Por favor, use este identificador para citar o enlazar este ítem: https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/4630
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.coverage.spatialMéxico
dc.coverage.temporal2014-2016
dc.date.accessioned2020-03-03T14:59:17Z-
dc.date.available2020-03-03T14:59:17Z-
dc.date.issued2014
dc.identifier.urihttp://132.248.161.133:8080/jspui/handle/123456789/4630-
dc.description.abstractLa estadística juega un papel primordial en el desarrollo de la sociedad moderna, al proporcionar herramientas metodológicas para asistir la toma de decisiones diversas. Los estudiosos de la didáctica de la estadística reconocen la necesidad de que estudiantes de pre- y posgrado de carreras científicas sean capaces de interpretar, comunicar y defender sus hallazgos con argumentos basados en información estadística, posean una correcta comprensión de los requisitos asumidos por los métodos utilizados, y manejen un lenguaje estadístico comprensible. A pesar de lo anterior, la incorporación de asignaturas de probabilidad y estadística en muchos currículos de los programas en biología y ciencias afines ha dado resultados poco exitosos. Los contenidos de estas asignaturas resultan difíciles de entender y aplicar para los educandos, que obtienen evaluaciones reprobatorias y un aprendizaje claramente insuficiente. Reincidentemente, los estudiantes se inscriben a estas asignaturas una vez que ya han colectado los datos de sus proyectos y requieren aplicar técnicas de análisis, con frecuencia demasiado tarde para hacer adecuaciones a sus diseños experimentales. Entre los estudiantes se produce frustración, desinterés y rechazo, acompañados de la convicción de que no son capaces de comprender los conceptos abstractos y complejos revisados durante estos cursos. Entre las propuestas interesantes dirigidas a resolver esta problemática se recomienda que los métodos pedagógicos enfaticen el desarrollo del razonamiento estadístico sobre la aplicación automatizada de pruebas. En este sentido, se ha incursionado en la incorporación de ambientes computacionales en la enseñanza-aprendizaje de las matemáticas en general, y en particular de la estadística, con los que a través de la simulación y visualización de ideas abstractas y fenómenos estocásticos, se ha logrado sobrevenir algunas deficiencias. Algunos autores se basan en teorías constructivistas del conocimiento, más específicamente en el paradigma del "construccionismo", que plantea que el aprendizaje se facilita si el estudiante explora y construye las ideas y conceptos a través de actividades de programación. Así, estas actividades realizadas por los educandos, ya sea di novo o a través de modificaciones de otras ya construidas, constituyen el andamiaje para el acceso temprano a ideas abstractas relativamente avanzadas. En años recientes se ha generalizado el uso de R (de distribución gratuita) para el análisis cuantitativo de datos de diversa índole. Al ser un programa y un lenguaje de programación a la vez, R contempla la manipulación de objetos y su representación, e implica representaciones ejecutables a través de una serie de comandos intuitivos, cuya sintaxis es repetible y consistente. Atendiendo a lo anterior, dediqué mi reciente estancia sabática a la elaboración en R de material de apoyo para la enseñanza y uso de los conceptos básicos de la teoría de probabilidad, las técnicas exploratorias de datos, el razonamiento de la estadística inferencial utilizando técnicas confirmatorias en modelos univariados, y el desarrollo teórico y aplicado del diseño experimental. El material elaborado consistió en fichas con actividades estructuradas para acompañar el programa de la asignatura Diseño Experimental y Análisis de Datos que imparto en el PCMyL desde 2004. Dado que los contenidos temáticos de las asignaturas de estadística de la mayoría de los programas en biología y ciencias afines abarcan muchos de estos conceptos, el material puede ser usado de forma independiente del currículo particular de cualquier asignatura en el tema. De esta manera, el material sirve para apoyar la instrucción de las asignaturas de la Licenciatura en Manejo Sustentable de Zonas Costeras, de las que soy titular desde el 2007. Durante el sabático, y en colaboración académica con la Dra. Marta Rufino, detectamos la necesidad de diversificación en las estrategias de análisis de series de datos
dc.description.sponsorshipDirección General de Asuntos del Personal Académico (DGAPA)
dc.languagees
dc.rightsTodos los derechos son propiedad de la Universidad Nacional Autónoma de México (UNAM)
dc.titleDesarrollo de actividades de programación computacional para la enseñanza del diseño de experimentos y el análisis estadístico de datos en biología.
dc.typeProyecto PAPIME
dcterms.bibliographicCitationMascaro Miquelajauregui Maite; (2014). Desarrollo de actividades de programación computacional para la enseñanza del diseño de experimentos y el análisis estadístico de datos en biología.. (Proyecto PAPIME). Dirección General de Asuntos del Personal Académico (DGAPA). UNAM México
dcterms.educationLevelnivel superior
dcterms.provenanceFacultad de Ciencias
dc.identifier.papimePE204614
dc.contributor.responsibleMascaro Miquelajauregui, Maite
dc.description.objectiveObjetivo general Elaborar material didáctico de programación computacional para la enseñanza de los conceptos básicos de la teoría de probabilidad, el diseño de experimentos y el análisis estadístico de datos biológicos mediante los modelos lineales generalizados, y evaluar los resultados de su aplicación durante la instrucción de asignaturas correspondientes a los niveles de licenciatura y posgrado en programas de biología y ciencias afines que se imparten en la UNAM. Objetivos particulares 1. Actualizar y perfeccionar las fichas con actividades de programación computacional para la enseñanza de los conceptos básicos de la teoría de probabilidad, estadística y el diseño de experimentos. 2. Elaborar material didáctico en la forma de fichas con actividades de programación computacional para la enseñanza de los conceptos básicos de los modelos lineales generalizados y su extensión natural a los modelos mixtos aplicados a datos en biología. 3. Evaluar los resultados de la aplicación de las colecciones durante la instrucción de dos asignaturas de licenciatura y dos asignaturas de posgrado pertenecientes a programas de biología y ciencias afines que actualmente ofrece la UNAM, y utilizar los resultados de estas evaluaciones para mejorar el material elaborado.
dc.description.hypothesisEl lineamiento general de esta investigación es que los métodos de enseñanza deben contribuir a proporcionar una cultura estadística basada en la capacidad para interpretar y evaluar críticamente la información estadística, los argumentos apoyados en datos o fenómenos estocásticos, y en la capacidad para discutir o comunicar sus opiniones respecto a tal información. Se parte de la hipótesis que la construcción de significados - en este caso de los conceptos y métodos de la estadística y el diseño experimental - se facilita cuando el estudiante se involucra de manera activa en expresar y definir la manera como se utiliza y aplica un método estadístico, y que esto ocurre a través de la programación computacional en R. Nuestro planteamiento es que a través de la secuencia didáctica de los materiales que diseñaremos - los cuáles tienen como aspecto central la programación en R- los estudiantes tendrán una comprensión mucho más profunda de los conceptos y métodos estadísticos que se utilizan en biología, y no estarán únicamente aplicando métodos predefinidos de forma automátizada. La secuencia de materiales que diseñaremos los asistirán en aprender a construir los métodos analíticos que se requieren ante problemas específicos y utilizarlos adecuadamente, para lo cual tendrán que desarrollar un entendimiento profundo de los conceptos utilizados y su relación con los fenómenos físicos o biológicos que se tratan. Así pues, se espera que los estudiantes no sólo desarrollen una comprensión de los conceptos y métodos estadísticos, sino que también adquieran competencias y conocimientos del manejo de herramientas computacionales como R que les puedan servir en el futuro en su profesión. De manera particular, esta investigación pretende mostrar que los métodos pedagógicos que incorporan actividades de programación en R exigirán de los educandos: método para la construcción de las líneas de comandos que acompañan de forma estructurada el procedimiento de un ejercicio analítico; iniciativa para la búsqueda de distintas estrategias que alcancen resultados similares, dando paso a la comparación de las ventajas y desventajas de las mismas; ejercicio de la memoria para recurrir a comandos aprendidos previamente y aplicarlos reflexivamente a problemas similares; experimentación en el propio uso del lenguaje de programación, impulsando al alumno a perder el miedo al equívoco; capacidad crítica en el intercambio entre pares que promueva el aprendizaje cooperativo a través de la retroalimentación. Estos elementos en conjunto invitarán al alumno a aventurarse en el planteamiento de sus ideas, estimulando su reflexión y lo convertirán en un ser más activo y responsable de su propio aprendizaje. El éxito principal del uso de estos métodos consiste en que los alumnos adopten una actitud crítica hacia los datos, en tanto que los resultados de sus propios análisis les permitan compenetrarse con la idea de la variabilidad y aceptar la incertidumbre como una característica fundamental e irrenunciable de cualquier hallazgo científico.
dc.description.strategiesLa elaboración del material didáctico consistirá en el diseño de actividades de programación desarrolladas en R, que acompañan la introducción de los conceptos básicos de: 1) la teoría de probabilidad, las técnicas exploratorias de datos, el razonamiento de la estadística inferencial utilizando técnicas confirmatorias en modelos complejos, y el desarrollo teórico y aplicado del diseño experimental; 2) la relación de correlación y determinación en los modelos lineales (ML), componentes fijos y aleatorios de los ML, variables explicativas múltiples y la selección del modelo óptimo, los requisitos de validación de los modelos lineales y sus violaciones, la generalización de los ML para variables de respuesta con distribuciones discretas o continuas no-normales y procedimientos específicos aplicados a éstos. Las actividades estarán organizadas en fichas caracterizadas por el uso de textos sencillos y explicaciones cortas y claras de los principales conceptos en estadística; el uso de una notación estadística simple y consistente; instrucciones para una participación interactiva; ejercicios realistas y adecuados a los temas de interés; comentarios y pistas para la solución autónoma de problemas; y mecanismos de evaluación rápida de respuesta, que promuevan la identificación de errores y la autocorrección. Las actividades estarán pensadas para ser llevadas a cabo en aulas con no más de 24 alumnos, de tal manera que su ejecución, aunada al trabajo colaborativo y cooperativo en equipos de 2-3 alumnos, invite a la creatividad y facilite la identificación de errores a través del intercambio entre pares. Los problemas proveerán un espacio común para que profesores y alumnos interactúen construyendo significados. El papel de los profesores será de moderadores, promoviendo la reflexión en voz alta, el cuestionamiento crítico y la propuesta de soluciones entre los asistentes. Al ser un instrumento de transnumeración y una forma básica de razonamiento estadístico, el lenguaje gráfico de R jugará un papel esencial en la organización y análisis de los datos contenido en el material elaborado. Esto facilitará el paso de un registro de representación a otro, promoviendo la revelación de la información novedosa en cada iteración. La manipulación de representaciones gráficas ayudará a pasar de una lectura literal (desprovista de interpretación) a una lectura interpretativa, que permita hacer predicciones e inferencias a partir de los datos, y favorezca una valoración crítica del método de colecta de datos, su validez y fiabilidad, así como las posibilidades de extensión de las conclusiones. El uso de R obligará a los alumnos a construir los modelos estadísticos mediante la adición de términos, que después serán evaluados, visualizado, y re-ajustado. El proceso iterativo promoverá el ejercicio del raciocinio estadístico, ayudando al alumno a identificar la consecuencia directa de cada modificación y aplicar los significados aprendidos en cada paso. Con ello, se proporcionarán los elementos para superar la dificultad asociada a la discriminación entre modelo y datos, así como la deficiencia para ver los modelos como una simplificación de los sistemas reales. El producto final, en la forma de dos colecciones de fichas estará disponible en formato digital. Dado que la proliferación de muchos de los libros de texto en estadística, los manuales para el uso de programas, y en general, el material para cursos en línea ha sido desarrollado principalmente en inglés, consideramos una contribución importante que las colecciones se encuentren disponibles en español y portugués. En el futuro, esto brindará un mayor y más diverso acceso a estudiantes y profesores pertenecientes a programas de instrucción en países iberoamericanos, así como en los países africanos de lengua oficial portuguesa La evaluación cualitativa del desempeño del material elaborado será llevada a cabo mediante su aplicación en los cursos: Probabilidad y Estadísti
dc.description.goalsAÑO 2014 Primer semestre Este semestre trabajaremos en la primera experiencia de aplicación, evaluación, actualización y mejorías a las actividades para el diseño de experimentos a través de los cursos DEAD (Diseño Experimental y Análisis de Datos) y PLANEXP (Planeación y Análisis de Experimentos), así como en la primera versión de actividades de los modelos generales lineales. De forma detallada vamos a: Llevar a cabo la primera experiencia de impartición del curso intensivo de posgrado DEAD usando las actividades para el diseño de experimentos (enero). Llevar a cabo la primera experiencia de impartición del curso semestral de licenciatura PLANEXP usando las actividades para el diseño de experimentos (febrero-mayo). Llevar a cabo la evaluación de las actividades para el diseño de experimentos a través de ambos cursos (todo el semestre). Elaborar las actividades para los modelos lineales generalizados (todo el semestre). Segundo semestre Este semestre trabajaremos en la primera experiencia de aplicación, evaluación, actualización y mejorías a las actividades para probabilidad e inferencia estadística a través del curso PROBEST (Probabilidad y Estadística) y la primera versión de las actividades para los modelos lineales generalizados a través del curso GLM (Modelos lineales generalizados). De forma concreta vamos a: Llevar a cabo la primera experiencia de impartición del curso intensivo de posgrado GLM usando las actividades para los modelos lineales generalizados (agosto). Llevar a cabo la primera experiencia de impartición del curso semestral de licenciatura PROBEST usando las actividades para probabilidad e inferencia estadística (agosto-noviembre). Llevar a cabo la evaluación de las actividades para probabilidad e inferencia estadística a través del curso PROBEST (todo el semestre). Llevar a cabo la evaluación de las actividades para los modelos lineales generalizados a través del curso GLM (noviembre). Presentar los avances de estas experiencias en el congreso de Constructionism en Viena, Austria (19 al 23 de agosto). Presentar los avances de estas experiencias en el Simposio Internacional de la SOMECE en México (lugar y fecha por definirse). AÑO 2015 Primer semestre Este semestre trabajaremos en la segunda experiencia de aplicación y evaluación de las actividades para el diseño de experimentos a través de los curso DEAD, PLANEXP, así como en la elaboración de la versión final de este material. De forma concreta vamos a: Llevar a cabo la segunda experiencia de impartición del curso intensivo de posgrado DEAD usando las actividades mejoradas para el diseño de experimentos (enero). Llevar a cabo la segunda experiencia de impartición del curso semestral de licenciatura PLANEXP usando las actividades mejoradas para el diseño de experimentos (febrero-mayo). Llevar a cabo la segunda evaluación de las actividades para el diseño de experimentos a través de ambos cursos (todo el semestre). Llevar a cabo la elaboración de la versión final de las actividades para el diseño de experimentos a través de ambos cursos (todo el semestre) Segundo semestre Este semestre trabajaremos en la segunda experiencia de aplicación y evaluación de las actividades para probabilidad e inferencia estadística (curso PROBEST) y los modelos lineales generalizados (curso GLM), así como en la elaboración de la versión final de este material. De forma concreta vamos a: Llevar a cabo la segunda experiencia de impartición del curso intensivo de posgrado GLM usando las actividades para los modelos lineales generalizados (agosto). Llevar a cabo la segunda experiencia de impartición del curso semestral de licenciatura PROBEST usando las actividades para probabilidad e inferencia estadística (agosto-noviembre). Llevar a cabo la segunda evaluación de las actividades para probabilidad e inferencia estadística a través del curso PROBEST (todo el semestre). Llevar a cabo la segunda evaluación de las actividades para los mo
dc.description.goalsAchievedMETAS ORGINALES DEL PROYECTO Y QUE FUERON LOGRADAS AÑO 2014: Todas las metas específicas comprometidas en el proyecto fueron realizadas en su totalidad a excepción de: • Presentar los avances de estas experiencias en el Simposio Internacional de la SOMECE en México (lugar y fecha por definirse). DADAS LAS LIMITACIONES PRESUPUESTALES SE OPTÓ POR CONCENTRAR LOS ESFUERZOS DE FINANCIAMIENTO PARA PRESENTAR LOS RESULTADOS DEL PROYECTO EN EL CONGRESO INTERNACIONAL SOBRE CONSTRUCCIONISMO EN AUSTRIA. AÑO 2015: Todas las metas específicas comprometidas en el proyecto fueron realizadas en su totalidad y en los tiempos previstos, a excepción de • Llevar a cabo la segunda experiencia de impartición del curso intensivo de posgrado GLM usando las actividades para los modelos lineales generalizados (agosto). A PESAR DE QUE NO SE LLEVÓ A CABO LA SEGUNDA VERSIÓN DE ESTE CURSO, SI SE PUSIERON A PRUEBA ALGUNAS DE LAS ACTIVIDADES DE PROGRAMACIÓN CONTENIDAS EN LA COLECCIÓN II A TRAVÉS DE LOS CURSOS DE LICENCITAURA, ESPECIFICAMENTE EN LAS UNIDADES TEMÁTICAS OBRE MODELOS LINEALES Y SUS REQUISITOS Y VIOLACIONES, EN SUS SUBSECUENTES VERSIONES. • Llevar a cabo la segunda evaluación de las actividades para los modelos lineales generalizados a través del curso GLM (noviembre). REALIZADA EN SU TOTALIDAD SIN EMBARGO LA EVALUACIÓN FUE REALIZADA PRINCIPALMENTE A TRAVÉS DE LOS CURSOS DE LICENCIATURA. METAS COMPLEMENTARIAS Adicionales a las metas originales del proyecto, en el junio de 2015 también asistimos las tres participantes del proyecto a un Simposio sobre Educación Estadística en Lisboa, Portugal. Asimismo, se logró la publicación de dos manuscritos con los resultados más relevantes de nuestro proyecto. En resumen los objetivos y metas comprometidas en este proyecto no solo fueron cumplidos a cabalidad, sino que su ejecución también ha permitido plantear caminos a futuro para continuar desarrollando herramientas pedagógicas para la enseñanza de la estadística a estudiantes de licenciatura en el área de la biología y ciencias afines.
dc.description.areaÁrea 2. Ciencias Biológicas, Químicas y de la Salud
dc.description.selfAssessmentDurante el proyecto se elaboraron y pusieron a prueba las actividades de programación computacional correspondientes a las Colecciones I y II, incluyendo 4 actividades de introducción a R, 15 para asistir en la enseñanza de conceptos básicos de probabilidad y estadística, y 10 para conceptos relativos a los modelos generalizados lineales. Cada actividad comprende una tabla con un resumen de los objetivos de aprendizaje de los contenidos estadísticos, los objetivos y requisitos de programación en R, y los aspectos del temario oficial de la asignatura que la actividad aborda. Las colecciones están provistas de un anexo con las soluciones comentadas de cada actividad. Las colecciones fueron elaboradas mediante un proceso iterativo, basado en su aplicación y evaluación reiterada en 5 cursos de estadística impartidos en 9 ocasiones: 6 semestrales (16 semanas), 3 intensivos (5 y 10 días), con un total de 744 horas frente a grupo, y 123 alumnos de licenciatura y posgrado de la UNAM. Algunos estudiantes de licenciatura asistieron como oyentes a los cursos de posgrado (y viceversa) para reforzar sus conocimientos en estadística. Su participación enriqueció la experiencia interactiva del aula, ya que tuvieron la posibilidad de conocer de forma realista la problemática del análisis cuantitativo de datos en investigación. Esto sugiere que para efectos del aprendizaje colaborativo, los límites entre licenciatura y posgrado podrían ser más ambiguos de lo que obligan las normas oficiales de la administración escolar. La evaluación de las actividades se realizó a través de varios instrumentos, y los resultados sirvieron para mejorar las actividades y adecuar la dinámica en el aula. Los hallazgos son muy alentadores y sugieren que un abordaje construccionista, donde los alumnos activamente usan y expresan sus ideas y conceptos estadísticos a través de la programación en R, ha sido exitoso en cambiar la percepción, y quizás también la adquisición de conocimientos en estadística. Es necesario, sin embargo, desarrollar instrumentos de evaluación ad hoc que permitan valorar el grado de comprensión, desarrollo de significados y apropiación de los conceptos aprendidos en periodos más largos de tiempo. Se llevaron a cabo 5 acciones de colaboración, de las cuales 2 fueron auspiciadas por financiamiento externo al proyecto, permitiendo usar parte de los recursos para financiar participaciones en congresos que no estaban previstas y para impartir de cursos y evaluar el material en situaciones distintas. Además de los productos comprometidos inicialmente, se publicaron 2 manuscritos con los resultados pedagógicos del proyecto, mismos que se presentaron en 3 congresos internacionales sobre matemática y estadística educativa. En resumen los objetivos y metas comprometidas en este proyecto fueron cumplidos a cabalidad, y han permitido plantear caminos a futuro para continuar desarrollando herramientas pedagógicas que mejoren la enseñanza de la estadística a nivel superior.
dcterms.educationLevel.SEPLicenciatura
dcterms.callforproject2014
dc.subject.DGAPABiología
Aparece en las colecciones: 2. Área de las Ciencias Biológicas, Químicas y de la Salud

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.