L’articolo è apparso sulla Newsletter della American Statistical Association (sezione didattica), Vol. 7, N. 1, Winter 2001; successivamente sulla Statistical Educational Research Newsletter dello IASE, Vol. 2, N. 2, May 2001. Si ringrazia l’autore per aver accolto la proposta di pubblicazione in italiano sulla rivista Induzioni, N. 26 2003. La traduzione è a cura di Enzo Lombardo.

 

 

 

L’INSEGNAMENTO DELLA STATISTICA: LEGGENDO IL PASSATO, ACCETTANDO IL PRESENTE, DELINEANDO IL FUTURO

di Richard L. Scheaffer

 La statistica sorse circa 2000 anni fa per soddisfare i bisogni della scienza e del governo dello Stato, e ha avuto un considerevole successo nel guidare gli studi quantitativi negli ultimi 100 anni. Perché, dunque, non viene considerata parte dell’educazione scolastica di ogni persona? Perché è ancora considerat6a fra i corsi universitari meno attraenti? Perché il suo impiego non è divenuto pervasivo nel commercio, nell’industria, nel governo? S’è fatto qualcosa per porre riparo a questa situazione? La risposta all’ultimo interrogativo è un sì netto, ma un bel po’ di lavoro resta da fare per portare la statistica sulla frontiera avanzata dell’insegnamento e della pratica educativa. Comunque le occasioni non mancano e il futuro potrebbe essere brillante!

 1. Leggendo il passato: molti genitori ma nessuna casa

1.1 Dai faraoni a Napoleone
1.2 Dalla misura alla scienza statistica
1.3 Dai centri di ricerca ai primi corsi universitari

2. Comprendere il presente: mutamenti nei dati, nella tecnologia, nella misurazione

2.1 Tukey e la tecnologia
2.2 Il Comitato congiunto NCTM-ASA
2.3 Filosofia e stile della "nuova" statistica
2.4 I corsi universitari e il corso AP

3. Rappresentare il futuro: superare le difficoltà

3.1 Pulire i canali di comunicazione
3.2 Ampliare i canali delle applicazioni
3.3 Appronfondire i canali di contenuto

4. Conclusioni

Bibliografia

 

1. Leggendo il passato: molti genitori ma nessuna casa

La storia recente e le attuali tendenze nell’insegnamento della statistica hanno le loro radici nello sviluppo disciplinare nel corso degli ultimi due secoli; ci appare dunque utile passare in rassegna gli elementi portanti di tale sviluppo. Generalmente l’insegnamento è collegato alla tradizione e quello della statistica non fa eccezione. Il punto è che le scienze hanno visto nella statistica un’utile ancella per molte di loro, ma per nessuna una componente chiave, e le tradizioni che si andavano consolidando avevano ampie crepe tanto che la statistica poteva passarvi.

1.1  Dai faraoni a Napoleone

 Dall’inizio delle registrazioni storiche agli ultimi anni del XVIII secolo gli sviluppi della statistica furono rari e distanziati. Ci furono sicuramente alcuni baluginii di eccitazione, come per i censimenti nella Roma imperiale, le Osservazioni sui bollettini di mortalità, di John Graunt nel 1662, l’argomento della Divina Provvidenza sulla determinazione delle nascite di John Arbuthnot nel 1710 e gli interessanti sviluppi del campo contiguo della probabilità. Gli imperatori avevano interesse nel mantenere la registrazione dei loro popoli, delle finanze e degli eventi salienti (le guerre, le inondazioni del Nilo), ma per poco d’altro nell’ambito della registrazione del vasto mondo. La quantificazione rappresentava un problema tremendo, come annota lo storico Theodore Porter:

            “Sino a due secoli fa poche persone erano in grado di padroneggiare gli aspetti quantitativi. Gli scienziati costituivano un’eccezione, ma non molto importante poiché erano molto pochi e anche perché molti di loro, nel campo che oggi consideriamo delle scienze naturali, facevano scarso uso dei numeri. Sino al 1800 i mercanti furono coloro che maggiormente fecero ricorso alle quantità. Il trattamento delle quantità costituiva, in quel tempo in cui le misure erano spesso diverse da città a città e vi erano differenti unità di misura per differenti prodotti, un compito formidabile…. La complessità della misura costituì una delle principali ragioni di riflessione per i matematici europei del Settecento “ (Steen, 1997).

In breve, non pochi matematici trovarono da vivere lavorando per i governi o nel campo degli affari, effettuando calcoli complicati; ciò non fu affatto un male.

Nel tardo Settecento lo stato delle cose venne cambiando rapidamente: fu l’Età della Ragione, l’Età dei Lumi nella quale grandi matematici e grandi scienziati lavorarono fianco a fianco per iniziare a sviluppare soluzioni, sia teoriche sia pratiche, per i problemi del tempo. In Francia fu messo a punto il sistema decimale unificato e le classi popolari subito sospettarono che fosse un provvedimento del governo a loro danno. Le nazioni iniziarono seri tentativi di raccolta dei dati dei loro residenti (il primo censimento degli Stati Uniti è del 1790), un esercizio questo che diede il nome alla nostra disciplina, e nacquero le burocrazie statali. Una delle caratteristiche di questo periodo fu che i matematici continuavano a guadagnare del reddito risolvendo problemi aritmetici, e tanti grandi nomi del tempo occuparono posizioni di lavoro governative che permisero di prestare la loro brillantezza alla soluzione di problemi della vita di ogni giorno. Ne è esempio Laplace, il “Newton francese”, che lavorò per il governo francese in varie posizioni (fu Ministro degli Interni) e apportò innovativi contributi al censimento della Francia.

I dati stavano diventando importanti e le grandi menti pensavano a come raccoglierli e usarli sagacemente. 

1.2 Dalla misura alla scienza statistica

La scienza che dominava su tutte, intorno al 1800, era l’astronomia e i grandi matematici del tempo vi portarono i loro contributi scientifici. Legendre (con i minimi quadrati), Gauss (con la teoria normale degli errori), e Laplace ( con i minimi quadrati e con il teorema del limite centrale) erano motivati da problemi d’astronomia, scienza appropriata per l’Età della Ragione. Il rilievo della quantificazione nelle scienze fisiche è succintamente compendiato nel detto di lord Kelvin: “ Se non si può misurare, allora la conoscenza è povera ed inessenziale”. Nell’Ottocento (l’età del romanticismo) iniziò comunque del serio lavoro quantitativo in psicologia e nelle scienze sociali, e alla fine del secolo il principale impulso al pensiero statistico aveva avuto presa. Nel 1860 Fechner aveva introdotto nello studio della percezione sensoriale le comparazioni accoppiate e il piano fattoriale degli esperimenti, e dal 1890 Galton aveva posto le basi della regressione e della correlazione (Stigler, 1986). Ci vollero circa 100 anni per passare dai minimi quadrati all’analisi della regressione, là ove al giorno d’oggi i due argomenti sono mischiati senza speranza nei libri introduttivi di statistica. C’era, e c’è, una differenza del tutto filosofica fra l’uso dei minimi quadrati per stimare dei parametri fisici del sistema solare da un canto, e le medie delle distribuzioni condizionate in un modello probabilistico, dall’altro. In vero la statistica è sottile!

Nel tempo in cui la statistica si muoveva dai minimi quadrati alla regressione, cosa accadde ai matematici? Alcuni erano ancora affascinati dalla statistica, come Edgeworth e Karl Pearson amici di Galton, ma la maggior parte si sistemò nelle molte università che, nel periodo del Romanticismo, furono fondate nel mondo. Quando le occasioni educative si aprirono a larghi strati delle popolazioni, i matematici poterono trovare delle opportunità di lavoro remunerato per applicarsi a ricerche astratte. Non avevano più da far calcoli complicati o raccogliere statistiche per guadagnare un reddito decente. Così mentre il numero di studenti che si iscrivevano ai corsi di matematica nei college e nelle università cresceva, l’interesse dei matematici per la statistica decresceva. In oltre, questi stessi matematici imponevano alle scuole il genere di matematica che si doveva richiedere ad uno studente delle superiori prima di entrare nell’università. La statistica alla fine dell’Ottocento ed ai primi del Novecento stava diventando la provincia delle scienze sociali  ( Florence Nightingale ne era una proponente) e, dopo che il giovane genetista Ronald A. Fisher assunse un lavoro in una stazione sperimentale inglese nel 1919, delle scienze biologiche ed agrarie. Allo stesso tempo la sempre crescente domanda dell’industria stava creando nuovi campi ingegneristici che impiegavano procedure statistiche nella ricerca, nello sviluppo e nel controllo della qualità dei prodotti manufatti. Le carte di controllo di Walter Shewhart, del 1925, diedero forma allo spirito di quanto appena detto. In breve, la statistica perse la sua casa con i matematici e si disperse fra le scienze sociali, le scienze biologiche e quelle tecnologiche; stava emergendo come scienza ma ebbe una fanciullezza travagliata, molte case offrirono ospitalità ma nessuna avrebbe sostenuto il suo maturare verso la piena potenzialità, ciò ebbe un effetto negativo sull’insegnamento della statistica.

1.3  Dai centri di ricerca ai primi corsi universitari

L’influenza sulla maturazione della statistica dell’agronomia e di Fisher non può essere sottovalutata, permea anche il suo insegnamento. Per influenza di Fisher, centri di ricerca iniziarono a sorgere nei paesi del Commonwealth: India e Australia in particolare. Questi centri portarono ad istruire gli studenti laureati in statistica nella soluzione di problemi concreti e li indussero a sviluppare nuova teoria, in quanto si rinvenivano nuovi problemi con grande regolarità. Negli Stati Uniti, negli anni 30 e 40, furono messi a punto i primi programmi universitari di statistica nelle università che ebbero concessioni di terreni, come quelle dell’Iowa State, della North Carolina State e del Virginia Polytechnic Institute, presto seguiti da programmi più teorici nelle università del North Carolina, del Michingan, della California a Berkeley.

La seconda guerra mondiale portò alla ribalta la statistica come metodo per risolvere problemi importanti per la produzione industriale e per il successo delle campagne militari. Era dai tempi dell’Illuminismo, dai giorni di Laplace, che tante menti della matematica e della fisica non si applicavano alla soluzione di problemi pratici. Nel dopoguerra molti mantennero interesse per la statistica e una miriade di nuovi programmi sorse negli Stati Uniti e nel mondo. Non tutto andava sotto il nome di “statistica”, dal momento che vennero in uso termini come ricerca operativa, ingegneria industriale e scienze dell’organizzazione.

In questo periodo incominciarono a comparire corsi universitari di statistica e, in particolar modo, il famigerato corso introduttivo molto odiato da un gran numero di studenti per molti anni. Questo corso, tipicamente insegnato nel dipartimento di matematica, era basato su di uno schema diluito dei corsi teorici per laureati, e comprendeva un po’ di probabilità e i primi elementi d’inferenza (test d’ipotesi, intervalli di confidenza) con pochi elementi di analisi dei dati e di progettazione della ricerca. I corsi di metodi statistici molto spesso erano impartiti per diverse discipline che utilizzavano la statistica, in particolare la sociologia, l’economia e commercio e l’agraria. La statistica incontrò difficoltà nel trovare una sua collocazione stabile, nonostante i successi raccolti negli anni di guerra.

1.4 Dalle grandi idee agli effettivi cambiamenti nella scuola 

Negli Stati Uniti ogni sforzo importante dei curricula condotto nel Novecento ebbe, fra i suoi argomenti cui dare enfasi nella scuola, la statistica. Il seguente passo di Herbert Slaught, un professore nell’università di Chicago, è tipico del modo di pensare nella prima parte del Novecento:

“ Una delle più significative prove che il rilievo della matematica sta permeando l’intero tessuto della vita moderna, viene in luce nello sviluppo recente e senza confronti, dell’uso dei metodi statistici nello studio delle relazioni quantitative in praticamente quasi tutti i dipartimenti di ricerca. Ciò appare nella sua forma più semplice in tutti i nuovi curricoli proposti per la scuola secondaria inferiore, si sviluppa ulteriormente nei programmi della secondaria superiore, si accentua nei corsi universitari iniziali, non solo in quelli scientifici, ma anche in quelli di economia, sociologia, antropologia e così via, e nella maggior parte degli studi quantitativi in didattica. La statistica è indispensabile ovunque nei laboratori, sia nelle scuole sia nelle aziende, nel grande commercio di ogni genere. Sono fasi della matematica che gradualmente stanno crescendo nella consapevolezza del vasto pubblico e che sono suscettibili di riconoscimento e di comprensione diffusa” (Slaught, 1926) 

Un’affermazione simile ci viene da una delle più reputate professoresse di statistica della prima metà del secolo: Helen Walzer della Columbia University:

      “ Sempre più l’atteggiamento moderno fa affidamento sul metodo statistico nei suoi tentativi di comprendere e rappresentare i meccanismi del mondo in cui viviamo.
L’uomo medio – di per sé un’astrazione statistica – trova che, fino ad un certo livello, deve pensare statisticamente per leggere il suo quotidiano e le riviste correnti.
Ognuno implicato attivamente nell’insegnamento agli studenti delle superiori, e attento alla rapida crescita della pubblica necessità di qualche conoscenza del metodo quantitativo nei problemi sociali, deve chiedersi quale parte del metodo statistico possa essere portata alla comprensione dei ragazzi e delle ragazze delle scuole secondarie superiori, ed in qual modo questi metodi possano, al meglio, essere loro presentati” (Walzer, 1931).

Negli anni seguenti altri aggiunsero simili appelli per la statistica nella scuola. Un rapporto del National Research Council del 1947 richiese l’introduzione di elementi introduttivi di statistica nel curriculum della scuola secondaria superiore, “non appena vi sia sufficiente disponibilità di insegnanti adatti”, e W. Edwards Deming nel 1948 indicò il “bisogno pressante di introdurre corsi molto generali nella secondaria superiore e più ampiamente nelle università in modo che…i futuri cittadini possano avere un orientamento valido, che la statistica fornisce, nel pensare ai temi della società in modo quantitativo” (Dutka, 1950). Comunque nel 1975, il National Committee on Mathematics Education riportò che “mentre l’istruzione in probabilità sembra aver fatto qualche progresso, quella statistica deve ancora decollare”.



Sir Francis Galton (1822-1911)


John Tukey (1915 - 2000)

 

Come mai questi grandi progetti per la statistica non si sono mai realizzati? Ci sono ovviamente molti motivi, fra i quali la mancanza d’interesse e di preparazione degli insegnanti e la stretta micidiale dei matematici sul curriculum matematico della scuola. Si ebbe così l’assenza di una voce unica per la statistica! Le scuole insegnarono argomenti molto applicati, come la computeristica, nel corso di gran parte del secolo ma la statistica fu trattenuta nel passaggio sia sul versante delle applicazioni, sia su quello teorico. Ci vollero un paio di grandi svolte affinché fosse possibile per la statistica aver successo nella scuola: l’accentuazione dell’analisi dei dati, lo sviluppo della tecnologia.

2. Comprendere il presente: mutamenti nei dati, nella tecnologia, nella misurazione

2.1 Tukey e la tecnologia

 Negli anni '70 e '80 l'aforisma di John Tukey: "lasciate parlare i dati" diede il là al cambiamento del modo di pensare statistico. All'improvviso divenne commendevole esplorare i dati e formulare la modellizzazione, come processo interattivo fra teoria e osservazione; anche se ciò è quanto per anni avevano fatto i buoni statistici. Ma l'esplorazione dei dati non si fa facilmente a mano, così il mutamento, ad essa compagno, nella disponibilità di una tecnologia a basso costo e facile da usare doveva andare di pari passo. Dobbiamo comunque essere chiari su ciò che Tukey intendeva per analisi dei dati. Per lui tale tecnica abbraccia "le procedure per analizzare i dati, le tecniche per interpretare i risultati, le strade per pianificare e raccogliere i dati, i meccanismi di statistica matematica che si applicano nella loro analisi". L'analisi dei dati è in parte un'arte, in parte una scienza e dovrebbe porre l'accento più "sull'arte di cucinare" che non sul "ricettario di cucina" (Tukey, 1962).
"Crediamo in Dio; i dati ci apportano tutto il resto". Mano a mano che l'analisi dei dati veniva accettata, l'idea di raccogliere le osservazioni in vista di decisioni oggettive in ogni genere di problemi, dalla qualità della produzione all'efficienza di un ufficio, dilagava tra i più. Lo spirito del cambiamento viene colto nell'annotazione di Moore: "Se non sai cosa misurare, misuralo ugualmente: imparerai cosa misurare " (COBB, 1993). Questa transizione del pensiero statistico verso la misura e l'analisi dei dati, con l'aiuto della facilità di calcolo, guidò i cambiamenti profondi nei corsi introduttivi universitari - cambiamenti ancora in corso - e l'accettazione di un canale in statistica all'interno del curricolo di matematica (K-12).

2.2 Il Comitato Congiunto NCTM-ASA

 Alla metà degli anni Ottanta il comitato congiunto del National Council of Teachers of Mathematics (NCTM) e della American Statistical Association (ASA), organizzato da Fred Mosteller nel 1967, fece progredire una serie di libriccini sulla statistica per la scuola media e per le prime classi della secondaria superiore. Lo scopo era di dimostrare a studenti ed insegnanti come l'enfasi sulla raccolta e l'analisi dei dati e sulla simulazione di eventi probabilistici potrebbe illustrare e motivare molta parte del curriculum matematico e, allo stesso tempo, insegnare agli studenti alcune importanti abilità statistiche.



Questo progetto, detto Quantitative Literacy Project (QLP), ebbe abbastanza successo nel cambiare il modo in cui molti professori insegnavano la statistica e divenne la base per il canale di statistica nel Curriculum and Evaluation Standards for School Mathematics del NCTM, pubblicato nel 1989.

   "Raccogliere, organizzare, descrivere ed interpretare dati...sono abilità di crescente importanza  in una società basata sulla tecnologia e sulla comunicazione. Questi procedimenti risultano particolarmente appropriati per i ragazzi più giovani in quanto possono venire impiegati nella soluzione di problemi che sono di per sè interessanti, rappresentano applicazioni significative della matematica a questioni pratiche e offrono ricche occasioni per l'indagine matematica" (NCTM, 1989)

Questi Standards divennero, in molti Stati gli schema di riferimento per dare nuova forma e struttura ai curriculi matematici; influenzarono persino alcuni paesi al di fuori degli Stati Uniti. Il QLP e gli Standards influenzarono altri lavori, in particolare i rapporti del Mathematical Sciences Education Board del National Research Council.

   "La matematica della scuola secondaria dovrebbe presentare l'intero spettro delle scienze matematiche...l'analisi dei dati, la probabilità e le distribuzioni campionarie, il ragionamento inferenziale. (MESB, 1990).

Il canale di statistica come parte del curriculum di matematica (K-12) è stato così dffusamente accettato da divenire una delle aree previste dal National Assessment of Educational Progress (NAEP), il cosiddetto rapporto alla Nazione. Nel NAEP la matematica è suddivisa in cinque aree: senso delle proprietà numeriche e delle operazioni; misura; geometria e senso spaziale; analisi dei dati, statistica e probabilità; algebra e funzioni. Queste definizioni del NAEP furono anche accolte per le parti matematiche presenti nel Third International Mathematics and Science Study (TIMSS). 

2.3 Filosofia e stile della "nuova" statistica

Il Qualitative Literary Project, sviluppato da un gruppo di statistici e di professori della secondaria superiore, tentò di cogliere lo spirito della moderna statistica e le moderne idee della didattica seguendo il pensiero che poneva l'accento sulla comprensione e la comunicazione.

Tal filosofia si compendia nei seguenti punti:

1.      L'analisi dei dati occupa un posto centrale

2.      La statistica non è la probabilità

3.      Le statistiche resistenti dovrebbero avere un ruolo importante

4.      V'è, in statistica, più di una via per affrontare un problema

5.      Si dovrebbero usare dati reali, d'interesse e di rilievo per gli studenti

6.      L'accento andrebbe posto sui buoni esempi e sullo sviluppo dell'intuizione

7.      Gli studenti dovrebbero scrivere di più e calcolare di meno

8.      La statistica insegnata nelle scuole dovrebbe essere di per sé importante e per tutti gli studenti.

Questa filosofia è posta in essere, al meglio, nella pratica dell'aula con uno stile d'insegnamento che privilegi un approccio operativo, che coinvolga gli studenti A FARE UN'ATTIVITA', GUARDARE CIO' CHE ACCADE, PENSARE  a quanto hanno appena visto e poi CONSOLIDARE la nuova informazione con quanto hanno precedentemente appreso. Tale stile richiede un laboratorio in cui raccogliere e sperimentare con i dati, ma il "laboratorio" potrebbe essere la stessa classe, non è necessario che sia un'aula di informatica sebbene l'impiego di tecnologia appropriata sia da incoraggiare vigorosamente. 

2.4 I corsi universitari e il corso AP

La stessa filosofia e lo stesso stile che denota il QLP viene raccomandato da molti per i corsi introduttivi universitari. Geoffrey Jowett, uno dei grandi insegnanti in Nuova Zelanda e in Inghilterra, in un suo discorso al terzo ICOTOS (International Conference on Teaching Statistics)affermò che "un corso di statistica all'università dovrebbe avere tante ore di laboratorio quante uno di fisica o di chimica". In effetti molti hanno sostenuto che l'insegnamento della statistica dovrebbe assomigliare più all'insegnamento delle scienze che non al tradizionale insegnamento della matematica. Molti dei magistrali insegnanti di statistica e precursori della relativa didattica (William Cochran e Fred Mosteller, per citarne due) fecero effettivamente uso di attività di laboratorio molto prima dell'avvento dei computer.

Un altro Comitato congiunto fra la Mathematical Association of America (MAA) e l'ASA trascrissero in raccomandazioni formali le loro idee, simili a quelle espresse poche righe qui sopra, sull'insegnamento della statistica nei corsi introduttivi; idee peraltro comuni alle due associazioni. In breve, esse sono (COBB, 1992)

1.      Accentuare il pensare in modo statistico

2.      Più dati e concetti, meno teoria; ancor meno ricette

3.      Sostenere l'apprendimento attivo.

Sembra esservi, al giorno d'oggi, un largo accordo sui contenuti da accentuare nei corsi introduttivi di statistica e su come insegnare. Come risultato, la didattica della statistica sta facendo progressi e il corso introduttivo non è più odiato come lo era un tempo, sebbene non sia ancora amato come a molti piacerebbe.
Il canale K-12 in statistica e il corso introduttivo universitario dovrebbero entrambi essere architettati nello spirito della moderna analisi dei dati, della progettazione della ricerca, della misurazione e della simulazione con appropriato uso della tecnologia. Un gruppo di professori di statistica e di matematica, riconoscendo la connessione fra i due, pensò che il corso universitario potesse, forse, essere anticipato nel curriculum della scuola secondaria superiore per bravi studenti interessati ad un'altra opzione di matematica. Il meccanismo per fare ciò, in modo che sia stabilito uno standard nazionale per il  corso della secondaria superiore, consisteva nel programma Advanced Placement (AP) del College Board. Un corso AP di statistica fu infine approvato e offerto per la prima volta nel 1997. Nel 1999 l'esame per questo corso fu sostenuto da più di 25 mila studenti in 1795 scuole secondarie superiori del paese.
Con il canale K-12 in statistica ed il corso AP e, ancora, con corsi introduttivi vivaci nei college e nell'università, la didattica della statistica è diventata veramente maggiorenne. Il passo successivo consiste nell'ampliare l'offerta dei corsi universitari di statistica in modo che più studenti abbiano l'opportunità di migliorare le conoscenze in statistica o almeno di rafforzare la loro preparazione nella disciplina, quale che sia il loro campo di studi d'elezione. L'ASA sta ora pianificando un progetto che faciliti questi sbocchi.
Prima di rivolgerci al futuro, sembra non privo d'interesse guardare, ancora una volta, al modo in cui la presente situazione didattica sia collegata a quella trascorsa. I moderni metodi didattici che pongono in primo piano la simulazione spesso usano procedure di randomizzazione per presentare la nozione di test d'ipotesi. Qualcuno può pensare che si tratti di un'idea relativamente nuova. Ebbene, 75 anni fa questo era il modo con cui Fisher pensò ai test di significatività.

"Sembra sia sfuggito che l'atto fisico della randomizzazione, necessario per la validità di ogni test di significatività, fornisce i mezzi ...per affermare con sicurezza l'ipotesi più ampia nella quale non viene richiamata alcuna ipotesi di normalità". (Box, 1978)

In altre parole, le procedure di casualizzazione sono la strada da imboccare e andranno bene senza l'assunzione di normalità. Il "t" test è un'approssimazione alla randomizzazione e non il contrario. Se Fisher avesse avuto un pc la storia della statistica sarebbe stata molto differente. Quanto più la statistica va verso un approccio moderno che parte dai dati, tanto più sembra aderire al pensiero delle origini, degli antichi maestri.

3. Rappresentare il futuro: superare le opportunità 

Al giorno d'oggi quasi tutti sembrano interessati alla statistica; dalle elementari all'università, dagli acquirenti ai produttori, dai tifosi ai fanatici dei cibi biologici. Come direbbe Pogo:"ci sembra di essere di fronte a un'opportunità insormontabile". Nella vela - un'analogia che Pogo apprezzerebbe - la navigazione prudente richiede di tracciare la rotta. Talvolta però i canali visti su una carta geografica non sono aperti per un servizio efficiente perchè occorre liberarli dai detriti, allargarli o scavarli di più. Lo stesso si può dire per i canali da usare nel rappresentare il futuro della didattica della statistica.

 3.1 Pulire i canali di comunicazione

"Campionare è tirare ad indovinare" dice un importante Senatore. "Campionare non è fare scienza" asserisce un importante opinionista della carta stampata. Vi sono di certo legittime ragioni scientifiche per criticare ogni particolare piano di campionamento approntato per registrare il Censimento, ma una condanna senza appello del campionamento come procedura scientifica non valida, mette in luce una qualche ostruzione dei canali di comunicazione. "Discriminazione razziale e pressione sanguigna" è il titolo di un articolo di ricerca che sostiene di mostrare come l'ipertensione venga causata dal razzismo (Satel, 1997). Il solo problema è che i dati non mostrano ciò; i problemi sociali si sono confusi con la scienza nella penna del ricercatore.
Problema di comunicazione? La recente pubblicità circa l'impiego di procedure statistiche, al fine di migliorare la qualità di prodotti e servizi nell'industria e negli affari, potrebbe indurci a credere che quasi tutte le aziende ne facciano uso. Ad ogni modo la ricerca mostra che i concetti e gli strumenti per la misura della qualità vengono impiegati in modo ampio da meno della metà delle 500 compagnie che fanno capo a Fortune (Lackritz, 1997) : qualcosa non viene comunicato con chiarezza. Si ascoltò un chimico affermare che "abbiamo scoperto i circuiti neuronali e non abbiamo più bisogno della statistica". Questo scienziato avrebbe bisogno di scambiare qualche idea con qualcuno sulle reti neuronali e sulla statistica.
Quali scorie bloccano i canali di comunicazione? Alcune provengono da dirigenti superficiali con una limitata comprensione degli aspetti quantitativi negli affari, nell'industria, nel governo e nell'istruzione. Alcune vengono da un pubblico facilmente influenzabile da recenti ed allarmanti racconti. Alcune vengono dai lavoratori contornati dalla tecnologia, ma allo stesso tempo intimoriti ed ampiamente influenzati dalla magia di una "scatola nera". Gli insegnanti di ogni livello devono lavorare a rendere nitidi i canali di comunicazione, anche se talvolta sono personalmente coinvolti e ricevono scarso aiuto dalla dirigenza scolastica  o dal pubblico. Occorre migliorare la comunicazione sui temi statistici, se non in questa generazione di dirigenti, nella prossima ...
o nella successiva.

3.2 Ampliare i canali delle applicazioni

 Un interscambio migliore fra il mondo del commercio, dell'industria ed il governo da un lato ed il sistema educativo - sia della scuola che dell'università - dall'altro, richiede l'identificazione delle forze che uniscono e delle distanze che dividono. I dati, la loro raccolta ed il loro uso nel risolvere concreti problemi, costituiscono una forza d'unione. Gli insegnanti devono essere forniti di esempi che non solo motivino gli studenti, ma anche convincano gli amministratori ed i consigli scolastici della validità della statistica e della necessità che entri nel curriculum degli studi. Le università e i college, molto più indipendenti nella scelta dei corsi e dei contenuti, hanno necessità di calibrare la loro offerta per catturare l'interesse degli studenti delle superiori con qualche esperienza scolastica in statistica e di prepararli per le finalità accademiche e di lavoro. Il mondo degli affari, dell'industria ed il governo devono aiutare col fornire esempi motivanti e convincenti dell'impiego della statistica; devono collaborare con le università nel migliorare il contenuto dei corsi in modo tale che i laureati, in qualsiasi campo, comprendano il modo di pensare statistico. Tutto questo interscambio deve avere luogo con spirito collegiale e cooperativo.

Un esito desiderabile del miglioramento della comunicazione consisterebbe nel formare studenti di ogni livello con un'ampia visione della statistica. Questa visione panoramica, che dovrebbe essere posta in primo piano in tutti i corsi che trattano delle finalità della statistica, può essere raggiunta vedendo la disciplina secondo le seguenti tre linee che, pure, s'intersecano:

·        La statistica come senso del numero: capisco ciò che significano tali numeri? (vedere i dati come numeri contestualizzati; leggere carte, grafici e tavole; comprendere il significato dei parametri riassuntivi - numeri o grafici - dei dati; ecc.)

·        La statistica come una delle vie per capire la realtà: posso usare dati già esistenti per aiutare a prendere decisioni ? (uso dei dati censuari, dei tassi di natalità e di mortalità, dei tassi di morbilità, dei ranghi e dei percentili, ecc. per descrivere, decidere, sostenere un punto di vista)

·        La statistica come organizzazione per il problem-solving: posso progettare e condurre uno studio per rispondere a specifiche domande? (porre un problema, raccogliere dati secondo un piano, analizzarli e trarne delle conclusioni).

Ci aspettiamo che i licenziati delle scuole o i laureati siano in grado di leggere le pubblicazioni relative alla loro vita privata o al loro lavoro, di capire ciò che leggono e quindi d'impiegare ciò che hanno appreso per decidere. Questo potremmo chiamare intelligenza. Perché quando la lettura prevede la presenza di dati dovremmo attenderci di meno da loro?

3.3 Approfondire i canali di contenuto 

Costruire corsi di statistica intorno alla raccolta e all'analisi dei dati, alla progettazione di una ricerca e che possono usufruire di tecnologia appropriata fa nascere dei seri problemi circa il mutamento dei contenuti per migliorare il modo di pensare statistico e la comprensione dei concetti rispetto all'uso meccanico delle procedure standard. Queste finalità sono troppo complesse per poter essere trattate qui distesamente, tuttavia abbiamo qualche suggerimento.

·        Approfondire la discussione sull'analisi dei dati utilizzando maggiormente la forza della scoperta (i residui, le trasformazioni di variabile e la resistenza, come viene raccomandato da coloro che hanno dato origine a questo approccio ai dati)

·        Aumentare le occasioni di progettazione di uno studio, separando l'indagine campionaria (campionamento casualizzato, stratificazione, stima dei parametri) dalla sperimentazione (assegnazioni randomizzate, formazione dei blocchi, test di significatività per le differenze fra i trattamenti).

·        Affinare la comprensione delle procedure inferenziali per le variabili qualitative e quantitative, facendo ricorso alla randomizzazione e alle tecniche di ricampionamento.

Agli studenti si dovrebbero presentare tecniche statistiche di cui non possono capire - o persino intravedere- la derivazione o i calcoli? Alcuni lo negano e usano questo argomento contro l'introduzione delle trasformazioni di variabile, della regressione logistica, della stima della densità e dell'interpolazione e di latri moderni argomenti nei corsi introduttivi. Con la tecnologia moderna che permette la presentazione di molti esempi numerici, è venuto il momento di ripensare tale posizione. Forse dovremmo raccontare agli studenti la statistica nel modo in cui è praticata e non nel modo in cui è presentata e i libri di testo. Non aiuterebbe la comunicazione?

4. Conclusioni

La statistica ha radici in molti campi; nella diversità c'è la forza.
La statistica fu costruita a partire da problemi reali di misura; l'utilità è ancora la sua più grande qualità.
La statistica è dinamica; ciò è avvincente!!!

BIBLIOGRAFIA

BOX JOAN FISHER (1978), The Life of a Scientist, New York; John Wiley and Sons
COBB GEORGE (1992), Teaching Statistics, Heeding the Call for Change: Suggestions for Curricolar Action, Washington, DC; Mathematical Association of America, 3-43
COBB GEORGE (1993),Reconsidering Statistical Education: A National Science Foundation Conference, Journal of Statistical Education, I, 63-68
DUTKA S. and KAFKA F. (1950), Statistical Training below the College Level, The American Statistician, February, 6
LACKRITZ James (1997), TQM within Fortune 500 Corporations, Quality Progress, February, 69-72
Mathematical Science Educational Board (1990), Reshaping School Mathematics, Washington, DC: National Research Council, 46
National Council of Teachers of Mathematics (1989), Curriculum and Evaluation Standards for School Mathematics, Reston, VA: NCTM
SATEL SALLY (1997), Race for the Cure, The New Republic, February, 17, 12
SLAUGHT HERBER E.(1926), First Yearbook. A general Survey of Progress in the Last Twenty-Five Years, Reston, VA: National Council of Teachers of Mathematics, 192
STEEN L.A. ED. (1997), Why Numbers count, New York, The College Board
STIGLER STEPHEN (19869, The History od Statistics: The Measurement of Uncertainty before 1900. Cambridge, MA: Harvard University Press
TUKEY JOHN (1962), The future of Data Analysis, Annals of Mathematical Statistics, 33, 1-67
WALKER HELEN (1931). Sixth Yearbook, Mathematics in Modern Life, Reston, VA:National council of Teachers od Mathematics, III.


Testo in formato doc, non impaginato