Letramentos múltiplos e estatística: por que interpretar dados exige mais que fazer contas

Interpretar dados exige mais do que calcular: é preciso entender o que foi contado, como a informação foi representada e que conclusão ela permite sustentar.

Pesquisas recentes com estudantes de diferentes etapas e países chegam a essa questão por caminhos variados. Algumas observam como crianças leem gráficos; outras investigam relatórios estatísticos, atividades contextualizadas ou o ensino de estatística junto ao letramento digital. Em conjunto, ajudam a olhar para a aula de matemática como espaço de leitura, argumentação e tomada de decisões — não apenas de aplicação de fórmulas.

O que são letramentos múltiplos e estatística e por que isso importa para o professor?

Falar em letramentos múltiplos e estatística é reconhecer que os estudantes mobilizam diferentes conhecimentos para compreender informações: leem palavras, símbolos e representações visuais, relacionam dados a situações e explicam o que os resultados significam. Na rotina escolar, isso aparece quando a turma compara gráficos, discute uma média, avalia uma notícia com números ou decide que informação falta para responder a uma pergunta.

O letramento estatístico não se resume a saber calcular média, mediana ou moda. Inclui interpretar e avaliar informações estatísticas, compreendendo as escolhas feitas na coleta e na apresentação dos dados. O letramento gráfico, por sua vez, envolve perceber elementos de uma representação e construir sentido a partir deles. E, em atividades digitais, podem entrar também ações como coletar dados, visualizá-los e produzir representações digitais.

Essas dimensões não são idênticas, mas se encontram em tarefas reais. Para responder se uma tendência está aumentando, por exemplo, um estudante precisa ler os eixos, compreender o contexto, observar os valores e justificar a conclusão. A conta pode estar correta e, ainda assim, a interpretação ser inadequada se a pessoa não perceber o que os dados representam ou quais limites existem.

Para o professor, essa distinção é útil no planejamento e na avaliação. Uma resposta errada pode nascer de uma dificuldade de cálculo, mas também de uma leitura equivocada do gráfico, de vocabulário insuficiente ou de insegurança para formular uma explicação. Separar essas possibilidades ajuda a escolher intervenções mais precisas.

O que a pesquisa recente mostra sobre letramento estatístico?

Os estudos recentes não propõem uma única receita para ensinar estatística. Eles mostram diferentes pontos de atenção: o significado contextual das medidas, as estratégias usadas para ler gráficos, a importância de investigar dados ligados a situações concretas e o apoio que uma sequência estruturada pode oferecer.

Compreender uma medida depende também de saber para que ela serve

Um estudo com estudantes de 12 a 13 anos investigou como eles expressavam letramento estatístico ao discutir média, mediana e moda. As descrições apresentadas pelos estudantes apoiaram-se principalmente em conhecimentos matemáticos e de vocabulário. Quando falaram sobre qual medida era mais fácil ou mais difícil de explicar, apareceram concepções variadas, não uma compreensão uniforme das três medidas (Landtblom, 2025).

Um aspecto especialmente útil para o planejamento foi a relação entre medida e contexto. Algumas explicações sobre a utilidade das medidas se apoiaram em situações concretas, mas a mediana foi uma exceção: os estudantes não ofereceram exemplos de contextos nem a consideraram útil fora da sala de aula. Isso sugere uma distância entre saber nomear ou descrever uma medida e conseguir reconhecer quando ela pode ajudar a interpretar uma situação.

O resultado não significa que a mediana seja pouco útil em geral. O que o estudo relata é a forma como aqueles estudantes a compreenderam e explicaram. Para a aula, essa diferença importa: apresentar uma definição não garante que os alunos consigam conectar o conceito a uma pergunta sobre dados.

Ler gráficos envolve alternar entre elementos visuais, convenções e texto

Uma pesquisa com estudantes dos 5º, 7º e 9º anos investigou como crianças e adolescentes percebem e interpretam gráficos de barras e de linhas. A compreensão mostrou relação com a progressão curricular, com resultados significativos nos 5º e 9º anos. Gráficos de barras com dados nominais foram mais fáceis de compreender do que gráficos de linhas, que exigem integrar informações de duas dimensões e interpretá-las (Mathai, 2025).

Os estudantes não seguiram uma estratégia única nem uma trajetória linear de compreensão. Alternaram entre convenções gráficas, agrupamentos de elementos e o texto das questões para construir significado. Aqueles com bom desempenho usaram simultaneamente diversas estratégias perceptivas. A pesquisa também identificou desafios na passagem da representação espacial para a simbólica, apesar da relevância da experiência prévia e da familiaridade com convenções de gráficos.

Esse quadro ajuda a entender por que uma pergunta como “o que este gráfico mostra?” pode ser difícil mesmo quando os dados parecem simples. O aluno precisa coordenar mais de uma fonte de informação: título ou enunciado, eixos, categorias, posição dos valores e a própria pergunta. Os autores também destacam que práticas pedagógicas escolares e experiências informais fora da sala contribuem para o letramento gráfico.

Investigar dados com uma pergunta concreta pode apoiar a construção de significado

Na Austrália, um estudo de caso exploratório acompanhou uma investigação de uma turma de 4º ano, com crianças de 9 anos, em torno da pergunta “Qual é o tamanho de uma folha?”. O trabalho relacionou os dados a um contexto real de STEM e examinou como a comunicação da professora apoiou a compreensão emergente dos estudantes sobre o que são dados (Fry, 2024).

O estudo parte de um desafio pedagógico reconhecível: a ideia de “dados” pode ser abstrata, sobretudo quando é separada de um processo de investigação ou quando os estudantes precisam relacioná-la ao cotidiano. Os resultados revelaram um padrão de comunicação entre professora e alunos que, ao longo da investigação, apoiou mudanças nas concepções dos estudantes sobre dados e nos processos de pensamento estatístico relacionados.

O resumo não apresenta uma sequência universal de falas docentes para reproduzir. O que permite afirmar é que, naquele estudo de caso, a comunicação durante uma investigação contribuiu para construir um quadro compartilhado de referência. A questão concreta não foi um enfeite: ela ajudou a manter os dados ligados àquilo que estavam representando.

Uma sequência estruturada pode apoiar a leitura crítica de relatórios

No Japão, uma pesquisa de caso investigou se estudantes do ensino médio poderiam demonstrar habilidades de letramento estatístico em aulas voltadas à interpretação e avaliação de relatórios estatísticos. A proposta organizou um processo fundamentado em princípios de pensamento crítico e incluiu uma folha de atividades correspondente. Foram realizadas sete aulas de 50 minutos com 34 estudantes de 17 a 18 anos (Koga, 2025).

Os resultados relatam que os estudantes conseguiram demonstrar algumas habilidades e avaliar relatórios estatísticos de maneira eficaz. O estudo também apresentou um teste destinado a avaliar diferentes habilidades de letramento estatístico em curto período, aplicado no início da primeira aula e ao final da última. Os autores apontam o processo e o teste como recursos que podem apoiar tanto o trabalho dos estudantes quanto a avaliação docente.

Esse estudo amplia a conversa para além da leitura de um gráfico isolado. Um relatório pode reunir afirmações, representações e conclusões, e avaliá-lo requer perguntar como os dados sustentam o que está sendo dito. A pesquisa se desenvolveu no ensino médio japonês; portanto, seu desenho pode inspirar uma adaptação, mas não deve ser tratado como política ou modelo automaticamente transferível ao Brasil.

Contextos relevantes e tecnologia ajudam quando fazem parte de um percurso de aprendizagem

Na Indonésia, um estudo desenvolveu tarefas do tipo PISA sobre mudanças climáticas para estudantes do 9º ano de uma escola pública de ensino fundamental II em Jambi. Foram criadas 22 tarefas, embora o artigo se concentre em um cenário sobre Jacarta estar afundando em decorrência de impactos das mudanças climáticas. A avaliação indicou que as tarefas eram válidas quanto ao conteúdo, ao construto e à linguagem, além de práticas segundo os escores de praticidade dos estudantes (Nusantara, 2026).

Na fase de avaliação, a Compreensão do Problema atingiu 76,06%, o Processamento de Dados 69,26% e a Interpretação de Dados 68,69%; as três dimensões foram classificadas como moderadas. A interpretação foi a menos desenvolvida, associada no resumo à exposição prévia limitada dos estudantes a tarefas ricas em contexto. O contexto climático favoreceu o engajamento com tendências, variabilidade e incerteza. O raciocínio estatístico apareceu com mais clareza nas entrevistas do que nas respostas escritas, levando os autores a sugerir que estudos futuros integrem essas tarefas a fases instrucionais estruturadas.

Outro estudo, também na Indonésia, desenvolveu e validou uma trajetória de aprendizagem para gráficos estatísticos com 190 estudantes do último ano do ensino fundamental II, na cidade de Binjai. A proposta articulou uma trajetória de aprendizagem, a taxonomia SOLO, etnomatemática e tecnologia, incluindo GeoGebra e a tradição Berahoi (Ramadhani, 2026).

Os resultados relatam progressão conceitual dos níveis Uniestrutural ao Abstrato Estendido, especialmente na interpretação e generalização de gráficos e valores médios. Os autores ressaltam que a progressão não foi impulsionada apenas pelo contexto ou pela tecnologia, mas pela integração sistemática desses elementos em uma trajetória apoiada por andaimes direcionados. A pesquisa oferece um exemplo de como contexto cultural e ferramenta digital podem compor um planejamento, sem que qualquer um deles, isoladamente, garanta aprendizagem.

O letramento estatístico também pode se articular ao letramento digital

No Vietnã, uma pesquisa quase experimental examinou uma estrutura adaptada de Sistema de Apoios em Múltiplos Níveis para estatística e probabilidade no ensino médio, com foco no desenvolvimento do letramento digital. A intervenção durou 12 semanas em três escolas e envolveu 243 estudantes do 10º ano. O ensino de Nível 1 foi fortalecido com ensino explícito, representações visuais, tarefas diferenciadas e tecnologias como planilhas eletrônicas, GeoGebra e plataformas de visualização de dados (Tram, 2026).

O grupo experimental apresentou ganhos significativamente maiores em desempenho matemático do que o grupo de controle, com tamanho de efeito moderado (g de Hedges = 0,45). Também foram relatadas melhorias significativas no letramento digital, com aumento médio aproximado de Δ = 0,50 nas subescalas de coleta de dados, visualização e criação de produtos digitais. Os dados de monitoramento indicaram trajetórias de aprendizagem mais acentuadas e maiores taxas de alcance das metas no grupo da intervenção.

Os autores concluem que uma estrutura adaptada culturalmente pode aprimorar desempenho matemático e letramento digital naquele contexto. O estudo não autoriza presumir que o mesmo efeito ocorrerá em qualquer escola brasileira. Ele destaca, contudo, uma possibilidade importante para o planejamento: ensinar estatística com recursos digitais pode envolver tanto aprender o conteúdo matemático quanto desenvolver modos de coletar, visualizar e apresentar dados.

Quais estudos ajudam a entender o letramento estatístico?

A tabela reúne os estudos discutidos acima. Ela distingue o que cada pesquisa investigou do que o resumo relata e identifica o contexto apenas quando informado.

O que os estudos têm em comum e onde diferem?

Os estudos convergem em um ponto: compreender dados envolve mais do que executar procedimentos. O estudante precisa relacionar uma medida a uma situação, coordenar informações de um gráfico, interpretar um relatório ou explicar uma conclusão. Até as pesquisas que trabalham com tecnologia mostram que os recursos ganham sentido quando integrados a um percurso de ensino, e não apenas acrescentados à atividade.

Outra aproximação está na importância do contexto. A investigação sobre o tamanho de uma folha liga os dados a uma questão concreta; as tarefas sobre mudanças climáticas usam um problema de relevância pública; e a trajetória indonésia inclui uma tradição cultural local. No estudo sobre medidas de tendência central, a dificuldade de dar sentido contextual à mediana aparece justamente como um ponto de atenção. Contexto, porém, não significa simplesmente inserir um tema interessante no enunciado: é preciso que ele ajude a compreender o que os dados representam.

Os estudos também diferem no que medem e no tipo de evidência que apresentam. Alguns analisam explicações e estratégias dos estudantes; outros desenvolvem tarefas ou uma trajetória de aprendizagem; e a pesquisa vietnamita compara grupos em uma intervenção. Por isso, seus resultados não devem ser somados como se fossem uma única experiência ou comparados diretamente em números.

Uma questão ainda em aberto é como transformar a expressão do raciocínio em evidência avaliável. No estudo sobre mudanças climáticas, a compreensão apareceu com maior clareza em entrevistas do que nas respostas escritas. Já a pesquisa japonesa apresenta um processo e um teste associados à avaliação de habilidades. Isso aponta para uma tensão pedagógica: uma resposta curta pode não revelar tudo o que o aluno compreendeu, mas a avaliação também precisa produzir registros que permitam acompanhar a aprendizagem.

Como aplicar essas ideias de letramento estatístico na sala de aula?

Uma forma de usar os estudos em sala é planejar tarefas que peçam aos estudantes não só um resultado, mas também uma leitura, uma justificativa e uma ligação entre dados e contexto. As sugestões abaixo são aplicações pedagógicas inspiradas nas pesquisas; não são resultados que todos os estudos tenham testado.

1. Peça que os alunos expliquem por que escolheram uma medida

Como aplicação, apresente um pequeno conjunto de dados e convide a turma a comparar média, mediana e moda. Em vez de terminar no cálculo, peça que cada estudante diga qual medida considera mais informativa para a pergunta apresentada e justifique. Por exemplo, imagine uma turma que analisa tempos de deslocamento fictícios: os alunos podem calcular medidas e discutir o que cada uma ajuda a resumir. Essa prática responde ao ponto observado por Landtblom e colegas sobre a distância entre descrever medidas e explicar sua utilidade em contexto.

2. Ensine a ler gráficos como uma combinação de pistas

Como aplicação, proponha que os estudantes leiam primeiro as categorias e os eixos, depois descrevam padrões e, por fim, respondam à pergunta com evidências do gráfico. Imagine uma turma de 7º ano diante de um gráfico de linhas fictício sobre a variação diária da temperatura: além de localizar um valor, os alunos precisam relacionar os eixos e explicar a mudança ao longo do tempo. A pesquisa de Mathai e colegas sugere atenção a essa coordenação entre convenções visuais, agrupamentos e texto.

3. Parta de uma pergunta investigável antes de apresentar os dados

Como aplicação, convide a turma a formular uma pergunta sobre um objeto ou fenômeno observável e discuta quais dados poderiam ajudar a respondê-la. Por exemplo, imagine estudantes comparando o comprimento de folhas encontradas no pátio, sem presumir que a proposta reproduza o estudo australiano. Depois da coleta, conversem sobre o que foi medido, como os registros se relacionam à pergunta e que limites há na comparação. A intenção é evitar que “dados” apareçam como números soltos.

4. Inclua momentos de leitura crítica de relatórios

Como aplicação, selecione um relatório estatístico adequado à idade da turma e divida a leitura em perguntas: qual é a afirmação principal, que dados são usados e como a representação sustenta a conclusão? Uma turma do ensino médio, por exemplo, poderia comparar a conclusão de um texto com as informações numéricas apresentadas nele. A sequência estruturada investigada por Koga oferece uma referência para organizar a atividade, mas cabe adaptar linguagem, duração e material ao contexto brasileiro.

5. Use temas relevantes sem deixar que o tema substitua o raciocínio

Como aplicação, um professor pode usar dados sobre clima, água ou resíduos para trabalhar tendências e variação, desde que os estudantes também examinem o que foi medido e como interpretar os valores. Imagine uma turma analisando dados fictícios de chuva de diferentes meses. A pergunta não deve terminar em “qual número é maior?”: pode incluir que padrão aparece, que conclusão é sustentada e que informação adicional faria falta. O estudo indonésio com tarefas climáticas reforça a possibilidade de engajar estudantes com tendências, variabilidade e incerteza, mas também aponta a necessidade de apoiar a interpretação.

6. Combine recursos digitais com objetivos claros

Como aplicação, use uma planilha ou ferramenta de visualização quando ela ajudar a organizar, representar ou explorar dados. Uma turma poderia registrar respostas a uma pergunta coletiva, comparar representações e explicar qual delas torna mais visível determinado padrão. A pesquisa vietnamita incluiu recursos digitais em uma intervenção articulada a ensino explícito e tarefas diferenciadas; isso não equivale a afirmar que qualquer uso de tecnologia produz os mesmos ganhos. Antes de escolher a ferramenta, decida que leitura ou produção de dados os estudantes deverão realizar.

7. Peça respostas orais e escritas para tornar o raciocínio visível

Como aplicação, combine uma explicação oral em dupla com uma resposta escrita individual. Imagine um aluno que consegue descrever oralmente uma tendência, mas registra apenas um cálculo no caderno. O professor pode comparar as duas formas de expressão e orientar a elaboração de uma justificativa escrita. Essa proposta dialoga com o estudo sobre tarefas climáticas, no qual o raciocínio estatístico ficou mais claro nas entrevistas do que nas respostas escritas; não implica que a fala seja sempre superior ao registro escrito.

O que muda ao adaptar essas pesquisas ao contexto brasileiro?

Os estudos citados foram realizados em contextos distintos: há pesquisas no Japão, na Austrália, na Indonésia e no Vietnã, além de estudos cujo resumo não identifica o país. As escolas, os currículos, os recursos disponíveis, as experiências dos estudantes e as condições de ensino não são automaticamente iguais às brasileiras. Por isso, os resultados servem como referências para pensar, não como prescrições prontas.

Uma adaptação começa por escolher contextos que façam sentido para a turma e sejam acessíveis a ela. A tradição cultural usada na pesquisa de Binjai, na Indonésia, não deve ser transplantada como se tivesse o mesmo significado no Brasil. A ideia adaptável é integrar experiências culturais locais ao ensino de gráficos, com respeito às referências dos estudantes e sem tratar a cultura como decoração.

Também é importante considerar as condições materiais. A pesquisa vietnamita utilizou planilhas, GeoGebra e plataformas de visualização; uma escola brasileira pode ter acesso desigual a dispositivos e conectividade. A proposta pedagógica pode ser adaptada com recursos disponíveis, inclusive materiais simples, sem afirmar que a versão sem tecnologia reproduzirá o efeito encontrado naquela intervenção.

Por fim, tarefas contextualizadas precisam ser compreensíveis e cuidadosas com a informação. Se o tema escolhido envolve questões públicas, vale distinguir o que os dados mostram do que é opinião, e evitar conclusões que os números não sustentam. O foco é ajudar o estudante a fazer perguntas melhores, interpretar representações e explicar o alcance de suas respostas.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de estudos recentes indexados no ERIC, e não na leitura integral dos artigos. Os resumos permitem identificar objetivos, contextos e resultados relatados, mas não oferecem todos os detalhes necessários para comparar instrumentos, tarefas, análises ou condições de implementação.

Ficam em aberto perguntas importantes para a prática: que partes de cada intervenção são mais decisivas; como os resultados se mantêm em outros grupos e etapas; que adaptações seriam necessárias em escolas brasileiras com condições diferentes; e como avaliar, ao longo do tempo, a transferência da leitura de dados para situações novas. Também não é possível concluir, a partir desses estudos diversos, que uma estratégia seja superior a todas as outras.

Faz sentido consultar o estudo completo quando o professor quiser reproduzir uma sequência, examinar os materiais suplementares, compreender os critérios de avaliação ou decidir se uma intervenção pode ser adaptada a uma escola específica. Em especial, quem pretende usar um teste, uma trajetória de aprendizagem ou uma estrutura de apoios deve conferir os detalhes originais antes de implementar.

Como o GeraProva ajuda com letramento estatístico?

O GeraProva pode ajudar a preparar avaliações e atividades com questões sobre leitura de dados, interpretação de gráficos e explicação de conclusões. A ferramenta apoia a criação de materiais, mas a escolha dos contextos, a revisão das questões e a análise das respostas continuam nas mãos do professor. Conheça o gerador de provas do GeraProva ou faça o cadastro grátis.

Perguntas frequentes sobre letramento estatístico

Letramento estatístico é o mesmo que saber fazer contas?

Não. Fazer cálculos pode ser parte do trabalho, mas letramento estatístico também envolve interpretar e avaliar informações, compreender representações e relacionar resultados a uma situação. Nos estudos reunidos aqui, os estudantes precisaram explicar medidas, ler gráficos, avaliar relatórios ou interpretar dados contextualizados. Uma resposta pode conter um cálculo correto sem mostrar se a pessoa compreendeu o que os valores representam. Por isso, atividades de estatística podem pedir que o aluno justifique uma conclusão, indique evidências e explique por que uma medida ou representação é adequada à pergunta.

Por que alguns estudantes têm mais dificuldade com gráficos de linhas?

Na pesquisa de Mathai e colegas, gráficos de linhas foram mais difíceis de compreender do que gráficos de barras com dados nominais. Os autores relacionam essa diferença à necessidade de integrar informações de duas dimensões e interpretá-las. Isso não significa que todos os estudantes tenham a mesma dificuldade ou que gráficos de linhas sejam sempre inadequados. A pesquisa também relata que os alunos combinavam convenções, agrupamentos visuais e texto das questões. Na prática, o professor pode ajudar a turma a examinar cada elemento e depois reconstruir a leitura do gráfico como um todo.

Como ajudar os alunos a entender a mediana?

O estudo de Landtblom encontrou estudantes que não apresentaram exemplos de contextos para a mediana nem a consideraram útil fora da sala de aula. Uma aplicação possível é ensinar o cálculo junto de perguntas sobre o que os dados descrevem e que tipo de resumo ajuda a responder à questão. O professor pode pedir que os alunos comparem a mediana com a média e expliquem o que cada medida comunica naquele conjunto específico. Essa sugestão é uma possibilidade de planejamento, não uma intervenção testada pelo estudo. O ponto central é conectar vocabulário e procedimento a uma interpretação.

É melhor ensinar estatística com temas do cotidiano?

Os estudos sobre investigação de dados e tarefas climáticas mostram que contextos concretos podem contribuir para a construção de significado e para o engajamento com tendências, variabilidade e incerteza. Porém, escolher um tema cotidiano não garante, por si só, que os estudantes aprendam a interpretar dados. A tarefa precisa manter uma relação clara entre a pergunta, os dados coletados ou apresentados e a conclusão solicitada. Uma forma de aplicar essa ideia é usar um contexto familiar à turma e pedir que os alunos expliquem o que os números permitem afirmar, além de identificar que informação ainda seria necessária.

Preciso usar tecnologia para trabalhar letramento estatístico?

Não necessariamente. A pesquisa vietnamita integrou ferramentas digitais a uma intervenção estruturada, e a pesquisa indonésia combinou GeoGebra, etnomatemática e uma trajetória de aprendizagem. Esses estudos apresentam possibilidades de integração, não uma exigência universal de tecnologia. O mais importante é definir o objetivo: coletar dados, construir uma visualização, comparar representações ou interpretar tendências. Se houver acesso a recursos digitais, eles podem apoiar essas ações; se não houver, é possível planejar atividades com outros materiais. Não se deve presumir que qualquer ferramenta, usada isoladamente, produzirá os resultados encontrados nos estudos.

Como avaliar se um aluno está interpretando os dados, e não apenas calculando?

Inclua na avaliação uma solicitação de explicação: peça que o estudante descreva um padrão, cite valores ou elementos do gráfico que sustentam a conclusão e relacione a resposta à pergunta original. A pesquisa japonesa investigou aulas e um teste de habilidades de letramento estatístico, enquanto o estudo sobre mudanças climáticas observou que o raciocínio ficou mais claro nas entrevistas do que nas respostas escritas. Uma aplicação possível é combinar registro escrito com conversa breve ou discussão em dupla. Assim, o professor obtém mais de uma evidência do raciocínio, sem tratar um único formato como medida completa da compreensão.

Referências dos estudos citados

As referências abaixo correspondem aos estudos discutidos no artigo, com os títulos em português fornecidos na fonte e os títulos originais entre parênteses.

1. Landtblom, Karin; Sumpter, Lovisa (2025). Qual Medida de Tendência Central É Mais Útil? Letramento Estatístico Expresso por Estudantes do 6º Ano (Which Measure of Central Tendency Is Most Useful? Grade 6 Students' Expressed Statistical Literacy). Statistics Education Research Journal. Link.
2. Koga, Shunya (2025). Aulas para demonstrar habilidades de letramento estatístico: um estudo de caso sobre a leitura de relatórios estatísticos por estudantes japoneses do ensino médio (Lessons to Demonstrate Statistical Literacy Skills: A Case Study of Japanese High School Students on Reading Statistical Reports). Journal of Statistics and Data Science Education. Link.
3. Mathai, Sindhu; Krishnan, Parvathi; Sreevalsan-Nair, Jaya (2025). Compreendendo a Letramento Gráfico por meio das Estratégias de Compreensão de Estudantes da Escola Básica (Understanding Graphical Literacy Using School Students' Comprehension Strategies). Contemporary Education Dialogue. Link.
4. Fry, Kym; English, Lyn; Makar, Katie (2024). Ajuste cognitivo na sala de aula STEM: processos de comunicação que apoiam as mudanças nas concepções das crianças sobre dados (Cognitive Tuning in the STEM Classroom: Communication Processes Supporting Children's Changing Conceptions about Data). Mathematics Education Research Journal. Link.
5. Nusantara, Duano Sapta; Herlambang, Satria Bayu; Pasaribu, Feri Tiona; Maphutha, Kgaladi (2026). Desenvolvimento de Tarefas do Tipo PISA com Contextos de Mudanças Climáticas para Ampliar o Letramento Estatístico dos Estudantes (Developing PISA-Like Task Using Climate Change Contexts to Enhance Students' Statistical Literacy). Journal of Research and Advances in Mathematics Education. Link.
6. Ramadhani, Rahmi; Soeharto, Soeharto; Prahmana, Rully Charitas Indra; Bautista Jr., Guillermo; Rahmad, Iwan Fitrianto; Rifai, Muhammad Zainur; Arifiyanti, Fitria; Lavicza, Zsolt (2026). Trajetórias de Aprendizagem Profundas para Gráficos Estatísticos no Ensino de Matemática: Integração da Taxonomia SOLO e da Etnomatemática com o Uso do GeoGebra (Deep Learning Trajectories for Statistical Graphs in Mathematics Learning: Integration of SOLO Taxonomy and Ethnomathematics Using GeoGebra). Discover Education. Link.
7. Tram, Nguyen Thuy Phuong; Son, Nguyen Hoang (2026). Estrutura do Sistema de Apoios em Múltiplos Níveis (MTSS) para o ensino de estatística e probabilidade no ensino médio vietnamita: integração do desenvolvimento do letramento digital (Multi-Tiered System of Supports (MTSS) Framework for Statistics and Probability Education in Vietnamese High Schools: Integrating Digital Literacy Development). Educational Process: International Journal. Link.

Escolha uma pergunta próxima da realidade da sua turma, experimente uma atividade de leitura de dados e observe como seus estudantes explicam o que encontraram. Boas descobertas!