Maestría en Ciencias de la Educación

Código QR

Entérate cómo entregar tus trabajos de titulación

Permanent URI for this community

https://repositorio.puce.edu.ec/handle/123456789/128
Maestría en Ciencias de la Educación

Browse

Browsing Maestría en Ciencias de la Educación by Subject "Análisis estadístico"

0-9ABCDEFGHIJKLMNOPQRSTUVWXYZ
Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Estudio comparativo del análisis estadístico implicativo y el learning analytics en relación al uso de las técnicas de exploración de datos educativos
    (PUCE - Ambato, 2018) Naranjo Serrano, Mauricio Medardo; Pazmiño Maji, Rubén Antonio
    El análisis de datos es fundamental dentro de la educación y al no utilizar las técnicas de análisis óptimas al tipo y cantidad de datos, se crea en muchos procesos (repitencia, deserción, bajo rendimiento, alto rendimiento), problemas de obstrucción o lentitud del cálculo, siendo inaplicables e irresolubles. Por tal razón, esta investigación plantea realizar un análisis comparativo de los tiempos de procesamiento y espacio de memoria entre las técnicas de agrupación y las técnicas de búsqueda de reglas de asociación similares al Análisis Estadístico Implicativo (AEI) y Learning Analytics (LA). Las fases desarrolladas son: (1) identificar las técnicas similares entre el AEI y LA, mediante la adaptación del método de estudio de similitud entre modelos y estándares (MSSS) , (2) identificar el sistema operativo con mejor manejo de recursos y (3) identificar la técnica más optima en el análisis de datos educativos\; estos dos últimos con la elaboración de un diseño cuasi-experimental . La hipótesis por demostrar es que existe diferencia significativa (función espacio y/o función tiempo) entre los algoritmos similares a LA y AEI, la cual será probada a través de un diseño cuasi-experimento de tipo RGXO, (notación de Campbell y Stanley). La demostración de la hipótesis permitirá al docente poder resolver rápidamente los problemas educativos que utilizan datos masivos y de diferente tipo (binarios, modales, numéricos), al seleccionar los algoritmos más óptimos.
  • Thumbnail Image
    ItemOpen Access
    Simulaciones digitales para facilitar la comprensión docente en análisis estadístico implicativo y el learning analytics
    (PUCE - Ambato, 2023) Mullo Gualán, José Luis; Pazmiño Maji, Rubén Antonio
    La investigación tiene por objetivo facilitar la comprensión docente de los conceptos y algoritmos: similaridad, cohesión, implicación, hclust.vector, dendro.variables, dendro.diana, apriori, weclat y eclat, técnicas comunes del Análisis Estadístico Implicativo (ASI) y el Learning Analytics (LA). Esta investigación se desarrolló entre los años 2017 y 2022, se trabajó con los profesores del nivel de bachillerato de la Unidad Educativa del Milenio Intercultural Bilingüe Chibuleo, de la provincia de Tungurahua, Ecuador. Se emplearon metodologías de tipo inductivo, cualitativo y mixto transversal, el proceso de elaboración de las simulaciones digitales fue el “Building valid models: how to build valid and credible simulation models” de Law y McComas (2001). En base al diagnóstico de las aptitudes docentes en las herramientas TIC, el principal aporte fue la elaboración de las simulaciones digitales basados en el proceso antes mencionado, diseñadas en Office y R (disponible en: https://bit.ly/2PUWrPw) que facilita que los docentes de bachillerato comprendan los conceptos y algoritmos ya citados y los usen en su labor de enseñanza y aprendizaje.