Tendências nas pesquisas sobre a formação estatística do futuro professor de matemática: um estudo bibliométrico

Autores

DOI:

https://doi.org/10.5007/1982-5153.2026.e108140

Palavras-chave:

Licenciatura em Matemática, Educação Estatística, Formação de Professores, Bibliometria

Resumo

A grande quantidade de dados que os indivíduos lidam atualmente torna o conhecimento da Estatística fundamental para os educadores em sua prática pedagógica. É essencial elucidar a formação estatística nos cursos de Licenciatura em Matemática, já que são os futuros professores que abordarão esses temas nas salas de aula. Este estudo teve como objetivo apresentar um esboço do cenário em que ocorre a formação estatística do professor de matemática por meio de uma análise bibliométrica de 731 artigos das bases Scopus e Web of Science. Foi realizada uma análise descritiva e análise fatorial por correspondência para identificar clusters relacionados às temáticas emergentes. Os resultados revelaram quatro agrupamentos que orientaram as pesquisas relativas à formação docente: desenvolvimento profissional docente; formação estatística do educador, letramento, raciocínio e pensamento estatísticos e letramento em dados.

Biografia do Autor

Sandra Cristina Martini Rostirola, Instituto Federal Catarinense

Doutora em Educação pela Universidade do Estado de Santa Catarina - UDESC/FAED. Possui mestrado em Ensino de Ciências, Matemática e Tecnologias, pelo PPGECMT da UDESC e Licenciatura em Matemática pela Universidade do Oeste de Santa Catarina (UNOESC). Atua como Técnica em Assuntos Educacionais no Instituto Federal Catarinense (IFC), onde desenvolve atividades relacionadas ao ensino, pesquisa e extensão. Também tem experiência na área da Educação no ensino de Matemática, atuando como professora nos Anos Finais do Ensino Fundamental e Ensino Médio. É membro do Núcleo de Estudos e Pesquisa em Tecnologia Educacional e Educação Matemática (NEPESTEEM - UDESC), do Grupo de Pesquisa Saberes, Fazeres de discursos da docência (IFC), do GT12 - Grupo de trabalho de Educação Estatística da Sociedade Brasileira de Educação Matemática e da Rede Latino Americana de Investigação em Educação Estatística - RELIEE. Atualmente, dedica-se às pesquisas relacionadas às competências estatísticas do professor de matemática, à produção de jogos e materiais alternativos e tecnologias para ensino de estatística na perspectiva da Resolução de Problemas, além de estudos relativos a ferramentas metodológicas ligadas ao software R, como o pacote Bibliometrix e o Iramuteq.

Elisa Henning

Possui graduação em Engenharia Civil pela Universidade do Estado de Santa Catarina (1992), mestrado em Engenharia Ambiental pela Universidade Federal de Santa Catarina (1998), especialização em Matemática e Estatística (UFLA), mestrado em Estatística pela Universidade Aberta de Portugal (2014) e doutorado em Engenharia de Produção pela Universidade Federal de Santa Catarina (2010). Atualmente é professor efetivo da Universidade do Estado de Santa Catarina. Desenvolve pesquisa na área de Estatística Aplicada à Engenharia, nomeadamente ao Desenvolvimento Sustentável na Construção Civil e Métodos Estatísticos para a Pesquisa em Educação. 

Ivanete Zuchi Siple

Licenciada em Matemática e Doutora em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC). Professora do Programa de Pós-Graduação em Ensino de Ciências, Matemática e Tecnologias (PPGECMT) e do Departamento de Matemática da Universidade do Estado de Santa Catarina (UDESC). Atua na área de Educação Matemática, com ênfase em Educação Matemática no Ensino Superior, ensino de Cálculo e Tecnologias Educacionais.

Referências

Aliaga, M., Cobb, G., Cuff, C., Garfield, J., Gould, R., Lock, R., ... & Witmer, J. (2005). Gaise college report. In American Statistical Association. Alexandria, VA: American Statistical Association.

Araújo, R. F., & Alvarenga, L. (2011). A bibliometria na pesquisa científica da pós-graduação brasileira de 1987 a 2007. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, 16(31), 51-70.

Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of informetrics, 11(4), 959-975.

Aydın, S. (2016). Using excel in teacher education for sustainability. Journal of Teacher Education for Sustainability, 18(2), 89-104.

Bakker, A., Smit, J., & Wegerif, R. (2015). Scaffolding and dialogic teaching in mathematics education: Introduction and review. Zdm, 47, 1047-1065.

Ball, D., Thames, M. H., & Phelps, G. (2008). Content knowledge for teaching: What makes it special?. Journal of teacher education, 59(5), 389-407.

Batanero, C., Godino, J. D., & Roa, R. (2004). Training teachers to teach probability. Journal of statistics Education, 12(1).

Biehler, R., Ben-Zvi, D., Bakker, A., & Makar, K. (2013). Technology for enhancing statistical reasoning at the school level. Third international handbook of mathematics education, 643-689.

Blondel, V. D., Guillaume, J.-L., Lambiotte, R., e Lefebvre, E. (2008). Fast unfolding ofcommunities in large networks.Journal of Statistical Mechanics: Theory and Experi-ment, 2008(10):P10008.

Burgess, T. A. (2011). Teacher knowledge of and for statistical investigations. Teaching Statistics in School Mathematics-Challenges for Teaching and Teacher Education: A Joint ICMI/IASE Study: The 18th ICMI Study, 259-270.

Burrill, G., & Biehler, R. (2011). Fundamental statistical ideas in the school curriculum and in training teachers. Teaching statistics in school mathematics-challenges for teaching and teacher education: A Joint ICMI/IASE study: The 18th ICMI study, 57-69.

Cândido, R. B., Garcia, F. G., Campos, A. l. S., & Tambosi Filho, E. (2018). Lei de Lotka: um olhar sobre a produtividade dos autores na literatura brasileira de finanças. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, 23(53), 1-15.

Carey, M., Grainger, P., & Christie, M. (2017). Preparing preservice teachers to be data literate: A Queensland case study. Asia-Pacific Journal of Teacher Education, 46(3), 267-278.

Cassettari, R.R.B.; Pinto, A.L.; Rodrigues, R.S.; Santos, L.S. dos. (2015). Comparação da Lei de Zipf em conteúdos textuais e discursos orais. El profesional de la información, v. 24, n. 2, p. 157-167.

Cobo, M. J., López-Herrera, A. G., Herrera-Viedma, E., & Herrera, F. (2011). An approach for detecting, quantifying, and visualizing the evolution of a research field: A practical application to the Fuzzy Sets Theory field. Journal of informetrics, 5(1), 146-166.

Cazorla, I. M. A. O ensino de Estatística no Brasil. Sociedade Brasileira de Educação Matemática, 2006. Recuperado em 08 de julho de 2023 de: http://www.sbem.com.br/gt_12/arquivos/cazorla.htm. Acesso em 19 out. 2022.

Cowie, B., & Cooper, B. (2016). Exploring the challenge of developing student teacher data literacy. Assessment in Education: Principles, Policy & Practice, 24(2), 147-163.

CreswelL, J.W & Clarck, V.L.P. (2013). Pesquisa de métodos mistos. 2ª Ed. Porto Alegre, RS: Penso.

Depaepe, F., Verschaffel, L., & Kelchtermans, G. (2013). Pedagogical content knowledge: A systematic review of the way in which the concept has pervaded mathematics educational research. Teaching and teacher education, 34, 12-25.

Diamond, A. H., & Stylianides, A. (2017). Personal epistemologies of statisticians in academia: An exploratory study.. Statistics Education Research Journal, 16(2), p. 335-361.

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of business research, 133, 285-296.

Emmioğlu, E. S. M. A., & Capa-Aydin, Y. E. S. I. M. (2012). Attitudes and achievement in statistics: A meta-analysis study. Statistics education research journal, 11(2), 95-102.

Fiedler, D., Sbeglia, G. C., Nehm, R. H., & Harms, U. (2019). How strongly does statistical reasoning influence knowledge and acceptance of evolution?. Journal of Research in Science Teaching, 56(9), 1183-1206.

Franco C. J. & Alsina P. A. (2022). El conocimiento del profesorado de Educación Primaria para enseñar estadística y probabilidad: una revisión sistemática. Aula abierta.

Garii, B., & Appova, A. (2013). Crossing the great divide: Teacher candidates, mathematics, and social justice. Teaching and teacher education, 34, 198-213.

Godino, J. D. (2009). Categorías de análisis de los conocimientos del profesor de matemáticas. UNIÓN-Revista Iberoamericana de Educación Matemática, 5(20).

Gould, R. (2021). Toward data‐scientific thinking. Teaching Statistics, 43, S11-S22.

Groth, R. E. (2014). Using work samples from the National Assessment of Educational Progress (NAEP) to design tasks that assess statistical knowledge for teaching. Journal of Statistics Education, 22(3).

Hannigan, A., Gill, O., & Leavy, A. M. (2013). An investigation of prospective secondary mathematics teachers’ conceptual knowledge of and attitudes towards statistics. Journal of Mathematics Teacher Education, 16, 427-449.

Hood, M., Creed, P. A., & Neumann, D. L. (2012). Using the expectancy value model of motivation to understand the relationship between student attitudes and achievement in statistics. Statistics Education Research Journal, 11(2), 72-85.

Hourigan, M., & Leavy, A. M. (2020). Pre-service teachers’ understanding of probabilistic fairness: Analysis of decisions around task design. International journal of mathematical education in science and technology, 51(7), 997-1019.

Howitt, C. (2007). Pre-service elementary teachers’ perceptions of factors in an holistic methods course influencing their confidence in teaching science. Research in Science Education, 37, 41-58.

Jaafar, Z., Kheng, F. K., Ab Malek, H., & Ali, R. (2012, September). Cognitive factors influencing statistical performance of diploma science students: A structural equation model approach. In 2012 International Conference on Statistics in Science, Business and Engineering (ICSSBE) (pp. 1-5). IEEE.

Khan, K., & Mason, J. (2021, November). The M in STEM and issues of data literacy. In 29th International Conference on Computers in Education Conference, ICCE 2021-Proceedings (Vol. 1, pp. 632-637).

Makar, K., Bakker, A., & Ben-Zvi, D. (2011). The reasoning behind informal statistical inference. Mathematical Thinking and Learning, 13(1-2), 152-173.

Martins Junior, J. (2017). Como escrever trabalhos de conclusão de curso: instruções para planejar e montar, desenvolver, concluir, redigir e apresentar trabalhos monográficos e artigos. Editora Vozes Limitada.

Mishra, P., & Koehler, M. J. (2008). Introducing technological pedagogical content knowledge. In: annual meeting of the American Educational Research Association (Vol. 1, p. 16).

Molina-Portillo, E., Contreras, J. M., Godino, J. D., & Ruz, F. (2019). Statistical literacy in the information society. Boletín de Estadística e Investigación Operativa, 35(2), 148-169.

Nasser, F. M. (2004). Structural model of the effects of cognitive and affective factors on the achievement of Arabic-speaking pre-service teachers in introductory statistics. Journal of Statistics Education, 12(1).

Nolan, M. M., Beran, T., & Hecker, K. G. (2012). Surveys assessing students’attitudes toward statistics: a systematic review of validity and reliability. Statistics Education Research Journal, 11(2), 103-123.

Olive, J., Makar, K., Hoyos, V., Kor, L. K., Kosheleva, O., & Strässer, R. (2010). Mathematical knowledge and practices resulting from access to digital technologies. Mathematics education and technology-rethinking the terrain: the 17th ICMI study, 133-177.

Rojo, R. O., & Lacruz, A. (2022). Empreendedorismo Internacional: mapeamento temático e proposta de agenda de pesquisa. Organizações & Sociedade, v. 30, 301-328.

Pinheiro, L. V. R. (1983). Lei de Bradford: uma reformulação conceitual. Ciência da Informação, 12, (2), 59-80.

Da Ponte, J. P. (2011). Preparing teachers to meet the challenges of statistics education. Teaching Statistics in School Mathematics-Challenges for Teaching and Teacher Education: a Joint ICMI/IASE Study: the 18th ICMI Study, 299-309.

Ramirez, C., Schau, C., & Emmioğlu, E. S. M. A. (2012). The importance of attitudes in statistics education. Statistics education research journal, 11(2), 57-71.

Ramos‐Rodríguez, A. R., & Ruíz‐Navarro, J. (2004). Changes in the intellectual structure of strategic management research: A bibliometric study of the Strategic Management Journal, 1980–2000. Strategic management journal, 25(10), 981-1004.

Sanchez, E. A. S., & Gomez-Blancarte, A. L. (2015). Negotiation of meaning as a learning process: the case of a professional development program in statistics teaching. Revista Latinoamericana de Investigación en Matemática Educativa, 18(3), 387-420.

Sharma, S. (2018). Bridging Language Barriers in Statistics for Year-12 Pasifika Students: A Collaborative Study. Waikato Journal of Education, 23(1), 107-120.

Sharma, S., Sharma, S., Doyle, P., Marcelo, L., & Kumar, D. (2021). Teaching and learning probability using games: A systematic review of research from 2010-2020. Waikato Journal of Education, 26(2), 51-64.

Shreiner, T. L., & Dykes, B. M. (2020). Visualizing the teaching of data visualizations in social studies: A study of teachers’ data literacy practices, beliefs, and knowledge. Theory & Research in Social Education, 49(2), 262-306.

Shulman, L. (1986). Those Who Understand: Knowledge Growth in Teaching. Educational Researcher, 15(2), 4-14.

Silva, C.L., Sgarbossa, M., Grzybovski, D; Mozzato, R.A. (2022).Manual prático para estudos bibliométricos com o uso do Biblioshiny. EDIUPF.

Team, R. C. (2020). R Core Team R: a language and environment for statistical computing. Foundation for Statistical Computing.

Thomaz, P. G., Assad, R. S., & Moreira, L. F. P. (2011). Uso do fator de impacto e do índice H para avaliar pesquisadores e publicações. Arquivos Brasileiros de Cardiologia, 96, 90-93.

Wilkerson, M. H., Lanouette, K., & Shareff, R. L. (2022). Exploring variability during data preparation: a way to connect data, chance, and context when working with complex public datasets. Mathematical Thinking and Learning, 24(4), 312-330.

Zipf, G.K. (1949). Human behavior and the principle of least effort. Addison-Wesley.

Downloads

Arquivos adicionais

Publicado

2026-08-13

Edição

v. 19 (2026)

Seção

Artigos

Licença

Copyright (c) 2026 Sandra Cristina Martini Rostirola, Elisa Henning, Ivanete Zuchi Siple

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

 

Os autores retêm os direitos autorais e direitos de publicação sobre suas obras, sem restrições.

Ao submeterem seus trabalhos, os autores concedem à Revista Alexandria o direito exclusivo de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution (CC BY) 4.0 International. Essa licença permite que terceiros remixem, adaptem e criem a partir do trabalho publicado, desde que seja dado o devido crédito de autoria e à publicação original neste periódico.

Os autores também têm permissão para firmar contratos adicionais, separadamente, para distribuição não exclusiva da versão publicada do trabalho neste periódico (por exemplo: depositar em repositório institucional, disponibilizar em site pessoal, publicar traduções ou incluí-lo como capítulo de livro), desde que com reconhecimento da autoria e da publicação inicial na Revista Alexandria.