Número completo
Full number
Minería de datos educacional en la UNCAus
David L. La Red Martínez. Universidad Nacional del Chaco Austral - UNCAus, Sáenz Peña - Chaco, Argentina.
Stella M. Gerzel. Universidad Nacional del Chaco Austral - UNCAus, Sáenz Peña - Chaco, Argentina.
Resumen / Abstract
En este artículo se comentan los principales aspectos de un proyecto de investigación que utilizará minería de datos educacional aplicada al rendimiento académico. El proyecto es continuación de varios proyectos realizados en la Universidad Nacional del Nordeste (Argentina), en la Universidad Tecnológica Nacional Regional Resistencia (Argentina) y en la Universidad Nacional del Este (Paraguay); en todos ellos se utilizó minería de datos educacional para generar modelos descriptivos y predictivos de rendimiento académico en función del perfil de los alumnos de distintas asignaturas. Se trabajará en encontrar las variables que inciden en el rendimiento académico de los alumnos de las asignaturas “Algoritmos y Estructuras de Datos” y “Sistemas y Organizaciones”, para orientar las acciones que permitan intentar evitar la deserción, considerando las situaciones que se detecte que la generan. El tema es de plena vigencia, actualidad y aplicación en la UNCAus. El proyecto permitirá extraer conclusiones y experiencias concretas, de todos y cada uno de los aspectos que deben considerarse en la detección de las variables que inciden en el rendimiento académico de los alumnos.
Palabras Clave / Keywords
Rendimiento Académico, Minería de Datos Educacional, Prevención de la Deserción.
Referencias / References
1. Grimaldo, M., Manzanares-Medina, E.: Variables intervinientes en el rendimiento académico en ingresantes de una universidad privada de Lima. Revista Electrónica Educare (Educare Electronic Journal) 27(1), 1-14 (2023).
2. Houston, D. M., Henig, J. R.: The “Good” Schools: Academic Performance Data, School Choice, and Segregation. AERA Open 9(1), 1-18 (2023).
3. Matheny, K. T., Thompson, M. E., Townley-Flores, C.: Uneven Progress: Recent Trends in Academic Performance Among U.S. School Districts. American Educational Research Journal 60(3), 447-485 (2023).
4. Acosta, J. C., La Red Martínez, D. L.: Análisis de algunas variables para determinar perfiles de desempeño académico en la UNNE. In: Antonella Carvalho de Oliveira (ed.) International Journal of Human Sciences Research. Atena Editora, Ponta Grossa, PR, Brasil (2022).
5. La Red Martínez, D. L., Karanik, M., Giovannini, M., Pinto, N.: Academic Performance Profiles: A Descriptive Model Based on Data Mining. European Scientific Journal (ESJ) 11(9), 17‐38 (2015).
6. La Red Martínez, D. L., Karanik, M., Giovannini, M., Pinto, N.: Perfiles de Rendimiento Académico: Un Modelo Basado en Minería de Datos. Revista Científica Iberoamericana de Tecnología Educativa - Scientific Journal of Educational Technology 4(1), 12‐30 (2015).
7. La Red Martínez, D. L., Karanik, M., Giovannini, M. E.: Academic achievement profiles: An intelligent predictive model based on data mining. Academia Journal of Educational Research 6(12), 279-289 (2018).
8. La Red Martínez, D. L., Bobadilla, G. M., Delgado, L., Ayala, K.: Detección de Perfiles de Rendimiento Académico en la Universidad Nacional del Este de Paraguay. European Scientific Journal (ESJ) 16(36), 138-157 (2020).
9. Mengash, H. A.: Using Data Mining Techniques to Predict Student Performance to Support Decision Making in University Admission Systems. IEEE Access 8, 55462-55470 (2020).
10. Xiao, W., Ji, P., Hu, J.: A survey on educational data mining methods used for predicting students’ performance. Engineering Reports 4(5), e12482 (2022).
11. Shafiq, D. A., Marjani, M., Habeeb, R. A. A., Asirvatham, D.: Student Retention Using Educational Data Mining and Predictive Analytics: A Systematic Literature Review. IEEE Access 10, 72480-72503 (2022).
12. Cardona, T., Cudney, E. A., Hoerl, R., Snyder, J.: Data Mining and Machine Learning Retention Models in Higher Education. Journal of College Student Retention: Research, Theory & Practice 25(1), 51-75 (2023).
13. Quy, T. L., Friege, G., Ntoutsi, E.: A review of clustering models in educational data science towards fairness-aware learning. In: Peña-Ayala, A. (ed.) Educational Data Science: Essentials, Approaches, and Tendencies, Springer (2023).
14. La Red Martínez, D. L., Bobadilla Almada, G.: Estudio del rendimiento académico y detección temprana de perfiles de alumnos en la Facultad Politécnica de la Universidad Nacional del Este de Paraguay. In: Iriondo Otero, W. R., Bras Ruiz, I. I., Mussi Escobar, P. (eds.) Utilizando tecnologías en la educación para fortalecer la práctica docente en América Latina. Revisiones teóricas - Experiencias prácticas, Colombia (2016).
15. La Red Martínez, D. L., Acosta, J. C., Agostini, F., Uribe, V. E., Rambo, A. R.: La Importancia Otorgada al Estudio y su Relación con el Rendimiento Académico. Revista Documentación 4(24), 54-62 (2011).
16. La Red Martínez, D. L., Acosta, J. C., Uribe, V. E., Rambo, A. R.: Academic Performance: An Approach From Data Mining. Journal of Systemics, Cybernetics and Informatics 10(1), 66-72 (2012).
17. La Red Martínez, D. L., Karanik, M., Giovannini, M., Scappini, R.: Towards to a Predictive Model of Academic Performance Using Data Mining in the UTN-FRRe. Journal of Systemics, Cybernetics and Informatics 14(2), 36-41 (2016).
18. La Red Martínez, D. L., Giovannini, M. E., Báez Molinas, M. E., Torre, J. I., Yaccuzzi, N.: Educational Data Mining - An Experience in UTN FRRe. The 9th International Multi-Conference on Complexity, Informatics and Cybernetics (IMCIC) 1, 86-90 (2018).
19. La Red Martínez, D. L., Gerzel, S. M., Aguirre, C. E., Cáceres, R. A., Berecoechea Galarza, J. A.: Uso de Minería de Datos Para la Determinación de Perfiles Socioeconómicos y Sanitarios en la UNCAus. European Scientific Journal (ESJ) 16(33), 88-104 (2020).
20. La Red Martínez, D. L., Gerzel, S. M., Aguirre, E., Cáceres, R. A., Berecoechea Galarza, J. A., Vallejo, S.: Determinación de perfiles socioeconómicos y sanitarios de las personas atendidas en las campañas efectuadas como actividades curriculares de la carrera de Medicina de la UNCAus en su área de influencia. In: XXIV Workshop de Investigadores en Ciencias de la Computación - WICC - 2022, 133-137, Argentina (2022).
Cómo citar / How to cite
La Red Martínez, D. L., y Gerzel, S. M. (2024). Minería de datos educacional en la UNCAus. En C. Rusu et al., (1ª ed.), Transformación digital en la educación: innovaciones y desafíos (pp. 17-21). Huelva (España): United Academic Journals (UA Journals). https://doi.org/10.54988/uaj.000029.002
Número completo
Full number
Competencias digitales para la población de zonas urbano-marginales en la provincia de Santo Domingo de Tsáchilas - Ecuador
Willian Javier Ocampo-Pazos. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
Bryan Adrián Agudelo-Castro. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
Franklin Andrés Carrasco-Ramírez. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
Karla Sulay Saltos-Zapata. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
José Luis Centeno-Lara. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
Evelyn Paola Campaña-Campaña. Pontificia Universidad Católica del Ecuador Sede Santo Domingo, Santo Domingo, CP 230203, Santo Domingo de los Tsáchilas, Ecuador.
Resumen / Abstract
Las competencias digitales [1] refieren habilidades [2] que facilitan el trabajo en equipo, la metacognición, y estimulan la creatividad y la innovación [3]. En la actualidad existen diferentes alternativas para integrar los conocimientos adquiridos en tecnología [1] [4]. Además, en el Ecuador existen diferentes factores que definen la situación socioeconómica, como la experiencia en ambientes virtuales y herramientas TIC [3], y se puede generar un impacto en las oportunidades a nivel económica y social [5]. También, es importante entender que los entornos virtuales pueden fortalecer el desarrollo de competencias digitales [6]. Por lo anteriormente referenciado, surge la necesidad de realizar una investigación con enfoque cuantitativo, y con un diseño pre experimental. Primero se realizó un pretest que permitió conocer la información para implementar un curso de competencias digitales a la población de sectores urbano-marginales, luego se evidenció los resultados a través de un postest.
Palabras Clave / Keywords
Competencias digitales, Urbano-marginal, TIC.
Referencias / References
1. Hashish, A., Alnajjar, H.: Digital proficiency: assessing knowledge, attitudes, and skills in digital transformation, health literacy, and artificial intelligence among university nursing students. BMC Med Educ 24, 508. https://doi.org/10.1186/s12909-024-05482-3 (2024).
2. Cano, E., Bellowa L.: Herramientas digitales para la evaluación de competencias transversales en el Grado de Educación primaria en contextos de docencia híbrida. Revista Complutense de Educación, 34(3), 569-581. https://doi.org/10.5209/rced.79694 (2023).
3. Rentería, H.: Level of digital competencies in students of Information and Communication Technologies (ICT) at an Ecuadorian university. Sapienza: International Journal of Interdisciplinary Studies, 5(2), e24026. https://doi.org/10.51798/sijis.v5i2.752 (2024).
4. Oberländer, M., Beinicke, A., Bipp,T.: Digital competencies: A review of the literature and applications in the workplace, Computers & Education, https://doi.org/10.1016/j.compedu.2019.103752 (2000).
5. Toala, S., Galván, N., García, H., Manchay, J., Ordóñez, G.: La influencia de factores socioeconómicos en la elección de carreras universitarias en la Universidad Técnica "Luis Vargas Torres" de Esmeraldas, Ecuador. Ibero-American Journal of Education & Society Research,4(1), 1-8. https://doi.org/10.56183/iberoeds.v4i1.646 (2024).
6. Greene, J., Yu, S., Copeland, D.: Measuring critical components of digital literacy and their relationships with learning, Computers & Education, https://doi.org/10.1016/j.compedu.2014.03.008 (2014).
7. Aldás, A., Granda, M., Hidalgo, R., Pérez, M., Quint, S.: Barrios Urbanomarginales: espacio para la economía popular y solidaria. Universidad de Las Américas. ISBN: 978994277903 (2018).
8. Hernández, R., Fernández, C., & Baptista, P.: Metodología de la investigación, 6ª edición, México D.F.: McGraw-Hill/Interamericana editores S.A. C.V., ISBN: 978-1-4562-2396-0 (2014).
Cómo citar / How to cite
Ocampo-Pazos, W. J., Agudelo-Castro, B. A., Carrasco-Ramírez, F. A, Saltos-Zapata, K. S., Centeno-Lara, J. L., y Campaña-Campaña, E. P. (2024). Competencias digitales para la población de zonas urbano-marginales en la provincia de Santo Domingo de Tsáchilas - Ecuador. En C. Rusu et al., (1ª ed.), Transformación digital en la educación: innovaciones y desafíos (pp. 97-101). Huelva (España): United Academic Journals (UA Journals). https://doi.org/10.54988/uaj.000029.015
Número completo
Full number
2022 ---- Síndrome de desgaste profesional (burnout) y su relación con la inteligencia emocional en profesionales de la salud
Autoras: Emma Soliva Álvarez, María Isabel Cuenda Macías, Ana María Parada Rodríguez, María Luisa Valiente Millán
Premio Trabajo Fin de Máster - Edición 2021-2022
Máster en Inteligencia Emocional
Estudio científico desde la Psicología, la Neurociencia y la Salud
Máster impartido por el Instituto Psicobiológico y certificado por la Universidad Isabel I
Capítulos/Chapters
RESUMEN
ABREVIATURAS
Capítulo 1. INTRODUCCIÓN
1.1. Justificación.
1.2. Definición.
1.3. Estado actual.
Capítulo 2. OBJETIVOS E HIPÓTESIS
2.1. Objetivo general.
2.2. Objetivos específicos.
2.3. Hipótesis.
Capítulo 3. MATERIAL Y MÉTODOS
3.1. Diseño del estudio.
3.2. Cuestionarios y test aplicados.
3.3. Variables de estudio.
Capítulo 4. RESULTADOS
Capítulo 5. DISCUSIÓN
5.1. Discusión preliminar.
5.2. Discusión de hipótesis.
5.3. Limitaciones del estudio.
5.4. Nuevos aportes del estudio.
Capítulo 6. CONCLUSIONES
6.1. Planteamientos/propuestas a futuro.
Capítulo 7. BIBLIOGRAFÍA
ANEXOS
Número completo
Full number
2022 ---- La tecnología en la educación virtual emergente
Editores: Norma Flores González, Mónica Zamora Hernández, Vianey Castelán Flores, Efigenia Flores González y Juan Manuel González Calleros
Capítulos/Chapters
Parte I. Uso de la tecnología para la Enseñanza de Lenguas.
Capítulo 1. Restricciones del Enfoque Activo en Ambientes Limitados a la Exposición de la Lengua Meta
María del Carmen Serratos Vázquez.
Capítulo 2. The Flipped Classroom in ELT: What it is, How it Works, How it is Done
Andrew D. Walton, M. Sidury Christiansen.
Capítulo 3. EFL pre-service teachers’ attitudes to-wards their language-learning perfor-mance through Microsoft Teams
Luis Fernando Lara-Calvo, Sandra Juárez-Pacheco.
Capítulo 4. Actitudes hacia la tecnología aplicada entre alumnos y docentes del área de traducción
José Cortez-Godínez, Jaider Caicedo Ocoró.
Parte II. Uso de la tecnología en la Educación: miscelánea.
Capítulo 5. Diario reflexivo en estudiantes de Educación Media Superior
José Luis Sánchez Muñoz.
Capítulo 6. Autonomización en educación virtual. El caso de la LEF
Eveling Zenteno Villarce, María Lilia López López, Stéphanie Marie Brigitte Voisin.
Capítulo 7. Transdisciplinariedad en la Formación de Habilidades Blandas con estudiantes en el nivel Medio Superior
Tania Martínez Angoa, René Gallardo Balderas.
Capítulo 8. De la evaluación tradicional al seguimiento y acompañamiento en tiempos de pandemia
Gabriela Alhor Martínez, Janeth Inés De la Rosa Sepúlveda.
Capítulo 9. Prototipo de herramienta tecno-educativa para en proceso de aprendizaje del álgebra
Eugenia Erica Vera Cervantes, Josefina Guerrero García, Jose Areli Carrera Román.
