Ensino de estatística: contexto, diálogo e pensamento crítico em foco

O ensino de estatística tem recebido atenção em pesquisas recentes que colocam no centro a investigação, a interpretação e a discussão de dados — não apenas o cálculo. Em estudos publicados a partir de 2023, aparecem propostas de formular problemas contextualizados, conversar sobre dados entre professores e estudantes e tornar mais explícito o pensamento crítico necessário para interpretar resultados.

Isso conversa com uma dificuldade familiar a muitos professores: a turma pode até executar um procedimento, mas ainda precisa aprender a perguntar de onde vieram os dados, o que eles permitem concluir e quais ressalvas importam. As pesquisas vêm de contextos diferentes e não oferecem uma receita única. Em conjunto, porém, ajudam a pensar práticas de sala e também escolhas de formação docente.

O que é ensino de estatística em outros países e por que importa para o professor?

Ensinar estatística é ajudar os estudantes a trabalhar com dados: formular perguntas, coletar ou examinar informações, identificar padrões, interpretar resultados e comunicar conclusões com cuidado. Na rotina escolar, isso pode aparecer em uma atividade de tratamento da informação, em uma discussão sobre amostragem ou em uma questão de probabilidade. Não é somente fazer contas: envolve compreender o contexto e avaliar o que os números sustentam.

Quando se fala em ensino de estatística em países estrangeiros, trata-se de observar pesquisas conduzidas em sistemas educacionais diferentes do brasileiro para identificar perguntas, práticas e dificuldades que podem ser úteis à reflexão profissional. A comparação não significa copiar currículo, avaliação ou política de outro lugar. Significa examinar o que foi investigado, reconhecer as condições locais e decidir se uma ideia pode ser adaptada à própria turma.

Os estudos reunidos aqui abordam partes distintas desse trabalho. Alguns investigam a aprendizagem de estudantes; outros, a formação e as atitudes de professores. Há pesquisas sobre tratamento da informação, probabilidade, pensamento estatístico em turmas multilíngues e discussões cívicas com dados. Essa diversidade importa porque uma aula de estatística depende tanto do conteúdo quanto das perguntas propostas, da linguagem usada e das condições para discutir as respostas.

O que a pesquisa recente mostra sobre estatística e educação matemática?

Problemas contextualizados podem ampliar o envolvimento com dados

Um estudo com 138 estudantes do quinto ano investigou uma abordagem baseada na formulação e na resolução de problemas contextualizados para aprender tratamento da informação. O trabalho usou métodos quantitativos e qualitativos, comparando um grupo que participou da abordagem com um grupo de comparação. Os autores relatam aumento significativo no engajamento geral e em seus componentes, além de efeitos grandes no engajamento geral, cognitivo e comportamental e efeito médio no componente emocional (Tesfaw, 2024).

O resumo também descreve comportamentos associados à abordagem: os estudantes passaram a prestar mais atenção, pensar de diferentes maneiras, criar e resolver problemas, questionar, compartilhar, refletir e dedicar-se mais ao trabalho. O ponto útil para a prática não é concluir que qualquer contextualização produzirá o mesmo resultado. É notar que os alunos não foram apresentados apenas a dados para calcular: formular problemas e resolvê-los fazia parte da experiência de aprendizagem.

Como o resumo não identifica o país em que a pesquisa ocorreu, não cabe atribuir a abordagem a um sistema nacional específico. Ainda assim, o estudo oferece uma pergunta transferível para o planejamento: os estudantes estão apenas respondendo a questões prontas ou também têm oportunidade de formular perguntas sobre os dados? A resposta pode orientar uma revisão da atividade sem presumir que o contexto brasileiro seja idêntico ao pesquisado.

O pensamento estatístico exige interpretação, linguagem e diálogo

Em escolas secundárias da Nova Zelândia, Davies e McKague investigaram o desafio de ajudar estudantes a alcançar o nível mais alto de desempenho em padrões estatísticos avaliados pelo NCEA, o Certificado Nacional de Desempenho Educacional. Um critério central era demonstrar “insight”, conceito cuja definição, segundo o resumo, permanecia ambígua e difícil de transformar em orientação de sala de aula. O projeto colaborativo buscou esclarecer as expectativas e incorporar o pensamento crítico ao raciocínio estatístico dos estudantes (Davies, 2025).

O estudo descreve uma colaboração entre uma professora e seu departamento, docentes de outras escolas e um acadêmico da Universidade de Auckland. O objetivo era desenvolver explicitamente a compreensão e a aplicação do pensamento crítico. O resumo apresenta o propósito e o processo colaborativo, mas não relata uma medida de impacto ou um resultado quantitativo sobre o desempenho. Portanto, a contribuição que se pode destacar é a investigação de como tornar mais clara uma expectativa de qualidade no raciocínio, não a afirmação de que o projeto elevou resultados.

Outra pesquisa, em três turmas do 12º ano compostas majoritariamente por estudantes pasifika, explorou recursos linguísticos e estratégias que pareciam favorecer a compreensão estatística. Os resultados da reflexão docente indicaram que algumas estratégias de incorporação da língua e dos recursos comunicativos dos estudantes funcionaram melhor do que outras. A pesquisa chama a atenção para a ligação entre linguagem, contextos e aprendizagem de estatística, especialmente quando parte da turma está aprendendo inglês como segunda língua (Sharma, 2024).

As duas pesquisas não investigam o mesmo problema: uma se concentra no significado de “insight” em uma avaliação secundária neozelandesa; a outra, em recursos de comunicação em salas multilíngues. Juntas, sugerem questões concretas para o planejamento: que tipo de explicação conta como uma boa interpretação? Que apoios linguísticos permitem que estudantes expressem o raciocínio? São perguntas para reflexão, não conclusões universais sobre como toda turma aprende estatística.

Dados também pedem atenção ética, cívica e crítica

Watson e Usiskin examinam o uso de um artigo de jornal sobre disponibilidade de armas de fogo em Chicago. Durante anos, esse material foi utilizado na Austrália em pesquisas com professores e estudantes para avaliar letramento estatístico relacionado à amostragem. Depois, comitês de ética proibiram seu uso. O resumo relata que uma nova análise das estatísticas que deram origem ao artigo encontrou erros na divulgação e levantou questões sobre risco, temas sensíveis e políticas públicas (Watson, 2025).

Os autores também discutem a relutância de comitês de ética em permitir determinadas conversas em sala e a restrição de editoras à menção desses temas em materiais. Eles defendem que questões sensíveis e de risco podem oferecer aplicações importantes da estatística e do pensamento estatístico. O caso mostra uma tensão real: debater dados cívicos pode ser formativo, mas a escolha do material exige cuidado com a qualidade da informação, a segurança dos estudantes e o contexto da comunidade.

Esse estudo não recomenda que professores levem qualquer tema controverso para a aula. Seu argumento, conforme o resumo, é que a discussão de risco e de assuntos sensíveis pode ter importância para a aprendizagem estatística. Uma aplicação responsável precisa considerar se a fonte é confiável, que perguntas matemáticas são possíveis e quais cuidados de mediação são necessários. A análise estatística não torna automaticamente apropriado todo material para todas as turmas.

A formação docente e a confiança para trabalhar com dados também contam

Edwards relata uma experiência em que 13 professores de sete escolas analisaram dados padronizados usando um protocolo de diálogo sobre dados. Eles procuraram identificar estudantes com concepções equivocadas significativas em matemática e realizaram intervenções informadas por essa análise. Por meio do processo investigativo, os participantes desenvolveram confiança para atuar como mentores em dados de colegas (Edwards, 2025).

Um detalhe importante é a relação entre mentores e orientandos. Os professores que orientavam colegas se posicionaram como coaprendizes e fundamentaram sua autoridade nas investigações realizadas com o protocolo, em vez de dependerem apenas de uma posição hierárquica. O resumo também registra dificuldades: alguns mentores enfrentaram obstáculos quando os colegas foram designados para participar ou quando o propósito formativo do uso dos dados não estava claro.

A pesquisa trata de letramento em dados dos professores e de concepções equivocadas em matemática, não exclusivamente de uma unidade de estatística escolar. Mesmo assim, é pertinente ao tema: interpretar dados de aprendizagem e decidir como intervir requer uma postura investigativa. O trabalho sugere que uma rotina compartilhada de análise pode apoiar o desenvolvimento profissional, desde que os participantes entendam por que estão usando os dados e tenham espaço para aprender juntos.

Uma investigação com 185 professores em exercício examinou atitudes em relação à probabilidade e ao ensino desse conteúdo. Os resultados sugeriram que gênero não teve efeito sobre as atitudes; a formação em matemática esteve associada a um peso relevante; e a experiência profissional teve efeito moderado no aspecto comportamental da dimensão relacionada ao ensino, com atitudes mais favoráveis entre professores mais experientes. Os autores reconhecem a importância do conhecimento disciplinar na formação inicial e continuada (Izagirre, 2025).

Já no Chile, um estudo analisou três programas distintos de desenvolvimento profissional em matemática e um grupo de controle. Foram avaliadas mudanças em conhecimentos, aspectos afetivos e habilidades situacionais, incluindo a percepção profissional. Os resultados indicaram melhorias significativas em várias dimensões, mas os padrões e o crescimento variaram de acordo com o programa. As habilidades e crenças iniciais dos professores também tiveram papel central na magnitude e na direção das mudanças (Saadati, 2026).

Em conjunto, esses trabalhos afastam uma ideia simplista de formação docente como um pacote idêntico que produz o mesmo efeito em todos. A pesquisa sobre probabilidade destaca associações com formação e experiência; a pesquisa chilena descreve diferenças entre programas e entre pontos de partida; a investigação sobre mentoria acompanha professores aprendendo a analisar dados na prática. São perspectivas distintas, mas todas colocam o desenvolvimento profissional no centro da qualidade do trabalho matemático.

Quais estudos aparecem lado a lado?

A tabela resume o foco e o que cada resumo efetivamente relata. Ela também separa os contextos indicados, sem atribuir país quando essa informação não aparece na fonte disponível.

O que há em comum e onde os estudos divergem?

Uma convergência é a importância de ir além de executar procedimentos. O estudo sobre problemas contextualizados põe a formulação de questões e a reflexão junto ao tratamento da informação; o trabalho sobre investigação estatística discute pensamento crítico; e a pesquisa sobre estatística cívica chama atenção para a interpretação cuidadosa de informações divulgadas. Em todos esses casos, aprender envolve dar sentido aos dados e às conclusões, e não somente produzir um resultado numérico.

Outra aproximação está na relevância das condições de ensino. Sharma investiga língua e recursos comunicativos; Edwards, colaboração profissional e clareza do propósito; Izagirre, formação e atitudes docentes; Saadati, diferentes programas e características iniciais. Esses estudos não medem a mesma coisa, mas mostram que o ensino de matemática depende de conhecimentos, formas de interação e oportunidades de desenvolvimento, além da escolha de conteúdo.

As diferenças entre eles são importantes. Tesfaw relata um aumento significativo de engajamento em uma intervenção; Davies descreve um projeto voltado a clarificar o conceito de “insight”, sem apresentar no resumo um resultado de impacto; Watson discute questões éticas e cívicas; e os demais investigam formação, linguagem ou atitudes. Não se deve somar essas evidências como se fossem resultados comparáveis ou como se apontassem para uma única estratégia comprovada.

Também ficam perguntas abertas. Como apoiar o pensamento crítico sem transformar uma discussão de dados em debate sem critério? Quais formas de contextualização fazem sentido para estudantes de diferentes idades? Como oferecer apoio linguístico sem reduzir a exigência matemática? E quais modelos de formação profissional se ajustam melhor a necessidades diferentes? Os resumos não resolvem essas questões, mas ajudam a formulá-las de maneira mais precisa.

Como aplicar essas ideias na sala de aula?

As sugestões abaixo são aplicações possíveis, não resultados adicionais das pesquisas. A ideia é traduzir perguntas e princípios que aparecem nos estudos em escolhas de planejamento que o professor pode testar, observar e ajustar conforme sua turma.

1. Convide a turma a formular uma pergunta antes de calcular

Aplicação possível: em uma turma de 5º ano, apresente um conjunto simples de dados coletados para uma atividade e peça que os grupos formulem perguntas que possam ser respondidas com aquelas informações. Por exemplo, eles podem comparar categorias ou investigar qual delas aparece com maior frequência. Depois, conversem sobre quais perguntas o conjunto realmente permite responder. Essa sequência aproxima a atividade da formulação de problemas descrita por Tesfaw (2024), sem presumir que repetir a proposta produza o mesmo efeito em qualquer turma.

2. Peça uma interpretação, não apenas uma resposta

Aplicação possível: depois de uma tarefa de estatística, inclua uma etapa em que cada estudante explique o que o resultado sugere, que evidência usou e o que não pode concluir. Em uma turma hipotética do 8º ano, dois grupos podem chegar ao mesmo cálculo, mas justificar interpretações diferentes. A comparação permite discutir a qualidade do raciocínio e tornar mais explícito o que conta como uma conclusão sustentada pelos dados, uma questão próxima à investigação de Davies (2025).

3. Planeje apoios para a linguagem matemática

Aplicação possível: ofereça tempo para que os estudantes conversem em pares antes de escrever uma explicação final. Disponibilize oralmente alguns começos de frase, como “os dados sugerem...” ou “não podemos afirmar... porque...”, e convide os alunos a usar suas próprias formas de explicar antes de revisar o vocabulário matemático. Isso não é uma estratégia testada aqui para o contexto brasileiro; é uma forma de considerar a atenção de Sharma (2024) à relação entre língua, comunicação e compreensão estatística.

4. Discuta a origem e a qualidade de uma informação

Aplicação possível: leve um conjunto de dados adequado à idade e à realidade da turma e pergunte quem coletou as informações, de quem, quando e com que método. Se houver um tema potencialmente sensível, avalie antes se ele é apropriado, se a fonte é confiável e quais cuidados de mediação serão necessários. A pesquisa de Watson e Usiskin (2025) sustenta a relevância de discutir risco e estatística cívica, mas não elimina a responsabilidade de fazer escolhas cuidadosas para cada comunidade escolar.

5. Faça da análise de dados dos estudantes uma investigação coletiva

Aplicação possível: em uma reunião pedagógica, professores podem escolher uma questão de aprendizagem, observar evidências disponíveis e discutir interpretações antes de propor uma ação. Em vez de tratar os dados como um veredito sobre estudantes ou docentes, podem usá-los como ponto de partida para perguntas e acompanhamento. A experiência de Edwards (2025) oferece uma referência para o diálogo entre colegas; o próprio estudo alerta para a importância de explicar o propósito formativo e não impor a participação sem clareza.

6. Revise as atividades de probabilidade junto com o conhecimento disciplinar

Aplicação possível: ao planejar uma aula de probabilidade, o professor pode verificar se consegue explicar não só o procedimento, mas também o significado da situação, as suposições envolvidas e as respostas possíveis dos estudantes. Se surgir insegurança, vale organizar estudo entre pares ou buscar formação específica. Essa sugestão se relaciona à associação entre formação em matemática e atitudes docentes relatada por Izagirre (2025), sem transformar uma associação em prova de causa.

7. Escolha a formação docente a partir de necessidades observadas

Aplicação possível: antes de propor uma formação sobre estatística, uma equipe pode identificar se precisa fortalecer conhecimentos matemáticos, análise de respostas dos estudantes, mediação de discussões ou elaboração de tarefas. Depois, pode acompanhar mudanças nessas dimensões, em vez de avaliar a formação por um indicador único. Essa forma de planejar dialoga com a variação entre programas e a importância das competências iniciais descritas no estudo chileno de Saadati (2026).

O que muda quando levamos essas pesquisas para o Brasil?

O primeiro cuidado é não confundir contexto com receita. O NCEA mencionado por Davies (2025) é uma estrutura de avaliação da Nova Zelândia, não uma regra brasileira. A pesquisa sobre estudantes pasifika também trata de uma realidade linguística e cultural específica. E o caso discutido por Watson (2025) envolve estatísticas sobre armas de fogo em Chicago e uma trajetória de uso de material em pesquisas australianas. Esses contextos ajudam a entender as perguntas dos estudos, mas não devem ser apresentados como situações brasileiras equivalentes.

Há também pesquisas cujo país não aparece no resumo, como as de Tesfaw e Izagirre. Nesses casos, é mais correto aproveitar o foco do estudo sem inventar uma origem nacional. O estudo de Saadati informa que os programas foram implementados no Chile; isso permite considerar o trabalho como uma experiência latino-americana, mas não comprova que as condições escolares, curriculares ou formativas sejam iguais às do Brasil.

Para adaptar qualquer ideia, o professor pode começar pelo conteúdo que está ensinando, pelos dados acessíveis e pela linguagem que sua turma consegue mobilizar. Uma atividade contextualizada precisa ter um contexto compreensível e dados que permitam responder à pergunta. Uma discussão cívica exige seleção cuidadosa do tema e da fonte. Uma tarefa de investigação deve deixar claro o que será observado: cálculo, interpretação, justificativa ou comunicação. Essas escolhas são sugestões de aplicação, não recomendações oficiais extraídas dos estudos.

Também é importante não transformar resultados localizados em promessas. O aumento de engajamento relatado por Tesfaw (2024) diz respeito à abordagem e ao grupo estudados; não garante efeito idêntico em outra faixa etária ou rede. A pesquisa de Sharma (2024) oferece questões sobre língua e comunicação, mas não define um modelo único para turmas brasileiras multilíngues. O valor da comparação está em apoiar perguntas melhores para o planejamento e para a formação, preservando a leitura crítica das evidências.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de estudos recentes disponibilizados como fonte, e não na leitura integral dos trabalhos. Por isso, apresenta os objetivos e resultados tal como aparecem nesses resumos, sem acrescentar detalhes de procedimentos, instrumentos ou interpretações que não foram informados. Os estudos também investigam problemas diferentes e usam desenhos distintos; não é possível compará-los como se avaliassem uma mesma intervenção ou estabelecer, a partir deles, uma classificação de práticas de ensino.

Ficam em aberto perguntas sobre a duração e as condições de implementação das propostas, a adequação a diferentes etapas escolares e a transferência dos resultados para escolas brasileiras. Também seria necessário conhecer com mais detalhe como foram definidas algumas medidas, quais limitações os próprios autores discutem e como os participantes foram selecionados. Consultar o estudo completo faz sentido quando um professor, formador ou equipe pretende adotar uma intervenção específica, utilizar um instrumento de avaliação ou aprofundar uma discussão ética e curricular.

Como o GeraProva pode ajudar no ensino de estatística?

O GeraProva pode apoiar a criação de questões e atividades para avaliar conteúdos de estatística, como interpretação de dados, probabilidade e justificativa de conclusões. A ferramenta não substitui a seleção cuidadosa de contextos, a verificação da qualidade das informações nem o julgamento do professor sobre o que é adequado para sua turma. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis para explorar a plataforma.

Perguntas frequentes sobre ensino de estatística

Ensinar estatística é o mesmo que ensinar a fazer cálculos?

Não. Os estudos reunidos tratam o ensino de estatística como algo que pode envolver formular perguntas, interpretar informações, explicar conclusões e considerar o contexto dos dados. Tesfaw (2024), por exemplo, investigou uma abordagem em que estudantes formulavam e resolviam problemas relacionados ao tratamento da informação. Davies (2025) explorou como desenvolver a compreensão do pensamento crítico e do “insight” em investigação estatística. Os cálculos podem ser parte da aprendizagem, mas não são, sozinhos, uma descrição completa do raciocínio estatístico.

Contextualizar uma atividade de estatística aumenta o engajamento?

Em um estudo com 138 estudantes do quinto ano, a abordagem baseada em formular e resolver problemas contextualizados esteve associada a aumento significativo no engajamento geral e em seus componentes. O resumo relata efeitos grandes no engajamento geral, cognitivo e comportamental, e médio no emocional (Tesfaw, 2024). Isso é um resultado daquele estudo, não uma garantia de que qualquer atividade contextualizada terá o mesmo efeito em toda turma. Para aplicar a ideia, vale escolher um contexto compreensível e verificar se os dados permitem responder à pergunta proposta.

Como posso trabalhar pensamento crítico em uma atividade estatística?

Uma possibilidade é pedir que os estudantes expliquem como interpretaram os dados, que evidências sustentam a conclusão e que limites existem na informação disponível. Davies (2025) investigou como tornar mais clara a expectativa de “insight” e incorporar pensamento crítico ao raciocínio estatístico de estudantes do ensino secundário na Nova Zelândia. O resumo descreve o objetivo do projeto colaborativo, mas não relata uma medida de impacto. Portanto, a proposta de solicitar justificativas é uma aplicação pedagógica possível, não uma atividade cuja eficácia esteja comprovada pelo resumo.

É adequado usar temas sensíveis para ensinar estatística?

Watson e Usiskin (2025) argumentam que discussões sobre risco e temas sensíveis podem oferecer aplicações importantes da estatística e do pensamento estatístico. Ao mesmo tempo, o resumo relata tensões envolvendo comitês de ética e editoras e discute um caso de estatísticas divulgadas com erros. Isso reforça a necessidade de avaliar a fonte, a relevância matemática, a idade da turma e os cuidados de mediação. O estudo não significa que todo tema controverso seja adequado para qualquer escola ou que deva ser usado sem preparação.

O professor precisa de formação específica para ensinar probabilidade?

O estudo de Izagirre (2025), com 185 professores em exercício, analisou atitudes em relação à probabilidade e ao seu ensino. Seus resultados sugeriram associação relevante entre formação em matemática e atitudes docentes, além de um efeito moderado da experiência profissional em um aspecto comportamental do ensino, com atitudes mais favoráveis entre professores mais experientes. Os autores destacam a importância do conhecimento disciplinar na formação inicial e continuada. A pesquisa não permite concluir que todos os professores sem essa formação terão dificuldades, mas sustenta a relevância de oportunidades de estudo e desenvolvimento profissional.

As propostas de outros países podem ser usadas diretamente no Brasil?

Não convém transplantar práticas sem considerar contexto, currículo, estudantes e condições de trabalho. Davies (2025) discute uma avaliação neozelandesa específica; Sharma (2024) investiga turmas multilíngues em um contexto também específico; e Saadati (2026) analisa programas de desenvolvimento profissional implementados no Chile. Esses estudos podem inspirar perguntas e adaptações, mas não estabelecem regras para escolas brasileiras. Uma decisão prudente é identificar a ideia investigada, avaliar sua pertinência para a turma e observar se a atividade atende ao objetivo de aprendizagem escolhido pelo professor.

Referências

1. Edwards, F., Cowie, B., & Trask, S. (2025). Usando a mentoria entre colegas para desenvolver o letramento em dados dos professores (Using Colleague Coaching to Develop Teacher Data Literacy). Professional Development in Education. Link.
2. Davies, M., & McKague, A. (2025). Deslocando o pensamento dos estudantes em direção ao “insight” para alcançar a excelência na investigação estatística (Shifting Students' Thinking to "Insight" to Gain Excellence in Statistical Enquiry). set: Research Information for Teachers. Link.
3. Watson, J. M., & Usiskin, Z. (2025). Temas sensíveis, risco e estatística cívica em sala de aula (Sensitive Issues, Risk, and Civic Statistics in the Classroom). For the Learning of Mathematics. Link.
4. Izagirre, A., Anasagasti, J., & Berciano, A. (2025). Determinantes das atitudes de professores do ensino médio em relação à probabilidade e ao seu ensino (Determinants of Secondary School Teachers' Attitudes towards Probability and Its Teaching). Statistics Education Research Journal. Link.
5. Tesfaw, B. K., Ayele, M. A., & Wondimuneh, T. E. (2024). Abordagem de Formulação e Resolução de Problemas Contextualizados e Engajamento dos Estudantes na Aprendizagem de Tratamento da Informação (Context-Based Problem-Posing and Solving Instructional Approach and Students' Engagement in Learning Data Handling). Cogent Education. Link.
6. Sharma, S. (2024). Promovendo o pensamento estatístico em salas de aula multilíngues do 12º ano: um estudo colaborativo (Promoting Statistical Thinking in Year 12 Multilingual Classrooms: A Collaborative Study). Mathematics Education Research Journal. Link.
7. Saadati, F., Bastian, A., & Kaiser, G. (2026). Crescimento da competência profissional docente por meio de programas de desenvolvimento profissional: um estudo com professores de matemática no Chile (Growth of Teacher Professional Competence through Professional Development Programs: A Study of Mathematics Teachers in Chile). Educational Studies in Mathematics. Link.

Se alguma dessas ideias conversa com o que você está ensinando, escolha uma pergunta para testar com a turma e observe o que os dados e as explicações dos estudantes revelam. Um bom trabalho com estatística começa também pela curiosidade de investigar.