miércoles, 22 de noviembre de 2017
viernes, 3 de noviembre de 2017
jueves, 19 de octubre de 2017
miércoles, 11 de octubre de 2017
CORRELACIÓN DE SPEARMAN
¿Cuándo utilizar la prueba de correlación de rangos de Spearman?
El coeficiente de correlación no debe utilizarse para comparar dos métodos que intentan
medir el mismo evento, como por ejemplo dos instrumentos que miden la saturación de
oxígeno en sangre. El coeficiente de correlación mide el grado de asociación entre dos
cantidades, pero no mira el nivel de acuerdo o concordancia. Si los instrumentos de
medida miden sistemáticamente cantidades diferentes uno del otro, la correlación puede
ser 1 y su concordancia ser nula. El coeficiente de correlación de Spearman es
recomendable utilizarlo cuando los datos presentan valores extremos, ya que dichos
valores afectan mucho el coeficiente de correlación de Pearson, o ante distribuciones no
normales. No está afectada por los cambios en las unidades de medida.
Coeficiente de correlación de rangos de Spearman
Como resultado de la revisión de varios autores, asumimos el siguiente concepto:
SPEARMAN (Rho de Spearman). Este coeficiente es una medida de asociación lineal
que utiliza los rangos, números de orden, de cada grupo de sujetos y compara dichos
rangos.
Los asesores estadísticos de la actualidad, procesan grandes bases de datos, en un
tiempo extraordinariamente breve, por lo que recomendamos la utilización de los mismos
para optimizar el tiempo del que dispone el investigador para el análisis de los datos.
Proponemos el Paquete Estadístico para Ciencias Sociales (SPSS).Pasos a seguir en el
asesor
Crear la base de datos
1. Realizar un gráfico de dispersión.
a. Gráficos.
b. Dispersión.
c. Simple.
d. Definir.
e. Asignar las variables en los ejes X y Y. (Anexos 1 a 3).
f. Realizar el cálculo del coeficiente de correlación.
g. Analizar.
h. Correlación.
i. Divariada.
j. Seleccionar las variables.
k. Marcar Pearson y Spearman para comparar si las diferencias son significativas.
Interpretación de la correlación
En la interpretación de la prueba estadística correlación de Spearman, es necesario
tener en cuenta el objetivo de la investigación que se define en primera instancia y la
relevancia de estas relaciones en el fenómeno clínico que se estudia, no depende en
nuestras conclusiones solamente de la cifra matemática obtenida, sino basarnos en
experiencias científicas del tema de investigación, para evitar que interfiera la
casualidad. La explicación de un coeficiente de correlación como medida de la intensidad
de la relación lineal entre dos variables es puramente matemática y libre de cualquier
implicación de causa-efecto. El hecho de que las dos variables tiendan a crecer o
decrecer juntas no indica que la una tenga un efecto directo o indirecto sobre la otra.
Ambas pueden estar influidas por otras variables de modo que se origine una fuerte
relación matemática. La interpretación de rho depende principalmente de los detalles de
la investigación y la experiencia propia en el tema de estudio. La experiencia previa sirve
generalmente como base de comparación para determinar si un coeficiente de
correlación es digno de ser mencionado.
CHI CUADRADA
Es una prueba no paramétrica de comparación de
proporciones para dos y más de dos muestras
independientes, debe cumplir las siguientes
características:
• Los datos se ajustan a la distribución de chi cuadrada
• Nivel nominal de la variable dependiente
• Su función es comparar dos o más de dos
distribuciones de proporciones y determinar que la
diferencia no se deba al azar, que las diferencia sea
estadísticamente significativa.
• Parte de la distribución de frecuencias de dos variables
cruzadas, representadas en las llamadas tablas
cruzadas.
• Se pueden comparar 2 tipos de distribuciones de
frecuencias o proporciones:
• Cuando las dos variables tienen cada una dos valores
(2 X 2)
• Cuando alguna o las dos variables tiene más de dos
valores
La prueba Chi cuadrada en el paquete estadístico SPSS
se encuentra en el menú Analizar / Estadísticos
descriptivos / Tablas de contingencia.
La V. I. o de agrupación se coloca siempre en Columnas y
la V. D. en Filas.
Se debe elegir en la sección de Estadísticas la prueba de
Chi cuadrado.
Finalmente en Casillas marcar en la sección de
Porcentajes la opción de Columna.
Interpretación de resultados para una tabla de 2 X 2:
1. Primero aparece la tabla cruzada con frecuencias y
porcentajes –en este caso, por columnas para la VI.
Interpretación de resultados para una tabla de 2 X 2:
2. En la tabla de prueba de chi-cuadrado, elegir corrección por continuidad
para tablas de 2 X 2 cuando todas las celdas tienen 5 o más casos o la
prueba exacta de Fisher que se interpreta cuando en alguna de las
celdas hay una frecuencia menor a 5. Estos datos sólo aparecen en
tablas de 2 X 2.
En importante verificar la leyenda de porcentaje celdas con frecuencias
esperadas inferiores a 5, si éste es 20% o superior se invalidará la
prueba de chi cuadrada –es necesario verificar si la prueba de Fisher
es aplicable.
Interpretación de resultados para una tabla de 2 X 2:
3. En este caso la prueba de hipótesis se realiza con los
datos de corrección de continuidad (señalados en la
tabla anterior con el recuadro).
jueves, 5 de octubre de 2017
COEFICIENTE ALFA DE CROBACH
El coeficiente Alfa de Cronbach es un modelo de consistencia
interna, basado en el promedio de las correlaciones entre los ítems.
Entre las ventajas de esta medida se encuentra la posibilidad de
evaluar cuánto mejoraría (o empeoraría) la fiabilidad de la prueba si
se excluyera un determinado ítem.
El procedimiento consiste en:
• Analizar…
Escala…
• Análisis de fiabilidad…
Seleccionamos todos los ítems:
y pinchamos en la flecha para pasarlo a la casilla de “Elementos” que vamos a analizar.
Pinchamos en estadísticos y seleccionamos los estadísticos que queremos.
Pinchamos en Continuar …
Modelo alfa, aunque viene predeterminado por el sistema, y… o Aceptar…
Ahora nos aparecerán los resultados en el Visor de Resultados. Encontraremos diferentes cuadros o ventanas, las cuales nos aportan los datos necesarios para realizar la interpretación. Visor de resultados: En el primer cuadro de diálogo que aparece, podemos ver el resultado de Alfa. A mayor valor de Alfa, mayor fiabilidad. El mayor valor teórico de Alfa es 1, y en general 0.80 se considera un valor aceptable.
En el caso de nuestro ejemplo el resultado es el siguiente:
El siguiente cuadro de diálogo es el de “Estadísticos de los elementos” en el cual podemos observar,
en la columna que pone “Media”, el índice de dificultad de los ítems.
Otros cuadros que encontramos son la “Matriz de correlación inter-elementos”
La “Matriz de covarianzas inter-elementos”
Otros cuadros que encontramos son la “Matriz de correlación
inter-elementos”
Más abajo, encontramos otra ventana o cuadro de diálogo en el que aparecen los “Estadísticos de resumen de los elementos”
Los “Estadísticos total-elemento”. En este último podemos
observar los siguientes datos:
Por último aparece otra ventana en la que podemos observar los “Estadísticos de la escala”, es decir los estadísticos de la prueba en conjunto.
CORRELACIÓN DE PEARSON
Correlación de Pearson
Es una prueba estadística para analizar la relación entre dos variables medidas en un nivel por intervalos o de razón. Se le conoce también como “coeficiente producto-momento”. Se simboliza: r Hipótesis a probar: correlacional, del tipo de “a mayor X, mayor Y”, “a mayor X, menor Y”, “altos valores en X están asociados con altos valores en Y”, “altos valores en X se asocian con bajos valores de Y”. La hipótesis de investigación señala que la correlación es significativa. Variables: dos. La prueba en sí no considera a una como independiente y a otra como dependiente, ya que no evalúa la causalidad. La noción de causa-efecto (independiente-dependiente) es posible establecerla teóricamente, pero la prueba no asume dicha causalidad.
El coeficiente de correlación de Pearson se calcula a partir de las puntuaciones obtenidas en una muestra en dos variables. Se relacionan las puntuaciones recolectadas de una variable con las puntuaciones obtenidas de la otra, con los mismos participantes o casos (The SAGE Glossary of the Social and Behavioral Sciences, 2009g; Bagiella, 2007; Onwuegbuzie, Daniel y Leech, 2006a).
Nivel de medición de las variables: intervalos o razón. Interpretación: el coeficiente r de Pearson puede variar de −1.00 a +1.00, donde: −1.00 = correlación negativa perfecta. (“A mayor X, menor Y”, de manera proporcional. Es decir, cada vez que X aumenta una unidad, Y disminuye siempre una cantidad constante). Esto también se aplica “a menor X, mayor Y”. −0.90 = Correlación negativa muy fuerte. −0.75 = Correlación negativa considerable. −0.50 = Correlación negativa media. −0.25 = Correlación negativa débil. −0.10 = Correlación negativa muy débil. 0.00 = No existe correlación alguna entre las variables. +0.10 = Correlación positiva muy débil. +0.25 = Correlación positiva débil. +0.50 = Correlación positiva media. +0.75 = Correlación positiva considerable. +0.90 = Correlación positiva muy fuerte. +1.00 = Correlación positiva perfecta (“A mayor X, mayor Y” o “a menor X, menor Y”, de manera proporcional. Cada vez que X aumenta, Y aumenta siempre una cantidad constante). El signo indica la dirección de la correlación (positiva o negativa); y el valor numérico, la magnitud de la correlación. Los principales programas computacionales de análisis estadístico indican si el coeficiente es o no significativo de la siguiente manera: r = 0.7831 (valor del coeficiente) s o P = 0.001 (significancia) N = 625 (número de casos correlacionados) Si s o P es menor del valor 0.05, se dice que el coeficiente es significativo en el nivel de 0.05 (95% de confianza en que la correlación sea verdadera y 5% de probabilidad de error). Si es menor a 0.01, el coeficiente es significativo al nivel de 0.01 (99% de confianza de que la correlación sea verdadera y 1% de probabilidad de error).
Una correlación de Pearson puede ser significativa, pero si es menor a 0.30 resulta débil, aunque de cualquier manera ayuda a explicar el vínculo entre las variables. Si queremos asociar la presión arterial y el peso de un grupo de pacientes, la solubilidad del gas con la temperatura (en ingeniería petrolera) y la inversión en publicidad y las ventas, es útil este coeficiente.
miércoles, 4 de octubre de 2017
domingo, 1 de octubre de 2017
DISTRIBUCIÓN DE FRECUENCIA, ASIMETRÍA Y CURTOSIS
DISTRIBUCIÓN DE FRECUENCIA
En estadística, se le llama distribución de frecuencias a la agrupación de datos en categorías mutuamente excluyentes que indican el número de observaciones en cada categoría. Esto proporciona un valor añadido a la agrupación de datos. La distribución de frecuencias presenta las observaciones clasificadas de modo que se pueda ver el número existente en cada clase.
Las frecuencias
pueden ser:
2.1 FRECUENCIA
ABSOLUTA (fi): Es el número de veces que se repite un determinado valor de la
variable (xi).
Se designa por
fi. PROPIEDAD: la suma de todas las frecuencias absolutas es igual al total de
observaciones (n).
2.2 FRECUENCIA
ACUMULADA (Fi): Las frecuencias acumuladas de una distribución de frecuencias
son aquellas que se obtienen de las sumas sucesivas de las fi que integran cada
una de las filas de una distribución de frecuencia, esto se logra cuando la
acumulación de las frecuencias se realiza tomando en cuenta la primera fila
hasta alcanzar la última.
Las frecuencias
acumuladas se designan con las letras Fi. Se calcula: ∑ = − +== i j i iij fFfF
1 1 PROPIEDAD: La última frecuencia acumulada absoluta es igual al total de
observaciones.
2.3 FRECUENCIA
RELATIVA (hi): Es aquella que resulta de dividir cada una de las frecuencias
absolutas entre el número total de datos. Las frecuencias relativas se designan
con las letras hi.
PROPIEDAD: la
suma de todas las frecuencias relativas es igual a la unidad.
2.4 FRECUENCIA RELATIVA ACUMULADA (Hi): Es
aquella que resulta de dividir cada una de las frecuencias acumuladas entre
número total de datos. Se designa con las letras Hi .
PROPIEDAD: La
última frecuencia relativa acumulada es la unidad.
DISTRIBUCIÓN DE FRECUENCIAS ABSOLUTAS
Es la
representación estructurada en forma de tabla de toda la información que se ha
recogido sobre la variable que se estudia, es decir, es una tabla que presenta
de manera ordenada los distintos valores de una variable y sus correspondientes
frecuencias.
DISTRIBUCIONES
DE FRECUENCIAS AGRUPADAS
Es aquella distribución en la que la
disposición tabular de los datos estadísticos se encuentran ordenados en clases
y con la frecuencia en cada clase; es decir, los datos originales de varios
valores adyacentes del conjunto se combinan para formar un intervalo de clase.
No existen normas establecidas para determinar cuándo es apropiado utilizar
datos agrupados o datos no agrupados; sin embargo, se sugiere que cuando el
número total de datos (N) es igual o superior 50 y además el rango o recorrido
de la serie de datos es mayor de 20, entonces, se utilizará la distribución de
frecuencia para datos agrupados, también se utilizará este tipo de distribución
cuando se requiera elaborar gráficos lineales como el histograma, el polígono
de frecuencia o la ojiva. La razón fundamental para utilizar la distribución de
frecuencia de clases es proporcionar mejor comunicación acerca del patrón
establecido en los datos y facilitar la manipulación de los mismos. Los datos
se agrupan en clases con el fin de sintetizar, resumir, condensar o hacer que
la información obtenida de una investigación sea manejable con mayor facilidad.
Al agrupar los datos en una distribución de frecuencia de clase se pierde parte
de la información. La reducción o agrupamiento a que son sometidos los datos de
una serie de valores cuando existen muchos valores diferentes, originan los
denominados errores de agrupamiento; sin embargo, estos errores son en general
muy pequeños, razón por la cual la distribución de frecuencia de clase tiene
una validez estadística práctica.
Para agrupar los
datos en intervalos de clase se deben seguir las siguientes reglas generales:
• El número de
intervalos de clase se toma entre 5 y 15 dependiendo de los datos.
• Cada
observación debe estar incluida en una y solo una clase o intervalo.
• El valor más
pequeño y más grande deben entrar en la clasificación.
• No deben
existir brechas o vacíos entre clases sucesivas.
• Los intervalos no se deben sobreponer.
• En la medida de lo posible, se debe utilizar
la misma amplitud para todos los intervalos.
COMPONENTES DE
UNA DISTRIBUCIÓN DE FRECUENCIAS DE CLASES
1.- Clase o Intervalo
de clase.- Son divisiones o categorías en las cuales se agrupan un conjunto de
datos ordenados con características comunes. Para organizar los valores de la
serie de datos hay que determinar un número de clases que sea conveniente. En
otras palabras, que ese número de intervalos no origine un número pequeño de
clases ni muy grande. Un número de clases pequeño puede ocultar la naturaleza
natural de los datos y un número muy alto puede provocar demasiados detalles
como para observar alguna información de gran utilidad en la investigación. A
las fronteras del intervalo, la llamaremos, límites inferior y superior de la
clase y los denotaremos por Li-1, Li.
2.- Punto medio
o Marca de clase ( X& ).- Es la semisuma del límite inferior y superior de
una clase.
3.- Amplitud,
Longitud o Tamaño del Intervalo.- Los intervalos de clases pueden ser de tres
tipos: Clases de igual tamaño, clases de tamaños desiguales y clases abiertas.
En términos generales, las clases de igual tamaño son los más utilizados y
recomendados para los cálculos estadísticos. Se designa por las letras Ic.
Nota: Al número
de observaciones de una clase se le llama frecuencia de clase, si dividimos
esta frecuencia por el número total de observaciones, se llama frecuencia
relativa de clase, y del mismo modo que lo hacíamos para datos sin agrupar
definiríamos Hi, y Fi.
PROCEDIMIENTO PARA CONSTRUIR UNA DISTRIBUCIÓN
DE FRECUENCIAS AGRUPADA EN INTERVALOS
1. Determinar el
máximo y mínimo entre los valores que tenemos en la muestra y calcular el
recorrido de la variable o rango.
2. Calcular el número de clases a utilizar.
Existen diversos criterios para determinar el número de clases, ante tanta
diversidad de criterios, se ha considerado que lo más importante es dar un
ancho o longitud de clases a todos los intervalos de tal manera que respondan a
la naturaleza de los datos y al objetivo que se persigue y esto se logra con la
práctica.
Existe una forma
para determinar el número de clases y la misma puede ilustrarse en el siguiente
cuadro: Numero de Datos Numero de Intervalos 10 - 100 De 4 a 8 100 - 1.000 De 8
a 11 1.000 - 10.000 De 11 a 14
Cuando se tenga
dudas en determinar el número de intervalos de clases, es de gran utilidad
utilizar el método sugerido por Hebert A. Sturges, el cual establece que: K=
1+3,322 log(n) = número de intervalos. En este curso se utilizará este método
siempre y cuando el mismo sea aplicable.
MÉTODOS GRÁFICOS
La forma de la distribución de frecuencias se
percibe más rápidamente si la representamos gráficamente. Se resume la
información de la muestra de forma gráfica con fines clarificadores o para
enfatizar y descubrir determinadas características que de otra manera seria muy
difícil de apreciar. Un gráfico siempre es más inmediato de comprender que un
conjunto de datos estadísticos. Las representaciones graficas varían según el
tipo de variable: a. Gráficos para variables Discretas y Categóricas DIAGRAMA
DE BARRAS: Es la representación gráfica usual para variables cuantitativas
discretas o para variables cualitativas. En el eje de ordenadas representamos
los diferentes valores de la variable (xi). Sobre cada valor levantamos una
barra de altura igual a la frecuencia (absoluta o relativa). Ejemplo: 0 20 40
60 80 100 120 140 160 180 1er trim. 2do trim. 3er trim. 4to trim.
DIAGRAMA DE
SECTORES O DE PASTEL:
Es el más usual en variables cualitativas. Se
representan mediante círculos. A cada valor de la variable se le asocia el
sector circular proporcional a su frecuencia. Ejemplo: Los siguientes datos
corresponden a una encuesta referente a elecciones locales de un partido
político: xi fi a favor 50% en contra 40% abstención 10% Para construir el
diagrama de sectores partimos del hecho de que un circulo encierra un total de
360 grados. Luego, mediante una regla de tres simple, repartimos los 360 grados
en distintos sectores, de acuerdo con cada porcentaje; tenemos así que para
determinar el sector correspondiente al 50%.
ASIMETRÍA
Es una medida de forma de una distribución que permite identificar y describir la manera como los datos tiende a reunirse de acuerdo con la frecuencia con que se hallen dentro de la distribución. Permite identificar las características de la distribución de datos sin necesidad de generar el gráfico.
TIPOS DE ASIMETRÍA
La asimetría presenta las siguientes formas:
Asimetría Negativa o a la Izquierda.- Se da cuando en una distribución la minoría de los datos está en la parte izquierda de la media. Este tipo de distribución presenta un alargamiento o sesgo hacia la izquierda, es decir, la distribución de los datos tiene a la izquierda una cola más larga que a la derecha. También se dice que una distribución es simétrica a la izquierda o tiene sesgo negativo cuando el valor de la media aritmética es menor que la mediana y éste valor de la mediana a su vez es menor que la moda, en simbolos 
Nota: Sesgo es el grado de asimetría de una distribución, es decir, cuánto se aparta de la simetría.
Simétrica.- Se da cuando en una distribución se distribuyen aproximadamente la misma cantidad de los datos a ambos lados de la media aritmética. No tiene alargamiento o sesgo. Se representa por una curva normal en forma de campana llamada campana de Gauss (matemático Alemán 1777-1855) o también conocida como de laplace (1749-1827).También se dice que una distribución es simétrica cuando su media aritmética, su mediana y su moda son iguales, en símbolos 
Md=Mo
Md=Mo
Asimetría Positiva o a la Derecha.- Se da cuando en una distribución la minoría de los datos está en la parte derecha de la media aritmética. Este tipo de distribución presenta un alargamiento o sesgo hacia la derecha, es decir, la distribución de los datos tiene a la derecha una cola más larga que a la izquierda.
También se dice que una distribución es simétrica a la derecha o tiene sesgo positivo cuando el valor de la media aritmética es mayor que la mediana y éste a valor de la mediana a su vez es mayor que la moda, en símbolos 
.
.
CURTOSIS O APUNTAMIENTO
La curtosis mide el grado de agudeza o achatamiento de una distribución con relación a la distribución normal, es decir, mide cuán puntiaguda es una distribución.
2.1) TIPOS DE CURTOSISLa curtosis determina el grado de concentración que presentan los valores en la región central de la distribución. Así puede ser:
Leptocúrtica.- Existe una gran concentración.
Mesocúrtica.- Existe una concentración normal.
Platicúrtica.- Existe una baja concentración.
2.1) TIPOS DE CURTOSISLa curtosis determina el grado de concentración que presentan los valores en la región central de la distribución. Así puede ser:
Leptocúrtica.- Existe una gran concentración.
Mesocúrtica.- Existe una concentración normal.
Platicúrtica.- Existe una baja concentración.
miércoles, 13 de septiembre de 2017
martes, 5 de septiembre de 2017
DEFINICIÓN DE LAS MEDIDAS DESCRIPTIVAS Y CENTRALIZADAS
MEDIDAS DESCRIPTIVAS
Se les llama medidas descriptivas valores numéricos que se dan a partir de las muestras y globalizan la información que se obtiene por lo consiguiente está recolecta, analiza y caracteriza un conjunto de datos con el objetivo de descubrir las características y comportamientos de este conjunto mediante medidas de resumen tablas o gráficos.
Tres tipos
Posición: está divide un conjunto de ordenado de datos en grupos con la misma cantidad de individuos.
Centralización: indican valores con respecto a los que los datos aparecen agruparse.
Dispersión: indica la mayor o menor concentración de los datos con respecto a las medidas de centralización.
Forma: a esta la contamos como la simetría que indica la de formación horizontal de las distribuciones de frecuencia.
MEDIDAS DE CENTRALIZACIÓN
Las medidas centrales son aquellas qué se le otorga a los números al momento de hacer una operación de igual las medidas de centralización se hace notar como la medida que queda centrada en la distribución de las frecuencias se le puede tomar como algo que representa en los datos para esto existen diferentes formas de representar el tipo de distribución que se observa en un conjunto de datos donde se le toma importancia a estas, hablamos sobre:
Media: cuál es el proceso que da entre la suma de los datos y el número de estos.
La segunda es la mediana: se toma como la medida que separa por la mitad ordenadas de menor a mayor.
Por ultimo,la moda: es el valor que más de esas que se repite.
miércoles, 23 de agosto de 2017
lunes, 14 de agosto de 2017
ANALÍTICA DEL APRENDIZAJE
UNIVERSIDAD AUTÓNOMA DE CHIAPAS HUMANIDADES CAMPUS Vl
En este ensayo hablo sobre la analítica del aprendizaje el cual nos ayuda para la corrección de errores en el mundo virtual y de igual forma en la educación presencial.
La analitica del aprendizaje es indispensable ya que hoy en día se exige la tecnología dentro del ámbito educativo y con ello un aprendizaje virtual que tiene que ser inspeccionado durante la realización.
El sistema educativo ha creado un ambiente virtual de aprendizaje y es ahí donde aparece también la necesidad de hacer un seguimiento a estas prácticas para ver si el objetivo que se se plantea hablando de la educación personalizada y que estos contenidos sean de calidad a los estudiantes ya sea en cualquier contexto en el que se encuentre.
Para la obtención de estos resultados es necesario evaluar a las personas que están dentro de la realización de estas plataformas virtuales y así darnos cuenta por medio de datos cualitativos y cuantitativos según el método que se pretende llevar a cabo para la recolección de estos datos pero debemos tener en cuenta los siguientes puntos claves...
La analítica del aprendizaje comprende tres aspectos a las cuales se les puede llamar técnicas y son: medir, recolectar, analizar y actuar, esto hace que se mejore nuestro contexto educativo para ello se debe de seleccionar una serie de objetivos para verificar si es adecuado el tipo de enseñanza y posteriormente se llevará a cabo una actuación eficaz para la recogida de datos que se obtengan y se seguirá con el análisis de los resultados y dependiendo de eso ya se tomaran las medidas necesarias. Un aspecto muy importante para el proceso de enseñanza aprendizaje dentro del medio virtual es el moodle el cual permite interactuar y aprender al mismo tiempo aunque normalmente se toma como solo un medio de enseñanza. la relación que existe entre el docente y el alumno es algo complicado pues ahora todo es complicado ejemplo de ello es cuando el docente revisa detalladamente las tareas de los alumnos pasándolo aun programa anti plagio y por lo tanto afecta esa interacción entre ellos y el medio a ser medidos de una forma errónea a sus capacidades
Cabe mencionar que la meta de la analítica del aprendizaje es construir mejores pedagogías, de igual forma se podría decir que conocer los factores que afectan el rendimiento en el ambiente virtual. ejemplo de eso es que los alumnos o quienes se encuentren en estos ambientes tengan una experiencia de aprendizaje de alta calidad y adaptada a sus necesidades e intereses personales, esto seria magnifico ya que es indispensable tomar en cuenta el contexto en el que se encuentre porque muchas ve ces surgen retos a enfrentar para diseñar estrategias tecnológicas en el proceso del aprendizaje porque Muchas veces no saben utilizar algunas aplicaciones que se requieren, también no se cuenta con la facilidad para incorporarse a la tecnología como herramienta de trabajo.
los estudiantes debemos de tomar en cuenta que es necesario que nuestros docentes se encuentren realizando esta analítica del aprendizaje ya que nos servirá mas adelante puesto que mirara como algo indispensable dentro de la educación aunque ahora ya es común dentro de un plantel educativo.
los estudiantes debemos de tomar en cuenta que es necesario que nuestros docentes se encuentren realizando esta analítica del aprendizaje ya que nos servirá mas adelante puesto que mirara como algo indispensable dentro de la educación aunque ahora ya es común dentro de un plantel educativo.
En estos tiempos la educación va inspirada hacia un aprendizaje a base de las competencias tecnológicas.
domingo, 13 de agosto de 2017
Tiempo libre
😉Tiempo libre (preguntas)😊
1.- De lunes a
viernes, ¿Cuántos días acostumbras a pasar tiempo libre con tus amigos?
|
Suscribirse a:
Entradas (Atom)