicada, para que los estudiantes formulen preguntas,  
recolectan datos, analicen información, interpreten resultados y comuniquen conclusiones útiles sobre  
problemas reales de su contexto.  
Principios de aplicación  
La Ruta ADAPTAR se sostiene en cuatro principios. El primero es la pertinencia contextual, pues el  
proyecto debe nacer de una situación cercana al estudiante, como hábitos de sueño, alimentación,  
actividad física, uso de redes sociales, residuos escolares, lectura, convivencia o consumo de agua. El  
segundo corresponde a la interdisciplinariedad funcional, ya que cada asignatura debe aportar algo  
necesario para comprender el problema. Matemática puede encargarse del tratamiento de los datos;  
Lengua, de la redacción del informe; Ciencias, de explicar el fenómeno; Informática, del manejo de hojas  
de cálculo; y Ciudadanía, de reflexionar sobre decisiones colectivas.  
El tercer principio es la claridad estadística. Todo proyecto requiere una pregunta investigable,  
variables definidas, datos organizados, gráficos pertinentes y conclusiones sustentadas en evidencia.  
El cuarto principio se relaciona con la comunicación responsable, porque los estudiantes deben  
aprender a explicar resultados sin exagerarlos, reconociendo qué muestran los datos y qué no permiten  
afirmar. Estos principios ayudan a que el proyecto no se reduzca a una actividad creativa, sino que  
mantenga rigor académico. Fases de la Ruta ADAPTAR  
La primera fase consiste en apreciar el problema. En este momento, los estudiantes observan una  
situación real que pueda analizarse con datos. El docente puede orientar el inicio con preguntas como:  
¿qué problema identificamos?, ¿a quién afecta?, ¿por qué es importante?, ¿qué creemos saber?, ¿qué  
necesitamos comprobar? Para desarrollar esta fase pueden usarse noticias, fotografías,  
observaciones de la institución o experiencias del grupo. El producto esperado es una breve  
descripción del problema.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2246.  
La segunda fase corresponde a definir la pregunta estadística. Aquí, los estudiantes convierten el  
problema en una pregunta que pueda responderse mediante datos. Por ejemplo, en lugar de plantear  
“¿los estudiantes duermen poco?”, puede formularse: “¿cuántas horas duermen los estudiantes de  
primero de bachillerato durante los días de clase?”. Para profundizar, se puede añadir una  
comparación: “¿cómo varía ese tiempo según el uso del celular antes de dormir?”. El producto de esta  
fase es una pregunta clara, con población y variable definida.  
La tercera fase es Adquirir datos. Los estudiantes recolectan información mediante encuestas breves,  
observación directa, mediciones sencillas, registros institucionales o bases de datos disponibles. El  
instrumento debe ser corto, comprensible y respetuoso. No se deben pedir datos personales  
innecesarios ni información sensible. En esta fase se trabaja también la ética escolar: explicar para  
qué se recogen los datos, cuidar el anonimato y evitar preguntas que incomoden o expongan a los  
participantes.  
La cuarta fase corresponde a procesar la información. En esta etapa, los datos se organizan en tablas,  
se revisan posibles errores y se calculan frecuencias, porcentajes, promedios, medianas o rangos,  
según el tipo de información recolectada. Se recomienda usar hojas de cálculo, porque facilitan el  
ordenamiento de datos y la elaboración de gráficos. Sin embargo, la tecnología no debe reemplazar la  
comprensión. El docente debe guiar preguntas como: ¿qué dato aparece con mayor frecuencia?, ¿qué  
grupo concentra más respuestas?, ¿qué gráfico comunica mejor la información?  
La quinta fase consiste en traducir resultados. Aquí, los estudiantes convierten cifras y gráficos en  
explicaciones comprensibles. No basta con afirmar “el 60% respondió sí”; es necesario explicar qué  
significa ese dato frente a la pregunta inicial. Por ejemplo: “En el grupo encuestado, la mayoría de  
estudiantes afirma dormir menos de ocho horas durante los días de clase”. Esta fase vincula la  
estadística con la comunicación oral y escrita, por lo que Lengua y Literatura puede aportar de manera  
importante.  
La sexta fase se centra en argumentar conclusiones. Los estudiantes redactan conclusiones  
sustentadas en los datos obtenidos. Cada una debe responder la pregunta inicial y apoyarse en una  
evidencia concreta. También es necesario reconocer límites del trabajo, como una muestra reducida,  
respuestas incompletas o falta de comparación con otros cursos. Esta fase desarrolla prudencia  
académica: no se debe afirmar más de lo que los datos permiten sostener.  
La séptima fase es retroalimentar decisiones. El proyecto culmina con la comunicación de resultados  
y la propuesta de una acción posible. El producto final puede ser un informe breve, una infografía, una  
exposición, un póster científico, una presentación digital o una feria de proyectos. Si el tema fue  
residuos escolares, la acción podría ser una campaña de separación de desechos. Si se trabajan  
hábitos de sueño, podría plantearse una guía de bienestar digital. La decisión debe surgir de los datos,  
no solo de opiniones.  
La diferencia principal frente a un proyecto escolar convencional es que cada fase deja una evidencia  
estadística concreta: problema delimitado, pregunta, datos, tabla, gráfico, interpretación, conclusión y  
decisión.  
Organización operativa  
La Ruta ADAPTAR puede desarrollarse entre cuatro y seis semanas, según el tiempo disponible. En una  
versión breve, la primera semana se identifica el problema y se formula la pregunta; la segunda se  
recolectan datos; la tercera se procesa e interpretan; y la cuarta se comunican conclusiones. En una  
versión más amplia, se puede dedicar más tiempo a mejorar instrumentos, comparar grupos o preparar  
una socialización institucional.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2247.  
Tabla 3  
Fases operativas de la Ruta ADAPTAR  
Fase  
Apreciar  
Definir  
Adquirir  
Procesar  
Acción principal  
Producto esperado  
Descripción del problema.  
Pregunta, población y variable.  
Encuesta, registro o base organizada.  
Tablas, cálculos y gráficos.  
Interpretaciones escritas.  
Identificar un problema real.  
Formular la pregunta estadística.  
Recolectar datos.  
Organizar y representar información.  
Explicar resultados.  
Traducir  
Argumentar  
Retroalimentar  
Elaborar conclusiones.  
Comunicar y proponer acciones.  
Conclusiones con límites.  
Producto final del proyecto.  
Nota: acciones y productos esperados en cada fase. Fuente: elaboración propia.  
Fuente: elaboración propia.  
Evaluación de la propuesta  
La evaluación debe valorar el proceso y el producto final. Durante el desarrollo, el docente revisa  
avances concretos: pregunta estadística, instrumento de recolección, tabla de datos, gráfico preliminar  
e interpretación escrita. Esta revisión evita que los errores se detecten solo al final. Para la valoración  
final se pueden usar cinco criterios: claridad del problema, pertinencia de los datos, análisis estadístico,  
interpretación crítica y comunicación de resultados.  
Tabla 4  
Criterios de evaluación del proyecto  
Criterio  
Problema y pregunta  
Datos  
Aspecto evaluado  
Claridad, pertinencia y posibilidad de investigación.  
Organización, pertinencia y respeto ético.  
Análisis  
Interpretación  
Comunicación  
Uso adecuado de tablas, cálculos y gráficos.  
Relación entre resultados, contexto y límites.  
Claridad del informe, exposición o producto final.  
Fuente: elaboración propia.  
Aporte de la propuesta  
El aporte de la Ruta ADAPTAR está en ofrecer una estructura simple para que la estadística acompañe  
todo el proyecto interdisciplinario. No propone una metodología difícil ni dependiente de recursos  
avanzados. Puede aplicarse con encuestas sencillas, observaciones del entorno, hojas de cálculo  
básicas y productos de comunicación escolar. Su valor está en enseñar a los estudiantes a mirar un  
problema, convertirlo en pregunta, recoger datos, analizarlos y comunicar conclusiones con evidencia.  
En bachillerato, esta ruta permite que distintas asignaturas trabajen juntas sin perder su identidad. La  
estadística organiza el proceso investigativo, mientras cada área aporta comprensión, lenguaje,  
contexto o acción. Así, el proyecto deja de ser una suma de tareas aisladas y se convierte en una  
experiencia de investigación escolar más clara, útil y formativa.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2248.  
DISCUSIÓN  
Los hallazgos de esta revisión evidencian que la estadística aplicada puede tener un lugar más  
significativo en el bachillerato cuando deja de abordarse como una serie de procedimientos aislados y  
se conecta con preguntas, datos reales y problemas del entorno. Esta perspectiva se relaciona con Pip  
& Franklin (2021), quienes sitúan la formulación de preguntas como punto de partida del razonamiento  
estadístico escolar. Desde esta mirada, la estadística no aporta únicamente cálculos o gráficos;  
también ofrece una manera de organizar la investigación, delimitar problemas y sustentar afirmaciones  
con información verificable.  
Un aspecto destacado es la diferencia entre enseñar contenidos estadísticos y desarrollar la  
alfabetización estadística. Los estudios de Badrun et al. (2024), Nur & Setianingsih (2021) y Sabbag et  
al. (2025) muestran que interpretar datos exige habilidades más amplias que aplicar fórmulas. Los  
estudiantes necesitan comprender la variabilidad, reconocer el alcance de una muestra, leer  
representaciones y valorar la calidad de una conclusión. Esta distinción es relevante en bachillerato,  
porque permite diferenciar entre resolver ejercicios y usar la estadística para comprender situaciones  
reales.  
La revisión confirma, además, que el contexto incide en la calidad del aprendizaje estadístico. Weiland  
& Williams (2024) resaltan el valor de los datos culturalmente relevantes, mientras Phadke et al. (2024)  
advierten que los datos reales pueden aumentar la dificultad de las tareas cuando no existe orientación  
suficiente. Esta tensión resulta importante: el contexto auténtico puede motivar y dar sentido, pero no  
simplifica el trabajo académico. Exige acompañamiento docente, claridad conceptual y actividades  
que permitan leer el dato junto con la situación que lo produce.  
La visualización de datos constituye otro punto crítico. Engledowl & Weiland (2021) y Johannssen et  
al. (2020) muestran que los gráficos pueden informar, pero también confundir cuando usan escalas,  
ejes o comparaciones de manera inadecuada. Este hallazgo sitúa la lectura gráfica como una habilidad  
escolar necesaria, no como un contenido secundario. En la práctica educativa, construir gráficos no  
debería ser el cierre automático de una actividad estadística; debe incluir revisión de fuentes, discusión  
de escalas, elección de representaciones y análisis de lo que realmente se puede afirmar.  
El aprendizaje basado en proyectos constituye una vía adecuada para articular la estadística con otras  
áreas, aunque la evidencia impide asumirlo como una respuesta automática. Rijken & Fraser (2024)  
identifican resultados diferenciados en experiencias de matemáticas basadas en proyectos, mientras  
que Singh (2024), Boardman et al. (2024), Bolick et al. (2024) e Ikävalko et al. (2024) reportan aportes  
relacionados con participación, autenticidad, colaboración y relevancia del aprendizaje. Esta diversidad  
muestra que el valor del proyecto depende de su diseño, del acompañamiento docente y de la manera  
en que los datos se integran con claridad al problema.  
En el campo STEM, Goos et al. (2023) advierten que la matemática puede quedar reducida a un apoyo  
instrumental dentro de experiencias interdisciplinarias. Este riesgo también puede afectar a la  
estadística cuando se la usa únicamente para presentar porcentajes al final de un trabajo. Los  
resultados revisados permiten afirmar que la integración es más sólida cuando la estadística está  
presente desde el inicio del proceso: en la formulación de la pregunta, la selección de variables, la  
recolección de datos, el análisis, la interpretación y la comunicación. Así, adquiere una función  
metodológica y no queda reducida a un recurso decorativo.  
La modelación amplía esta discusión al relacionar datos, representación y toma de decisiones. Zapata  
& Martínez (2023) evidencian que la modelación estadística puede articular conocimiento y ciudadanía  
cuando se trabaja con problemas como el calentamiento global. Desde la modelación matemática en  
contextos STEM, Armutcu & Pinar (2023) también reportan avances en habilidades de representación,  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2249.  
trabajo grupal e interés por problemas interdisciplinarios. Estos aportes refuerzan la importancia de  
plantear situaciones abiertas, en las que los estudiantes no se limiten a aplicar un procedimiento, sino  
que seleccionen información, elaboren explicaciones y revisen la coherencia de sus resultados.  
La formación docente resulta decisiva para llevar estos enfoques al aula. Schreiter et al. (2024) y Dalton  
& Groth (2022) advierten una distancia entre la investigación en educación estadística, la preparación  
del profesorado y la práctica escolar. Lee & Harrison (2021) muestran que incluso en cursos avanzados  
pueden presentarse limitaciones en el uso de tecnología y datos complejos. Por ello, una propuesta  
pedagógica sobre estadística aplicada debe combinar rigor y realismo. No puede depender de recursos  
sofisticados ni de docentes especialistas; requiere una estructura clara, flexible y transferible a  
distintas áreas.  
Desde esta mirada, la Ruta ADAPTAR responde a una necesidad reconocida en la revisión: organizar la  
estadística como eje del proyecto interdisciplinario. Su aporte no consiste en crear una metodología  
totalmente nueva, sino en ordenar fases que suelen aparecer dispersas en la práctica escolar: observar,  
preguntar, recolectar datos, procesar información, interpretar, argumentar y comunicar decisiones.  
Esta organización ayuda a que el proyecto no se reduzca a una actividad grupal atractiva, sino que  
mantenga una lógica investigativa clara y evaluable.  
En conjunto, la discusión permite comprender la estadística aplicada como un puente entre aprendizaje  
matemático, investigación escolar y formación ciudadana. Los estudios analizados coinciden en que  
los datos adquieren valor cuando permiten comprender problemas, revisar afirmaciones y comunicar  
conclusiones con prudencia. En bachillerato, este enfoque resulta especialmente pertinente, porque  
los estudiantes ya pueden abordar problemas más abiertos, usar herramientas digitales básicas,  
comparar información y construir argumentos. El desafío no consiste sólo en enseñar estadística, sino  
en convertirla en una práctica escolar con sentido.  
Limitaciones  
Entre las limitaciones del estudio se reconoce que el corpus revisado reunió investigaciones  
desarrolladas en distintos niveles y contextos educativos, aunque todas mantuvieron relación con la  
enseñanza escolar, la formación docente o experiencias transferibles al bachillerato. Esta amplitud  
permite analizar el problema desde una perspectiva más integradora; sin embargo, también delimita el  
alcance de las conclusiones, que deben interpretarse como orientaciones pedagógicas sustentadas en  
la literatura revisada y no como evidencias derivadas de una intervención directa en un único contexto  
institucional.  
Otra limitación corresponde a la diversidad metodológica de los estudios incluidos. El corpus estuvo  
conformado por investigaciones empíricas, revisiones, experiencias educativas y trabajos con  
enfoques distintos, lo que favoreció una síntesis temática amplia, pero no permitió realizar  
comparaciones estadísticas ni estimar efectos mediante metaanálisis.  
Asimismo, la Ruta ADAPTAR se plantea como una propuesta derivada de la revisión sistemática y no  
como una estrategia validada empíricamente en aula. Por ello, futuras investigaciones podrían  
aplicarse en instituciones de bachillerato para valorar su aporte en la alfabetización estadística, la  
investigación escolar y el trabajo interdisciplinario.  
CONCLUSIÓN  
El artículo analizó evidencia científica reciente sobre el uso de la estadística en proyectos  
interdisciplinarios de bachillerato y, a partir de esa revisión, planteó orientaciones pedagógicas para  
fortalecer la investigación escolar. Los hallazgos muestran que la estadística aplicada tiene mayor  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2250.  
valor formativo cuando se trabaja con preguntas investigables, datos reales, análisis crítico,  
representación de información y comunicación de conclusiones.  
Una conclusión central es que la alfabetización estadística no debe reducirse al cálculo de medidas,  
porcentajes o gráficos. Comprender datos implica leer el contexto, revisar la fuente, reconocer límites  
y explicar resultados con claridad. Esta competencia es importante en bachillerato, porque los  
estudiantes conviven con información numérica en redes sociales, noticias, informes escolares y  
situaciones de la vida cotidiana.  
La revisión también permite afirmar que los proyectos interdisciplinarios favorecen el aprendizaje  
estadístico cuando tienen una estructura clara. No basta con integrar varias asignaturas en un  
producto final; el proyecto necesita una pregunta definida, datos pertinentes, análisis ordenado y  
conclusiones sustentadas. En ese proceso, la estadística puede actuar como eje metodológico y  
facilitar la articulación entre Matemática, Ciencias, Lengua, Tecnología, Educación Física o Ciudadanía.  
Como aporte pedagógico, se propuso la Ruta ADAPTAR, organizada en siete fases: apreciar el  
problema, definir la pregunta, adquirir datos, procesar información, traducir resultados, argumentar  
conclusiones y retroalimentar decisiones. Esta ruta ofrece una estructura flexible para que cada fase  
deje una evidencia concreta del proceso investigativo.  
De esta forma podemos finalizar diciendo que la enseñanza de la estadística aplicada requiere  
condiciones básicas: formación docente, tiempo de planificación, coordinación entre asignaturas,  
acceso a herramientas digitales y criterios de evaluación coherentes. En conjunto, la estadística  
aplicada puede ayudar a que los estudiantes pasen de la opinión a la evidencia, comprendan mejor los  
problemas de su entorno  
y
comuniquen resultados con mayor responsabilidad. Futuras  
investigaciones podrían aplicar la Ruta ADAPTAR en instituciones de bachillerato para valorar su aporte  
en contextos reales.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2251.  
REFERENCIAS  
Armutcu, Y., & Pinar, A. (2023). The Effect of Mathematical Modelling Activities on Students'  
Mathematical Modelling Skills in the Context of STEM Education. International Journal of  
Contemporary Educational Research, 10(1), 42-55. doi:10.33200/ijcer.1131928  
Badrun, A., Lowrie, T., & Maesuri, S. (2024). The development of high school students’ statistical literacy  
across grade level. Mathematics Education Research Journal, 36, 7-35. doi:10.1007/s13394023-00449-  
x
Bailey, N., & McCulloch, A. (2023). Describing critical statistical literacy habits of mind. The Journal of  
Mathematical Behavior, 70. doi:10.1016/j.jmathb.2023.101063  
Boardman, A., Polman, J., Scornavacco, K., Seidel, A., Garcia, A., Dalton, B., . . . Alzen, J. (2024).  
Examining Enactments of Project-based Learning in Secondary English Language Arts. AERA Open, 10.  
doi:10.1177/23328584241269829  
Bolick, M., Thomassen, M., Apland, J., Spencer, O., Nicole, F., Tran, S. K., . . . Lazar, K. B. (2024).  
ProjectBased Learning in Interdisciplinary Spaces: A Case Study in Norway and the United States.  
Education Sciences, 14(8), 866. doi:10.3390/educsci14080866  
Dalton, M., & Groth, R. (2022). Reflections on the Current and Potential K-12 Impact of the Journal of  
Statistics and Data Science Education. Journal of Statistics and Data Science Education, 179186.  
doi:10.1080/26939169.2022.2054881  
Engledowl, C., & Weiland, T. (2021). Data (Mis)representation and COVID-19: Leveraging Misleading  
Data Visualizations For Developing Statistical Literacy Across Grades 6–16. Journal of Statistics and  
Data Science Education, 29, 160-164. doi:10.1080/26939169.2021.1915215  
Estrella, S., Vergara, A., & González, O. (2021). Developing data sense: making inferences from  
variability in tsunamis at primary school. Statistics Education Research Journal, 20(2), 16.  
doi:10.52041/serj.v20i2.413  
Goos, M., Carreira, S., & Kizito, I. (2023). Mathematics and interdisciplinary STEM education: recent  
developments and future directions. ZDM  
doi:10.1007/s11858-023-01533-z  
–
Mathematics Education, 55, 1199–1217.  
Ikävalko, T., Pernaa, J., Haatainen, O., & Aksela, M. (2024). Promoting institutional collaboration through  
a joint project-based learning course: a case study of upper secondary school and university students’  
experienced relevance. Frontiers in Education, 9, 1-13. doi:10.3389/feduc.2024.1347085  
Johannssen, A., Chukhrova, N., Schmal, F., & Stabenow, K. (2020). Statistical Literacy—Misuse of  
Statistics and Its Consequences. Journal of Statistics and Data Science Education, 29, 54-62.  
doi:10.1080/10691898.2020.1860727  
LaMar, T., & Boaler, J. (2021). The importance and emergence of K-12 data science. Phy Delta Kappan,  
103(1). doi:10.1177/00317217211043627  
Lee, H., & Harrison, T. (2021). Trends in Teaching Advanced Placement Statistics: Results from a  
National Survey. Journal of Statistics and Data Science Education, 29(3), 317-327.  
doi:10.1080/26939169.2021.1965509  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2252.  
Ling, Y., Zhou, L., Zhang, B., & Ren, H. (2024). Developing middle school students’ problem-solving ability  
through interdisciplinary project-based learning. Education for Chemical Engineers, 46, 45-53.  
doi:10.1016/j.ece.2023.11.001  
Nur, E., & Setianingsih, R. (2021). Statistical literacy of secondary school students in solving contextual  
problems taking into account the initial statistical ability. Mathematics Education Journal, 4(1), 43-54.  
doi:10.21067/pmej.v4i1.5285  
Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., . . . Eliz. (2021). Declaración  
PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista Española  
de Cardiología, 790-799. Obtenido de www.revespcardiol.org/es-declaracion-pris ma2020-una-guia-  
articulo-S0300893221002748  
Phadke, S., Beckman, M., & Morgan, K. (2024). Examining the role of context in statistical literacy  
outcomes using an isomorphic assessment instrument. Statistics Education Research Journal, 23(1),  
1-17. doi:10.52041/serj.v23i1.529  
Pip, A., & Franklin, C. (2021). What Makes a Good Statistical Question? Journal of Statistics and Data  
Science Education, 29, 122-130. doi:10.1080/26939169.2021.1877582  
Rijken, P., & Fraser, B. (2024). Effectiveness of project-based mathematics in first-year high school in  
terms of learning environment and student outcomes. Learning Environments Research, 27, 241-263.  
doi:10.1007/s10984-023-09477-7  
Sabbag, A., Zieffler, A., & Ng, C. (2025). Can we distinguish statistical literacy and statistical reasoning?  
Statistics Education Research Journal, 24(1), 1-19. doi:10.52041/serj.v24i1.587  
Sanchez, J. (2024). Improving the Teaching and Learning of Data Science, Statistical Literacy and the  
Science  
of  
Data.  
Journal  
Of  
Statistics  
And  
Data  
Science  
Education,  
33(1),  
1-2.  
doi:10.1080/26939169.2024.2426950  
Schreiter, S., Friedrich, A., Fuhr, H., Malone, S., Brünken, R., Kuhn, J., & Vogel, M. (2024). Teaching for  
statistical and data literacy in K-12 STEM education: a systematic review on teacher variables, teacher  
education, and impacts on classroom practice. ZDM – Mathematics Education(56), 31-45.  
doi:10.1007/s11858-023-01531-1  
Singh, P. (2024). Supporting teachers in implementing project-based learning in teaching secondary  
mathematics: An action research. Advances in Mobile Learning Educational Research, 4(2), 1122-1134.  
doi:10.25082/AMLER.2024.02.007  
Unal, C., & Güler, M. (2021). Enhancing statistical literacy skills through real life activities enriched with  
gamification elements: An experimental study. E-Learning and Digital Media, 18(5), 441-459.  
doi:10.1177/2042753020987016  
Van-Borkulo, S., Chytas, C., Drijvers, P., Barendsen, E., & Tolboom, J. (2023). Spreadsheets in Secondary  
School Statistics Education: Using Authentic Data for Computational Thinking. Digital Experiences in  
Mathematics Education, 9, 220-244. doi:10.1007/s40751-023-00126-5  
Watson, J., & Smith, C. (2022). Statistics education at a time of global disruption and crises: a growing  
challenge for the curriculum, classroom and beyond. Curriculum Perspectives, 42, 171-179.  
doi:10.1007/s41297-022-00167-7  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2253.  
Weiland, T., & Sundrani, A. (2022). Opportunities for K-8 Students to Learn Statistics Created by States’  
Standards in the United States. JOURNAL OF STATISTICS AND DATA SCIENCE EDUCATION, 30(2),  
165–178. doi:10.1080/26939169.2022.2075814  
Weiland, T., & Williams, I. (2024). Culturally Relevant Data in Teaching Statistics and Data Science  
Courses.  
Journal  
of  
Statistics  
and  
Data  
Science  
Education,  
32(3),  
256-271.  
doi:10.1080/26939169.2023.2249969  
Zapata, L., & Martínez, C. (2023). Statistical modeling in teacher education. MATHEMATICAL THINKING  
AND LEARNING, 25(1), 64-78. doi:10.1080/10986065.2021.1922859  
Zieffler, A., Justice, N., delMas, R., & Huberty, M. (2021). The Use of Algorithmic Models to Develop  
Secondary Teachers’ Understanding of the Statistical Modeling Process. Journal of Statistics and Data  
Science Education, 29(1), 131-147. doi:10.1080/26939169.2021.1900759  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
..  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, junio, 2026, Volumen VII, Número 3 p 2254.