UNA EXPERIENCIA PARA EL APRENDIZAJE DE LA … · Examen teórico-práctico ⇒ 70% ... Valoración...
Transcript of UNA EXPERIENCIA PARA EL APRENDIZAJE DE LA … · Examen teórico-práctico ⇒ 70% ... Valoración...
UNA EXPERIENCIA PARA EL
APRENDIZAJE DE LA ESTADÍSTICA
BASADO EN PROYECTOS DE
INVESTIGACIÓN
III Jornadas de Intercambio de Experiencias de Innovación Educativa en Estadística
Ana Corberán-Vallet, Francisco Santonja,
José D. Bermúdez y Enriqueta Vercher
Valencia, 2012
Departamento de Estadística e IO, Universidad de Valencia
Objetivo
Reestructuración de la asignatura de Estadística
de los grados en
. Ciencia y Tecnología de los Alimentos*
. Nutrición Humana y Dietética*
bajo el paradigma del aprendizaje basado en
problemas (ABP)
*Adscritos a la Facultad de Farmacia, Universidad de Valencia
Contexto
Asignatura de Estadística de primer curso de
Ciencia y Tecnología de los Alimentos
Nutrición Humana y Dietética,
que aborda conceptos básicos de estadística
descriptiva e inferencia estadística
6 créditos ECTS
45 horas de clase en aula convencional
8 horas de clase en aula de informática
2 horas de tutorías en grupo
Seminario dirigido
Fase I:
Curso2011/2012
Fase II:
Curso2012/2013
¿Dónde estamos?
Dpto de Estadística e IO, Universidad de Valencia
Aportaciones
Esfuerzo por adaptar los contenidos/problemas a las
diferentes titulaciones donde se imparte la asignatura
de Estadística (Ciencias de la Salud,Sociales,…)
Hándicaps
Repetición mecánica de las rutinas aprendidas
No se garantiza la participación consciente del
estudiante en la adquisición del conocimiento
Aprendizaje basado en problemas
Los estudiantes trabajan en proyectos de investigación
Completar la tarea supone buscar, analizar, entender
e integrar los conceptos básicos
¿Qué conceptos/herramientas/estrategias hay que aplicar?
El estudiante es protagonista de su aprendizaje
El profesor asume un rol de apoyo, entrenamiento y
seguimiento
Descripción de la experiencia
La reestructuración es llevada a cabo en dos cursos
Fase I. Curso 2011-2012. Introducción del ABP en
las clases prácticas y seminarios dirigidos. Deriva
hacia el ABP en las clases teóricas
Fase II. Curso 2012-2013. Introducción del ABP en
las clases teóricas
Desarrollo de las sesiones prácticas
Presentación de proyectos de investigación
Introducción al SPSS
Estadística descriptiva
Análisis estadístico de una muestra
Análisis estadístico de dos muestras
Análisis de datos categóricos
2 horas
2 horas
2 horas
2 horas
Desarrollo de las sesiones prácticas
Proyectos de trabajo:
Análisis del valor nutritivo de las verduras
congeladas (Frudesa®)
Hilo conductor del profesor
Características nutricionales del pan de molde y
tostado (Bimbo®)
Análisis y reflexión de los estudiantes
Desarrollo de los seminarios coordinados
Temas propuestos
Estudio de los hábitos alimenticios de los estudiantes
de la Facultad de Farmacia
Aplicación de técnicas estadísticas para la
exploración de una base de datos nutricional
Les propusimos trabajar con la Base de Datos
Española de Composición de Alimentos* (BEDCA,
http://www.bedca.es)
*Agencia Española de Seguridad Alimentaria y Nutrición, Ministerio de Sanidad, Servicios Sociales e Igualdad
Desarrollo de los seminarios coordinados
Proyectos elegidos (a partir de datos de BEDCA)
El chocolate
Análisis de productos lácteos y derivados
Contenido de calcio y fósforo en alimentos
Evaluación de los proyectos
Memoria (Introducción-métodos-resultados-conclusiones)
Presentación de la investigación (evaluación: profesores
y por pares)
Desarrollo de las clases de teoría
Sesiones expositivas + sesiones interactivas
Estudios de un caso al final de cada tema
Casos reales desarrollados en relación con la
temática general de las titulaciones
Contenido proteico de la leche de vaca
Contenido en grasas de diferentes tipos de pan
Efecto de las dietas en la calidad de la carne de cerdo
Efecto de la dieta en la evolución de enfermos
cardiovasculares, etc.
Evaluación
Examen teórico-práctico ⇒ 70%
Estudios de un caso ⇒ 15%
Informes de prácticas ⇒ 5%
Seminario coordinado ⇒ 10%
Valoración de la experiencia
Al final del curso los estudiantes respondieron a un
cuestionario de valoración (basado en Darias, 2000*)
3 grandes bloques
Importancia de la asignatura
Actitud ante la asignatura (sesiones teóricas vs prácticas)
Percepción global sobre la utilidad de la Estadística
*E.J. Darias (2000) Escala de actitudes hacia la Estadística. Psicothema 12 (2), pp. 175-178
Importancia de la asignatura
1. Considero que la Estadística es una materia muy necesaria en
mi carrera
1 2 3 4 5
3. La Estadística puede ser útil para el que se dedique a la
investigación pero no para el profesional medio
1 2 3 4 5
5. Para el desarrollo profesional de nuestra carrera considero que
existen otras asignaturas más importantes que la Estadística
1 2 3 4 5
7. Espero tener que utilizar poco la Estadística en mi vida
profesional
1 2 3 4 5
Importancia de la asignatura: Resultados
La Estadística no es la asignatura más importante
para su futuro profesional
Es necesaria para su formación como científicos
La adquisición de habilidades en el análisis de
datos puede ser un hecho determinante para su
futuro desarrollo profesional
Actitud ante la asignatura
13. Quiero llegar a tener un conocimiento más profundo de la
Estadística, tal y como se concibe en las sesiones prácticas
1 2 3 4 5
14. Quiero llegar a tener un conocimiento más profundo de la
Estadística, tal y como se concibe en las sesiones teóricas
1 2 3 4 5
19. Estoy calmado y tranquilo cuando me enfrento a una tarea
propuesta en las sesiones prácticas
1 2 3 4 5
20. Estoy calmado y tranquilo cuando me enfrento a una tarea
propuesta en las sesiones teóricas
1 2 3 4 5
21. La Estadística, tal y como se concibe en las sesiones prácticas,
es agradable y estimulante para mí
1 2 3 4 5
22. La Estadística, tal y como se concibe en las sesiones teóricas,
es agradable y estimulante para mí
1 2 3 4 5
Actitud ante la asignatura
Items Factor 1 Factor 2 Factor 3 Comunalidad
13 0.858 0.781
14 0.818 0.756
23 0.725 0.608
24 0.827 0.784
15 0.848 0.786
17 0.878 0.794
25 0.684 0.598
10 0.908 0.867
16 0.743 0.789
Varianza 34.72% 28.56% 11.85%
Homogeneidad 0.827 0.784 0.750
Varianza global de la escala 75.13%
Homogeneidad global de la escala 0.659
Deseo de saber
Respuesta ante las
sesiones prácticas
Respuesta ante las
sesiones teóricas
Resu
ltados
del aná
lisis
fact
orial de c
om
pone
ntes
princ
ipale
s
Actitud ante la asignatura: Resultados
Voluntad de adquirir más conocimientos estadísticos(ítems 13-14)
No se considera oportuno matricularse en más
cursos de Estadística (ítems 23-24)
Interés por las sesiones prácticas (ítem 25)
Ni las sesiones prácticas ni teóricas suponen una
dificultad (ítems 15,17, 10 y 16)
Utilidad de la Estadística
Sólo el 25% de los estudiantes se pronuncian en
contra de esta afirmación
Análisis de correspondencias múltiples: los
estudiantes que apoyan ítem 27 consideran que la
Estadística es determinante para su profesión y se
manifiestan capaces y seguros ante la asignatura
27. Mi percepción sobre la utilidad de la Estadística ha mejorado
después de asistir a las clases impartidas durante este curso
1 2 3 4 5
Planificación de la Fase II
Introducción del ABP en las sesiones de teoría
Diseño de la asignatura bajo el hilo conductor de un
proyecto (Valor nutricional de las verduras congeladas)
Estudios de un caso de cada tema
Realizar las tareas con el software libre R, bajo su
interfaz R-Commander
Conclusiones
La nueva estrategia docente exige la reflexión por
parte de los estudiantes sobre
variables relevantes del problema
diferentes alternativas de análisis
planificación de las tareas a desarrollar, etc.
Los proyectos planteados se alejan de una aplicación
mecánica de rutinas aprendidas
Mayor dedicación por parte del profesorado, pero el
esfuerzo merece la pena
Estadıstica para la Economıa y la Empresa: nuevaspropuestas para las practicas
David Conesa1 y Emili Tortosa-Ausina2
1 Universitat de Valencia.2 Universitat Jaume I e Instituto Valenciano de Investigaciones Economicas (Ivie).
16 Julio de 2012
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 1 / 22
Outline
1 Introduccion
2 El contexto especıfico de la ensenanza de la Estadıstica para laEconomıa y la Empresa en las practicas
3 MetodosTrabajo en equipoCooperacion: tecnica “puzzle”
4 Propuesta
5 Conclusiones
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 2 / 22
Introduccion
Introduccion
En la actualidad, las universidades estan inmersas en un profundoproceso de cambio debido a la reciente puesta en marcha del EspacioEuropeo de Educacion superior.
En particular, las universidades espanolas estan tratando deimplementar metodos de innovacion docente.Se buscan metodos que potencien el aprendizaje activo de losestudiantes, dejando en un segundo plano los metodos tradicionales.Es decir, un sistema de educacion universitario que estaba focalizadofundamentalmente en la clase magistral se esta moviendo hacia unnuevo sistema basado en el aprendizaje y consolidacion por parte delestudiante.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 3 / 22
Introduccion
Introduccion
En la actualidad, las universidades estan inmersas en un profundoproceso de cambio debido a la reciente puesta en marcha del EspacioEuropeo de Educacion superior.En particular, las universidades espanolas estan tratando deimplementar metodos de innovacion docente.
Se buscan metodos que potencien el aprendizaje activo de losestudiantes, dejando en un segundo plano los metodos tradicionales.Es decir, un sistema de educacion universitario que estaba focalizadofundamentalmente en la clase magistral se esta moviendo hacia unnuevo sistema basado en el aprendizaje y consolidacion por parte delestudiante.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 3 / 22
Introduccion
Introduccion
En la actualidad, las universidades estan inmersas en un profundoproceso de cambio debido a la reciente puesta en marcha del EspacioEuropeo de Educacion superior.En particular, las universidades espanolas estan tratando deimplementar metodos de innovacion docente.Se buscan metodos que potencien el aprendizaje activo de losestudiantes, dejando en un segundo plano los metodos tradicionales.
Es decir, un sistema de educacion universitario que estaba focalizadofundamentalmente en la clase magistral se esta moviendo hacia unnuevo sistema basado en el aprendizaje y consolidacion por parte delestudiante.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 3 / 22
Introduccion
Introduccion
En la actualidad, las universidades estan inmersas en un profundoproceso de cambio debido a la reciente puesta en marcha del EspacioEuropeo de Educacion superior.En particular, las universidades espanolas estan tratando deimplementar metodos de innovacion docente.Se buscan metodos que potencien el aprendizaje activo de losestudiantes, dejando en un segundo plano los metodos tradicionales.Es decir, un sistema de educacion universitario que estaba focalizadofundamentalmente en la clase magistral se esta moviendo hacia unnuevo sistema basado en el aprendizaje y consolidacion por parte delestudiante.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 3 / 22
Introduccion
Introduccion (II)
Trabajos previos han mostrado la conveniencia y los beneficiosasociados del aprendizaje activo por parte de los estudiantes (Sivan etal., 2000),
que incluye la mejora en la comunicacion y el pensamiento crıtico, lamejora en la resolucion de problemas, la mejor consolidacion de loaprendido en el tiempo, etc.
Struyven et al. (2006), Wilson y Fowler (2005), y Baeten et al.(2010) tambien proponen la implantacion de metodos de ensenanzacentrados en los estudiantes.En este trabajo se plantea este estilo de ensenanza, y se analiza laperspectiva del aprendizaje constructivo, de acuerdo con el cual, elestudiante es el constructor activo del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 4 / 22
Introduccion
Introduccion (II)
Trabajos previos han mostrado la conveniencia y los beneficiosasociados del aprendizaje activo por parte de los estudiantes (Sivan etal., 2000),
que incluye la mejora en la comunicacion y el pensamiento crıtico, lamejora en la resolucion de problemas, la mejor consolidacion de loaprendido en el tiempo, etc.
Struyven et al. (2006), Wilson y Fowler (2005), y Baeten et al.(2010) tambien proponen la implantacion de metodos de ensenanzacentrados en los estudiantes.En este trabajo se plantea este estilo de ensenanza, y se analiza laperspectiva del aprendizaje constructivo, de acuerdo con el cual, elestudiante es el constructor activo del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 4 / 22
Introduccion
Introduccion (II)
Trabajos previos han mostrado la conveniencia y los beneficiosasociados del aprendizaje activo por parte de los estudiantes (Sivan etal., 2000),
que incluye la mejora en la comunicacion y el pensamiento crıtico, lamejora en la resolucion de problemas, la mejor consolidacion de loaprendido en el tiempo, etc.
Struyven et al. (2006), Wilson y Fowler (2005), y Baeten et al.(2010) tambien proponen la implantacion de metodos de ensenanzacentrados en los estudiantes.
En este trabajo se plantea este estilo de ensenanza, y se analiza laperspectiva del aprendizaje constructivo, de acuerdo con el cual, elestudiante es el constructor activo del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 4 / 22
Introduccion
Introduccion (II)
Trabajos previos han mostrado la conveniencia y los beneficiosasociados del aprendizaje activo por parte de los estudiantes (Sivan etal., 2000),
que incluye la mejora en la comunicacion y el pensamiento crıtico, lamejora en la resolucion de problemas, la mejor consolidacion de loaprendido en el tiempo, etc.
Struyven et al. (2006), Wilson y Fowler (2005), y Baeten et al.(2010) tambien proponen la implantacion de metodos de ensenanzacentrados en los estudiantes.En este trabajo se plantea este estilo de ensenanza, y se analiza laperspectiva del aprendizaje constructivo, de acuerdo con el cual, elestudiante es el constructor activo del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 4 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.
Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.
El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (III)
Dentro del marco de la mejora educacional, Cannon y Newble (2000)proponen incorporar el rol del estudiante en el proceso del aprendizaje, yenfatizan la importancia de los diferentes caminos del pensamiento en losque el estudiante es responsable y lleva a cabo su propio proceso deaprendizaje de manera activa.Desde este punto de vista, el rol del profesor y el del estudiante cambiansu posicion relativa. Bajo este nuevo paradigma:
El profesor se concibe como un mediador y un facilitador de un proceso deaprendizaje mas participativo y mas cooperativo que se adapta a ladiversidad de los estudiantes y al contexto social.El nuevo rol de los estudiantes contempla una mayor participacion einvolucramiento en el proceso, cambiando de ser meros receptores pasivos aser constructores activos del conocimiento.
En resumen: los estudiantes abandonan su rol de agentes pasivos para pasara ser agentes activos en el proceso de aprendizaje.
Estos nuevos principios justifican y motivan la aparicion de accioneseducativas disenadas a introducir nuevos recursos y cambiosmetodologicos con el fin de mejorar el proceso de aprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 5 / 22
Introduccion
Introduccion (IV)
Nuestra intencion es presentar la aplicacion en la aulas de la tecnica“puzzle” de Aronson et al. (1978) como una experiencia pionera en laasignatura de Estadıstica para la Economıa y la Empresa.
Este trabajo describe como se pretende implantar esta tecnica a la vezque presentamos la valoracion de su uso en otra asignatura obtenidomediante una encuesta posterior.Los resultados positivos sugieren la necesidad de llevar a caboexperiencias en asignaturas (preferentemente del mismo grado) paraencontrar sinergias y valorar el impacto resultante de la introduccionde este tipo de metodos de aprendido activo.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 6 / 22
Introduccion
Introduccion (IV)
Nuestra intencion es presentar la aplicacion en la aulas de la tecnica“puzzle” de Aronson et al. (1978) como una experiencia pionera en laasignatura de Estadıstica para la Economıa y la Empresa.Este trabajo describe como se pretende implantar esta tecnica a la vezque presentamos la valoracion de su uso en otra asignatura obtenidomediante una encuesta posterior.
Los resultados positivos sugieren la necesidad de llevar a caboexperiencias en asignaturas (preferentemente del mismo grado) paraencontrar sinergias y valorar el impacto resultante de la introduccionde este tipo de metodos de aprendido activo.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 6 / 22
Introduccion
Introduccion (IV)
Nuestra intencion es presentar la aplicacion en la aulas de la tecnica“puzzle” de Aronson et al. (1978) como una experiencia pionera en laasignatura de Estadıstica para la Economıa y la Empresa.Este trabajo describe como se pretende implantar esta tecnica a la vezque presentamos la valoracion de su uso en otra asignatura obtenidomediante una encuesta posterior.Los resultados positivos sugieren la necesidad de llevar a caboexperiencias en asignaturas (preferentemente del mismo grado) paraencontrar sinergias y valorar el impacto resultante de la introduccionde este tipo de metodos de aprendido activo.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 6 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
La asignatura de Estadıstica para la Economıa y la Empresa conllevauna enorme dificultad desde el momento que requiere una asimilacionimportante de conocimiento de contenidos con una elevadacomponente de matematicas y estadıstica ası como conceptosteoricos que requieren un seguimiento y un esfuerzo continuado de losestudiantes.
De acuerdo con Cano y Berben (2009), la motivacion juega un rolmuy importante en el sentido de que quizas los estudiantestrabajarıan mas y mejor si sintieran realmente que forman parte delproceso de aprendizaje.En este contexto, nuestra propuesta es tratar de introducir nuevosmetodos que puedan facilitar el aprendizaje y el feedback (no soloentre profesor y estudiante sino tambien entre estudiantes).
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 7 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
La asignatura de Estadıstica para la Economıa y la Empresa conllevauna enorme dificultad desde el momento que requiere una asimilacionimportante de conocimiento de contenidos con una elevadacomponente de matematicas y estadıstica ası como conceptosteoricos que requieren un seguimiento y un esfuerzo continuado de losestudiantes.De acuerdo con Cano y Berben (2009), la motivacion juega un rolmuy importante en el sentido de que quizas los estudiantestrabajarıan mas y mejor si sintieran realmente que forman parte delproceso de aprendizaje.
En este contexto, nuestra propuesta es tratar de introducir nuevosmetodos que puedan facilitar el aprendizaje y el feedback (no soloentre profesor y estudiante sino tambien entre estudiantes).
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 7 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
La asignatura de Estadıstica para la Economıa y la Empresa conllevauna enorme dificultad desde el momento que requiere una asimilacionimportante de conocimiento de contenidos con una elevadacomponente de matematicas y estadıstica ası como conceptosteoricos que requieren un seguimiento y un esfuerzo continuado de losestudiantes.De acuerdo con Cano y Berben (2009), la motivacion juega un rolmuy importante en el sentido de que quizas los estudiantestrabajarıan mas y mejor si sintieran realmente que forman parte delproceso de aprendizaje.En este contexto, nuestra propuesta es tratar de introducir nuevosmetodos que puedan facilitar el aprendizaje y el feedback (no soloentre profesor y estudiante sino tambien entre estudiantes).
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 7 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
En esta lınea, Hattie y Timperley (2007) y Gijbels y Coertjens (2009)subrayan la importancia del feedback y sugieren que es crucial en elproceso de aprendizaje de los estudiantes.
Cuando la informacion fluye en dos direcciones, es mas sencilloresolver las dificultades que los estudiantes pueden encontrarse en elproceso de asimilacion de los contenidos, y esta bastante claro que losestudiantes prefieren compartir informacion entre ellos antes queinteractuar con el profesor.La motivacion de este trabajo reside pues en aportar al profesoradorecursos docentes adicionales que les permitan explotar nuevasoportunidades en este nuevo contexto de la educacion universitaria.Nuestra propuesta es el uso de tecnicas de cooperacion, tales como eltrabajo en equipo, complementadas con el estudio personal paraconseguir la adquisicion profunda y la consolidacion de lascompetencias.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 8 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
En esta lınea, Hattie y Timperley (2007) y Gijbels y Coertjens (2009)subrayan la importancia del feedback y sugieren que es crucial en elproceso de aprendizaje de los estudiantes.Cuando la informacion fluye en dos direcciones, es mas sencilloresolver las dificultades que los estudiantes pueden encontrarse en elproceso de asimilacion de los contenidos, y esta bastante claro que losestudiantes prefieren compartir informacion entre ellos antes queinteractuar con el profesor.
La motivacion de este trabajo reside pues en aportar al profesoradorecursos docentes adicionales que les permitan explotar nuevasoportunidades en este nuevo contexto de la educacion universitaria.Nuestra propuesta es el uso de tecnicas de cooperacion, tales como eltrabajo en equipo, complementadas con el estudio personal paraconseguir la adquisicion profunda y la consolidacion de lascompetencias.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 8 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
En esta lınea, Hattie y Timperley (2007) y Gijbels y Coertjens (2009)subrayan la importancia del feedback y sugieren que es crucial en elproceso de aprendizaje de los estudiantes.Cuando la informacion fluye en dos direcciones, es mas sencilloresolver las dificultades que los estudiantes pueden encontrarse en elproceso de asimilacion de los contenidos, y esta bastante claro que losestudiantes prefieren compartir informacion entre ellos antes queinteractuar con el profesor.La motivacion de este trabajo reside pues en aportar al profesoradorecursos docentes adicionales que les permitan explotar nuevasoportunidades en este nuevo contexto de la educacion universitaria.
Nuestra propuesta es el uso de tecnicas de cooperacion, tales como eltrabajo en equipo, complementadas con el estudio personal paraconseguir la adquisicion profunda y la consolidacion de lascompetencias.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 8 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
En esta lınea, Hattie y Timperley (2007) y Gijbels y Coertjens (2009)subrayan la importancia del feedback y sugieren que es crucial en elproceso de aprendizaje de los estudiantes.Cuando la informacion fluye en dos direcciones, es mas sencilloresolver las dificultades que los estudiantes pueden encontrarse en elproceso de asimilacion de los contenidos, y esta bastante claro que losestudiantes prefieren compartir informacion entre ellos antes queinteractuar con el profesor.La motivacion de este trabajo reside pues en aportar al profesoradorecursos docentes adicionales que les permitan explotar nuevasoportunidades en este nuevo contexto de la educacion universitaria.Nuestra propuesta es el uso de tecnicas de cooperacion, tales como eltrabajo en equipo, complementadas con el estudio personal paraconseguir la adquisicion profunda y la consolidacion de lascompetencias.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 8 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
Una cuestion relevante es la eleccion del software a utilizar, ya quemuchos de los paquetes disponibles tienen un precio elevado para lamayorıa de los estudiantes.
Nuestra propuesta es que los estudiantes utilicen R, un paqueteestadıstico de libre distribucion accesible a traves de su pagina web(www.r-project.org).A pesar de ser uno de los paquetes estadısticos mas potentes, elhecho de que se use a traves de comandos suele suponer un problemapara los estudiantes que estan comenzando a utilizarlo o para aquellosestudiantes cuyas habilidades informaticas son menores.Sin embargo, existen interfaces que facilitan su uso. En concreto,tanto RStudio como el R-commander facilitan una rapidafamiliarizacion a aquellos estudiantes acostumbrados a otros softwaresbasados en menus como SPSS o Stata.Nuestra propuesta se basa pues en un nuevo diseno de practicas delaboratorio en las que los estudiantes resuelven problemas deestadıstica de manera cooperativa utilizando R.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 9 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
Una cuestion relevante es la eleccion del software a utilizar, ya quemuchos de los paquetes disponibles tienen un precio elevado para lamayorıa de los estudiantes.Nuestra propuesta es que los estudiantes utilicen R, un paqueteestadıstico de libre distribucion accesible a traves de su pagina web(www.r-project.org).
A pesar de ser uno de los paquetes estadısticos mas potentes, elhecho de que se use a traves de comandos suele suponer un problemapara los estudiantes que estan comenzando a utilizarlo o para aquellosestudiantes cuyas habilidades informaticas son menores.Sin embargo, existen interfaces que facilitan su uso. En concreto,tanto RStudio como el R-commander facilitan una rapidafamiliarizacion a aquellos estudiantes acostumbrados a otros softwaresbasados en menus como SPSS o Stata.Nuestra propuesta se basa pues en un nuevo diseno de practicas delaboratorio en las que los estudiantes resuelven problemas deestadıstica de manera cooperativa utilizando R.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 9 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
Una cuestion relevante es la eleccion del software a utilizar, ya quemuchos de los paquetes disponibles tienen un precio elevado para lamayorıa de los estudiantes.Nuestra propuesta es que los estudiantes utilicen R, un paqueteestadıstico de libre distribucion accesible a traves de su pagina web(www.r-project.org).A pesar de ser uno de los paquetes estadısticos mas potentes, elhecho de que se use a traves de comandos suele suponer un problemapara los estudiantes que estan comenzando a utilizarlo o para aquellosestudiantes cuyas habilidades informaticas son menores.
Sin embargo, existen interfaces que facilitan su uso. En concreto,tanto RStudio como el R-commander facilitan una rapidafamiliarizacion a aquellos estudiantes acostumbrados a otros softwaresbasados en menus como SPSS o Stata.Nuestra propuesta se basa pues en un nuevo diseno de practicas delaboratorio en las que los estudiantes resuelven problemas deestadıstica de manera cooperativa utilizando R.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 9 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
Una cuestion relevante es la eleccion del software a utilizar, ya quemuchos de los paquetes disponibles tienen un precio elevado para lamayorıa de los estudiantes.Nuestra propuesta es que los estudiantes utilicen R, un paqueteestadıstico de libre distribucion accesible a traves de su pagina web(www.r-project.org).A pesar de ser uno de los paquetes estadısticos mas potentes, elhecho de que se use a traves de comandos suele suponer un problemapara los estudiantes que estan comenzando a utilizarlo o para aquellosestudiantes cuyas habilidades informaticas son menores.Sin embargo, existen interfaces que facilitan su uso. En concreto,tanto RStudio como el R-commander facilitan una rapidafamiliarizacion a aquellos estudiantes acostumbrados a otros softwaresbasados en menus como SPSS o Stata.
Nuestra propuesta se basa pues en un nuevo diseno de practicas delaboratorio en las que los estudiantes resuelven problemas deestadıstica de manera cooperativa utilizando R.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 9 / 22
El contexto de la Estadıstica para la Economıa y la Empresa
Una cuestion relevante es la eleccion del software a utilizar, ya quemuchos de los paquetes disponibles tienen un precio elevado para lamayorıa de los estudiantes.Nuestra propuesta es que los estudiantes utilicen R, un paqueteestadıstico de libre distribucion accesible a traves de su pagina web(www.r-project.org).A pesar de ser uno de los paquetes estadısticos mas potentes, elhecho de que se use a traves de comandos suele suponer un problemapara los estudiantes que estan comenzando a utilizarlo o para aquellosestudiantes cuyas habilidades informaticas son menores.Sin embargo, existen interfaces que facilitan su uso. En concreto,tanto RStudio como el R-commander facilitan una rapidafamiliarizacion a aquellos estudiantes acostumbrados a otros softwaresbasados en menus como SPSS o Stata.Nuestra propuesta se basa pues en un nuevo diseno de practicas delaboratorio en las que los estudiantes resuelven problemas deestadıstica de manera cooperativa utilizando R.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 9 / 22
Metodos Trabajo en equipo
Trabajo en equipo
Dividir a los estudiantes en grupos potencia la consolidacion de laproductividad y la consolidacion del aprendizaje a la vez que favoreceel dinamismo a traves del feedback.
El resultado total de todos los miembros del grupo de maneraconjunta es superior a la suma de los resultados individuales. Elnumero de personas en un equipo debe estar limitado; consideramosque grupos de tres o cuatro estudiantes ofrecen las mayores ventajas.Los equipos de trabajo pueden formarse de dos maneras:
1 Los estudiantes forman sus propios grupos, una opcion que ellosprefieren, ya que les permite trabajar con gente que conocen o con losque han trabajado antes.
2 El docente es el que forma los grupos basandose en un criterio previoque haga que los grupos tengan similitudes y sean homogeneos.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 10 / 22
Metodos Trabajo en equipo
Trabajo en equipo
Dividir a los estudiantes en grupos potencia la consolidacion de laproductividad y la consolidacion del aprendizaje a la vez que favoreceel dinamismo a traves del feedback.El resultado total de todos los miembros del grupo de maneraconjunta es superior a la suma de los resultados individuales. Elnumero de personas en un equipo debe estar limitado; consideramosque grupos de tres o cuatro estudiantes ofrecen las mayores ventajas.
Los equipos de trabajo pueden formarse de dos maneras:
1 Los estudiantes forman sus propios grupos, una opcion que ellosprefieren, ya que les permite trabajar con gente que conocen o con losque han trabajado antes.
2 El docente es el que forma los grupos basandose en un criterio previoque haga que los grupos tengan similitudes y sean homogeneos.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 10 / 22
Metodos Trabajo en equipo
Trabajo en equipo
Dividir a los estudiantes en grupos potencia la consolidacion de laproductividad y la consolidacion del aprendizaje a la vez que favoreceel dinamismo a traves del feedback.El resultado total de todos los miembros del grupo de maneraconjunta es superior a la suma de los resultados individuales. Elnumero de personas en un equipo debe estar limitado; consideramosque grupos de tres o cuatro estudiantes ofrecen las mayores ventajas.Los equipos de trabajo pueden formarse de dos maneras:
1 Los estudiantes forman sus propios grupos, una opcion que ellosprefieren, ya que les permite trabajar con gente que conocen o con losque han trabajado antes.
2 El docente es el que forma los grupos basandose en un criterio previoque haga que los grupos tengan similitudes y sean homogeneos.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 10 / 22
Metodos Trabajo en equipo
Trabajo en equipo
Dividir a los estudiantes en grupos potencia la consolidacion de laproductividad y la consolidacion del aprendizaje a la vez que favoreceel dinamismo a traves del feedback.El resultado total de todos los miembros del grupo de maneraconjunta es superior a la suma de los resultados individuales. Elnumero de personas en un equipo debe estar limitado; consideramosque grupos de tres o cuatro estudiantes ofrecen las mayores ventajas.Los equipos de trabajo pueden formarse de dos maneras:
1 Los estudiantes forman sus propios grupos, una opcion que ellosprefieren, ya que les permite trabajar con gente que conocen o con losque han trabajado antes.
2 El docente es el que forma los grupos basandose en un criterio previoque haga que los grupos tengan similitudes y sean homogeneos.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 10 / 22
Metodos Trabajo en equipo
Trabajo en equipo
Dividir a los estudiantes en grupos potencia la consolidacion de laproductividad y la consolidacion del aprendizaje a la vez que favoreceel dinamismo a traves del feedback.El resultado total de todos los miembros del grupo de maneraconjunta es superior a la suma de los resultados individuales. Elnumero de personas en un equipo debe estar limitado; consideramosque grupos de tres o cuatro estudiantes ofrecen las mayores ventajas.Los equipos de trabajo pueden formarse de dos maneras:
1 Los estudiantes forman sus propios grupos, una opcion que ellosprefieren, ya que les permite trabajar con gente que conocen o con losque han trabajado antes.
2 El docente es el que forma los grupos basandose en un criterio previoque haga que los grupos tengan similitudes y sean homogeneos.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 10 / 22
Metodos Trabajo en equipo
En nuestro caso, debido al gran numero de estudiantes de laasignatura, pretendemos trabajar con grupos de cuatro (cincoexcepcionalmente).
Una vez los grupos se han formado, se les da una guıa con losobjetivos y los temas a tratar durante las ocho semanas de duraciondel proyecto.Despues de una supervision planificada a traves de tutorıas y unseguimiento formal, al final del perıodo los estudiantes entregan sutrabajo finalizado y lo presentan en clase.Todo el trabajo del proyecto se comparte entre los estudiantes, quereciben el feedback del docente y, cuando lo desean, de otrosestudiantes de otros equipos, que tambien pueden participar en ladiscusion final.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 11 / 22
Metodos Trabajo en equipo
En nuestro caso, debido al gran numero de estudiantes de laasignatura, pretendemos trabajar con grupos de cuatro (cincoexcepcionalmente).Una vez los grupos se han formado, se les da una guıa con losobjetivos y los temas a tratar durante las ocho semanas de duraciondel proyecto.
Despues de una supervision planificada a traves de tutorıas y unseguimiento formal, al final del perıodo los estudiantes entregan sutrabajo finalizado y lo presentan en clase.Todo el trabajo del proyecto se comparte entre los estudiantes, quereciben el feedback del docente y, cuando lo desean, de otrosestudiantes de otros equipos, que tambien pueden participar en ladiscusion final.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 11 / 22
Metodos Trabajo en equipo
En nuestro caso, debido al gran numero de estudiantes de laasignatura, pretendemos trabajar con grupos de cuatro (cincoexcepcionalmente).Una vez los grupos se han formado, se les da una guıa con losobjetivos y los temas a tratar durante las ocho semanas de duraciondel proyecto.Despues de una supervision planificada a traves de tutorıas y unseguimiento formal, al final del perıodo los estudiantes entregan sutrabajo finalizado y lo presentan en clase.
Todo el trabajo del proyecto se comparte entre los estudiantes, quereciben el feedback del docente y, cuando lo desean, de otrosestudiantes de otros equipos, que tambien pueden participar en ladiscusion final.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 11 / 22
Metodos Trabajo en equipo
En nuestro caso, debido al gran numero de estudiantes de laasignatura, pretendemos trabajar con grupos de cuatro (cincoexcepcionalmente).Una vez los grupos se han formado, se les da una guıa con losobjetivos y los temas a tratar durante las ocho semanas de duraciondel proyecto.Despues de una supervision planificada a traves de tutorıas y unseguimiento formal, al final del perıodo los estudiantes entregan sutrabajo finalizado y lo presentan en clase.Todo el trabajo del proyecto se comparte entre los estudiantes, quereciben el feedback del docente y, cuando lo desean, de otrosestudiantes de otros equipos, que tambien pueden participar en ladiscusion final.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 11 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.
Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.Se promueve la creatividad y la sinergia.El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.
La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.Se promueve la creatividad y la sinergia.El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.
Se promueve la creatividad y la sinergia.El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.Se promueve la creatividad y la sinergia.
El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.Se promueve la creatividad y la sinergia.El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.
Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Ventajas
La responsabilidad de la consecucion de los objetivos y los incentivospara conseguirlos se comparten entre todos los miembros del grupo.Potencia la motivacion, tanto para los estudiantes que son menoscompetentes en la asignatura (porque encuentran apoyo en suscompaneros), como para los que sı tienen un mayor conocimientopues tienen la oportunidad de ayudar a sus colegas y ası ampliar ypotenciar sus habilidades de transmisores de conocimiento.La calidad del trabajo es mayor ya que el contenido se acuerdapreviamente.Se promueve la creatividad y la sinergia.El trabajo final se enriquece con las diferentes aproximaciones ypuntos de vista.Es muy similar a la experiencia de un entorno de trabajo real.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 12 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.
La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.
Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.
El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.
La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.
Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Trabajo en equipo
Desventajas
Mayor inversion de tiempo y esfuerzo para conseguir un consenso.La pluralidad tiene un efecto negativo cuando los miembros delequipo no interactuan bien.Si una persona emerge como el lıder dominante, el equipo pierde suidentidad.El sentido de la responsabilidad puede quedarse en segundo planopara aquellos miembros que confıan en que sus companeros van aconseguir que el proyecto llegue a buen fin.La participacion de todos los miembros del grupo no esta siempretodo lo equilibrada que serıa deseable.Algunos estudiantes expresan su desacuerdo cuando no todos losmiembros persiguen sus obligaciones previamente adquiridas.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 13 / 22
Metodos Cooperacion: tecnica “puzzle”
Cooperacion: tecnica “puzzle” (jigsaw)
La aplicacion de la tecnica de cooperacion “puzzle” de Aronson et al.(1978) consiste en la division de los estudiantes de manera aleatoriaen grupos pequenos que no tienen que ser necesariamentehomogeneos.
De la misma manera que cada pieza de un rompecabezas es necesariapara finalizar un puzzle, cada miembro del equipo es importante ynecesario para conseguir el objetivo final.Cada estudiante es esencial, y cada uno debe ser consciente de esto einvolucrarse completamente para su beneficio y el del grupo: esto esclave para el exito de esta propuesta.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 14 / 22
Metodos Cooperacion: tecnica “puzzle”
Cooperacion: tecnica “puzzle” (jigsaw)
La aplicacion de la tecnica de cooperacion “puzzle” de Aronson et al.(1978) consiste en la division de los estudiantes de manera aleatoriaen grupos pequenos que no tienen que ser necesariamentehomogeneos.De la misma manera que cada pieza de un rompecabezas es necesariapara finalizar un puzzle, cada miembro del equipo es importante ynecesario para conseguir el objetivo final.
Cada estudiante es esencial, y cada uno debe ser consciente de esto einvolucrarse completamente para su beneficio y el del grupo: esto esclave para el exito de esta propuesta.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 14 / 22
Metodos Cooperacion: tecnica “puzzle”
Cooperacion: tecnica “puzzle” (jigsaw)
La aplicacion de la tecnica de cooperacion “puzzle” de Aronson et al.(1978) consiste en la division de los estudiantes de manera aleatoriaen grupos pequenos que no tienen que ser necesariamentehomogeneos.De la misma manera que cada pieza de un rompecabezas es necesariapara finalizar un puzzle, cada miembro del equipo es importante ynecesario para conseguir el objetivo final.Cada estudiante es esencial, y cada uno debe ser consciente de esto einvolucrarse completamente para su beneficio y el del grupo: esto esclave para el exito de esta propuesta.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 14 / 22
Metodos Cooperacion: tecnica “puzzle”
Se divide a los estudiantes en grupos de no mas de cinco estudiantes.
Los objetivos de la experiencia se estructuran de tal manera que cadaestudiante tenga un interes tanto en su rendimiento como en el de suscompaneros.Lo que realmente es interesante de esta tecnica es la versatilidad queofrece al designar expertos, esto es, cada estudiante del grupo seespecializa en un area del tema y los estudiantes de cada uno de losgrupos que trabajan en ese area se reunen para compartir suconocimiento y formar grupos de especialistas.Despues cada experto vuelve a su grupo original y comparte elconocimiento adquirido con los otros miembros del grupo.Finalmente, la interdependencia entre los miembros del grupo lleva ala cooperacion y a la responsabilidad que conduce el proceso deaprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 15 / 22
Metodos Cooperacion: tecnica “puzzle”
Se divide a los estudiantes en grupos de no mas de cinco estudiantes.Los objetivos de la experiencia se estructuran de tal manera que cadaestudiante tenga un interes tanto en su rendimiento como en el de suscompaneros.
Lo que realmente es interesante de esta tecnica es la versatilidad queofrece al designar expertos, esto es, cada estudiante del grupo seespecializa en un area del tema y los estudiantes de cada uno de losgrupos que trabajan en ese area se reunen para compartir suconocimiento y formar grupos de especialistas.Despues cada experto vuelve a su grupo original y comparte elconocimiento adquirido con los otros miembros del grupo.Finalmente, la interdependencia entre los miembros del grupo lleva ala cooperacion y a la responsabilidad que conduce el proceso deaprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 15 / 22
Metodos Cooperacion: tecnica “puzzle”
Se divide a los estudiantes en grupos de no mas de cinco estudiantes.Los objetivos de la experiencia se estructuran de tal manera que cadaestudiante tenga un interes tanto en su rendimiento como en el de suscompaneros.Lo que realmente es interesante de esta tecnica es la versatilidad queofrece al designar expertos, esto es, cada estudiante del grupo seespecializa en un area del tema y los estudiantes de cada uno de losgrupos que trabajan en ese area se reunen para compartir suconocimiento y formar grupos de especialistas.
Despues cada experto vuelve a su grupo original y comparte elconocimiento adquirido con los otros miembros del grupo.Finalmente, la interdependencia entre los miembros del grupo lleva ala cooperacion y a la responsabilidad que conduce el proceso deaprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 15 / 22
Metodos Cooperacion: tecnica “puzzle”
Se divide a los estudiantes en grupos de no mas de cinco estudiantes.Los objetivos de la experiencia se estructuran de tal manera que cadaestudiante tenga un interes tanto en su rendimiento como en el de suscompaneros.Lo que realmente es interesante de esta tecnica es la versatilidad queofrece al designar expertos, esto es, cada estudiante del grupo seespecializa en un area del tema y los estudiantes de cada uno de losgrupos que trabajan en ese area se reunen para compartir suconocimiento y formar grupos de especialistas.Despues cada experto vuelve a su grupo original y comparte elconocimiento adquirido con los otros miembros del grupo.
Finalmente, la interdependencia entre los miembros del grupo lleva ala cooperacion y a la responsabilidad que conduce el proceso deaprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 15 / 22
Metodos Cooperacion: tecnica “puzzle”
Se divide a los estudiantes en grupos de no mas de cinco estudiantes.Los objetivos de la experiencia se estructuran de tal manera que cadaestudiante tenga un interes tanto en su rendimiento como en el de suscompaneros.Lo que realmente es interesante de esta tecnica es la versatilidad queofrece al designar expertos, esto es, cada estudiante del grupo seespecializa en un area del tema y los estudiantes de cada uno de losgrupos que trabajan en ese area se reunen para compartir suconocimiento y formar grupos de especialistas.Despues cada experto vuelve a su grupo original y comparte elconocimiento adquirido con los otros miembros del grupo.Finalmente, la interdependencia entre los miembros del grupo lleva ala cooperacion y a la responsabilidad que conduce el proceso deaprendizaje.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 15 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.
Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.Hay una responsabilidad grupal, pero tambien individual.La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.
Hay una responsabilidad grupal, pero tambien individual.La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.Hay una responsabilidad grupal, pero tambien individual.
La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.Hay una responsabilidad grupal, pero tambien individual.La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.
Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.Hay una responsabilidad grupal, pero tambien individual.La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.
Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Ventajas (I)
Esta basada en la interdependencia positiva y la responsabilidad entretodos los miembros del grupo.Los estudiantes estan muy motivados porque su rendimiento dependedel rendimiento de sus companeros.Hay una responsabilidad grupal, pero tambien individual.La composicion del grupo es heterogenea, lo que permite a todos losestudiantes participar sin discriminacion.Todos los miembros del grupo contribuyen de manera equivalente sindistincion entre roles intra grupos; en cualquier caso, los grupos seorganizan de tal manera que todos son expertos y el liderazgo secomparte.Se ha demostrado la satisfaccion de los estudiantes ante la tecnica.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 16 / 22
Metodos Cooperacion: tecnica “puzzle”
Desventajas
Se desarrolla en la clase: involucra ajustes en la organizacion docente.
Requiere una monitorizacion intensa para conseguir un buenfuncionamiento.Algunos estudiantes que no estan familiarizados con la tecnicaexperimentan ansiedad o estres al tener que terminar la actividadantes del final de la clase.Todos los estudiantes tienen que estar involucrados y el procedimientotiene que estar muy claro, ya que el exito de la actividad y lasventajas dependen en gran medida de ello.La presencia de un estudiante ‘experto’, que tome el rol de un lıderconvencional y tomar el control del grupo, podrıa eclipsar otrosmiembros del grupo evitando ası la participacion equitativa de todoslos miembros. Una posible solucion serıa extraer del grupo a dichoestudiante. En cualquier caso, la participacion equitativa debepromoverse.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 17 / 22
Metodos Cooperacion: tecnica “puzzle”
Desventajas
Se desarrolla en la clase: involucra ajustes en la organizacion docente.Requiere una monitorizacion intensa para conseguir un buenfuncionamiento.
Algunos estudiantes que no estan familiarizados con la tecnicaexperimentan ansiedad o estres al tener que terminar la actividadantes del final de la clase.Todos los estudiantes tienen que estar involucrados y el procedimientotiene que estar muy claro, ya que el exito de la actividad y lasventajas dependen en gran medida de ello.La presencia de un estudiante ‘experto’, que tome el rol de un lıderconvencional y tomar el control del grupo, podrıa eclipsar otrosmiembros del grupo evitando ası la participacion equitativa de todoslos miembros. Una posible solucion serıa extraer del grupo a dichoestudiante. En cualquier caso, la participacion equitativa debepromoverse.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 17 / 22
Metodos Cooperacion: tecnica “puzzle”
Desventajas
Se desarrolla en la clase: involucra ajustes en la organizacion docente.Requiere una monitorizacion intensa para conseguir un buenfuncionamiento.Algunos estudiantes que no estan familiarizados con la tecnicaexperimentan ansiedad o estres al tener que terminar la actividadantes del final de la clase.
Todos los estudiantes tienen que estar involucrados y el procedimientotiene que estar muy claro, ya que el exito de la actividad y lasventajas dependen en gran medida de ello.La presencia de un estudiante ‘experto’, que tome el rol de un lıderconvencional y tomar el control del grupo, podrıa eclipsar otrosmiembros del grupo evitando ası la participacion equitativa de todoslos miembros. Una posible solucion serıa extraer del grupo a dichoestudiante. En cualquier caso, la participacion equitativa debepromoverse.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 17 / 22
Metodos Cooperacion: tecnica “puzzle”
Desventajas
Se desarrolla en la clase: involucra ajustes en la organizacion docente.Requiere una monitorizacion intensa para conseguir un buenfuncionamiento.Algunos estudiantes que no estan familiarizados con la tecnicaexperimentan ansiedad o estres al tener que terminar la actividadantes del final de la clase.Todos los estudiantes tienen que estar involucrados y el procedimientotiene que estar muy claro, ya que el exito de la actividad y lasventajas dependen en gran medida de ello.
La presencia de un estudiante ‘experto’, que tome el rol de un lıderconvencional y tomar el control del grupo, podrıa eclipsar otrosmiembros del grupo evitando ası la participacion equitativa de todoslos miembros. Una posible solucion serıa extraer del grupo a dichoestudiante. En cualquier caso, la participacion equitativa debepromoverse.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 17 / 22
Metodos Cooperacion: tecnica “puzzle”
Desventajas
Se desarrolla en la clase: involucra ajustes en la organizacion docente.Requiere una monitorizacion intensa para conseguir un buenfuncionamiento.Algunos estudiantes que no estan familiarizados con la tecnicaexperimentan ansiedad o estres al tener que terminar la actividadantes del final de la clase.Todos los estudiantes tienen que estar involucrados y el procedimientotiene que estar muy claro, ya que el exito de la actividad y lasventajas dependen en gran medida de ello.La presencia de un estudiante ‘experto’, que tome el rol de un lıderconvencional y tomar el control del grupo, podrıa eclipsar otrosmiembros del grupo evitando ası la participacion equitativa de todoslos miembros. Una posible solucion serıa extraer del grupo a dichoestudiante. En cualquier caso, la participacion equitativa debepromoverse.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 17 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?
2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?
3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?
4 ¿Crees que es importante el promover cambios en el proceso deaprendizaje?
5 El soporte y el feedback con tu profesor, ¿son importantes para tı?Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?
5 El soporte y el feedback con tu profesor, ¿son importantes para tı?Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.
La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.
Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
Propuesta: implementar las dos tecnicas con una muestra de 45 estudiantes.Al acabar los estudiantes deben contestar las siguientes preguntas:
1 ¿Te gusta esta tecnica de aprendizaje?2 ¿Crees que el profesor ayuda en el proceso de aprendizaje?3 ¿Has conseguido los objetivos mediante esta tecnica?4 ¿Crees que es importante el promover cambios en el proceso de
aprendizaje?5 El soporte y el feedback con tu profesor, ¿son importantes para tı?
Vamos a solicitar preguntas cortas y no escalas de satisfaccion en un intentode conseguir un grado total de satisfaccion.La idea es recopilar la informacion sobre la aplicacion de estas dos tecnicas ysu posterior comparacion con el metodo tradicional.Realizaremos reuniones con otros profesores involucrados en la asignaturapara discutir la posibilidad de seguir con el procedimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 18 / 22
Propuesta
En la siguiente tabla presentamos resultados de la aplicacion de la mismapropuesta en una asignatura de Finanzas obtenidos en una muestra de 45estudiantes.
Trabajo en equipo Jigsaw TradicionalPregunta # Si No ns/nc Si No ns/nc Si No ns/nc
(1) 100.0 0.0 0.0 62.2 37.8 0.0 80.0 17.8 2.2(2) 100.0 0.0 0.0 66.7 33.3 0.0 93.3 6.7 0.0(3) 97.0 3.0 0.0 51.1 48.9 0.0 82.2 17.8 0.0(4) 90.9 9.1 0.0 75.6 17.8 6.7 84.4 13.3 2.2(5) 97.0 3.0 0.0 93.3 4.4 2.2 97.8 2.2 0.0a Los resultados se presentan en porcentajes.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 19 / 22
Propuesta
Resumen de los resultados de la aplicacion en otraasignatura
El metodo mas popular es el trabajo en equipo (100%), seguido delmetodo tradicional y el metodo puzzle, que tiene solo el 62.2% derespuestas positivas.
Los estudiantes tambien valoran muy positivamente el soporte delprofesor en la tecnica del trabajo en equipo (100%), seguido del metodotradicional (93%) y a distancia de la tecnica puzzle (66.7%); claramentelos resultados mas bajos de esta tecnica nos indican que es menosatractiva a los estudiantes en comparacion con las otras dos.Los resultados de la cuarta pregunta (90% positivos) nos permitenconcluir que la experiencia del trabajo en equipo involucra mucho mas alos estudiantes que el metodo tradicional.Para concluir, los altos porcentajes de positivos en la ultima pregunta, porencima del 90% en todos los casos, nos indica que estamos en el caminode mejora del proceso de aprendizaje, no solo aportando nuevos recursossino estimulando dicho aprendizaje y manteniendo un constante contactocon el proceso a traves del feedback.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 20 / 22
Propuesta
Resumen de los resultados de la aplicacion en otraasignatura
El metodo mas popular es el trabajo en equipo (100%), seguido delmetodo tradicional y el metodo puzzle, que tiene solo el 62.2% derespuestas positivas.Los estudiantes tambien valoran muy positivamente el soporte delprofesor en la tecnica del trabajo en equipo (100%), seguido del metodotradicional (93%) y a distancia de la tecnica puzzle (66.7%); claramentelos resultados mas bajos de esta tecnica nos indican que es menosatractiva a los estudiantes en comparacion con las otras dos.
Los resultados de la cuarta pregunta (90% positivos) nos permitenconcluir que la experiencia del trabajo en equipo involucra mucho mas alos estudiantes que el metodo tradicional.Para concluir, los altos porcentajes de positivos en la ultima pregunta, porencima del 90% en todos los casos, nos indica que estamos en el caminode mejora del proceso de aprendizaje, no solo aportando nuevos recursossino estimulando dicho aprendizaje y manteniendo un constante contactocon el proceso a traves del feedback.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 20 / 22
Propuesta
Resumen de los resultados de la aplicacion en otraasignatura
El metodo mas popular es el trabajo en equipo (100%), seguido delmetodo tradicional y el metodo puzzle, que tiene solo el 62.2% derespuestas positivas.Los estudiantes tambien valoran muy positivamente el soporte delprofesor en la tecnica del trabajo en equipo (100%), seguido del metodotradicional (93%) y a distancia de la tecnica puzzle (66.7%); claramentelos resultados mas bajos de esta tecnica nos indican que es menosatractiva a los estudiantes en comparacion con las otras dos.Los resultados de la cuarta pregunta (90% positivos) nos permitenconcluir que la experiencia del trabajo en equipo involucra mucho mas alos estudiantes que el metodo tradicional.
Para concluir, los altos porcentajes de positivos en la ultima pregunta, porencima del 90% en todos los casos, nos indica que estamos en el caminode mejora del proceso de aprendizaje, no solo aportando nuevos recursossino estimulando dicho aprendizaje y manteniendo un constante contactocon el proceso a traves del feedback.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 20 / 22
Propuesta
Resumen de los resultados de la aplicacion en otraasignatura
El metodo mas popular es el trabajo en equipo (100%), seguido delmetodo tradicional y el metodo puzzle, que tiene solo el 62.2% derespuestas positivas.Los estudiantes tambien valoran muy positivamente el soporte delprofesor en la tecnica del trabajo en equipo (100%), seguido del metodotradicional (93%) y a distancia de la tecnica puzzle (66.7%); claramentelos resultados mas bajos de esta tecnica nos indican que es menosatractiva a los estudiantes en comparacion con las otras dos.Los resultados de la cuarta pregunta (90% positivos) nos permitenconcluir que la experiencia del trabajo en equipo involucra mucho mas alos estudiantes que el metodo tradicional.Para concluir, los altos porcentajes de positivos en la ultima pregunta, porencima del 90% en todos los casos, nos indica que estamos en el caminode mejora del proceso de aprendizaje, no solo aportando nuevos recursossino estimulando dicho aprendizaje y manteniendo un constante contactocon el proceso a traves del feedback.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 20 / 22
Conclusiones
Conclusiones
Pretendemos implementar una nueva aproximacion a la asignatura deEstadıstica para la Economıa y la Empresa mediante la utilizacion detecnicas de trabajo en equipo.
Pretendemos introducir R como herramienta de trabajo, pese a sudificultad en determinados contextos.Se espera que la experiencia docente nos permita identificar puntosfuertes y debiles en la aplicacion de estas nuevas tecnicas.La experiencia previa en otra asignatura parece muy positiva ymotivadora tanto para los estudiantes como para el profesorado.Indudablemente nos encontramos inmersos en un profundo proceso decambio y pequenas acciones como esta pueden ayudar en dichocambio (nada sencillo por otra parte), que por otra parte parecenecesario para mejorar la docencia y ayudar en el proceso deconsolidacion del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 21 / 22
Conclusiones
Conclusiones
Pretendemos implementar una nueva aproximacion a la asignatura deEstadıstica para la Economıa y la Empresa mediante la utilizacion detecnicas de trabajo en equipo.Pretendemos introducir R como herramienta de trabajo, pese a sudificultad en determinados contextos.
Se espera que la experiencia docente nos permita identificar puntosfuertes y debiles en la aplicacion de estas nuevas tecnicas.La experiencia previa en otra asignatura parece muy positiva ymotivadora tanto para los estudiantes como para el profesorado.Indudablemente nos encontramos inmersos en un profundo proceso decambio y pequenas acciones como esta pueden ayudar en dichocambio (nada sencillo por otra parte), que por otra parte parecenecesario para mejorar la docencia y ayudar en el proceso deconsolidacion del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 21 / 22
Conclusiones
Conclusiones
Pretendemos implementar una nueva aproximacion a la asignatura deEstadıstica para la Economıa y la Empresa mediante la utilizacion detecnicas de trabajo en equipo.Pretendemos introducir R como herramienta de trabajo, pese a sudificultad en determinados contextos.Se espera que la experiencia docente nos permita identificar puntosfuertes y debiles en la aplicacion de estas nuevas tecnicas.
La experiencia previa en otra asignatura parece muy positiva ymotivadora tanto para los estudiantes como para el profesorado.Indudablemente nos encontramos inmersos en un profundo proceso decambio y pequenas acciones como esta pueden ayudar en dichocambio (nada sencillo por otra parte), que por otra parte parecenecesario para mejorar la docencia y ayudar en el proceso deconsolidacion del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 21 / 22
Conclusiones
Conclusiones
Pretendemos implementar una nueva aproximacion a la asignatura deEstadıstica para la Economıa y la Empresa mediante la utilizacion detecnicas de trabajo en equipo.Pretendemos introducir R como herramienta de trabajo, pese a sudificultad en determinados contextos.Se espera que la experiencia docente nos permita identificar puntosfuertes y debiles en la aplicacion de estas nuevas tecnicas.La experiencia previa en otra asignatura parece muy positiva ymotivadora tanto para los estudiantes como para el profesorado.
Indudablemente nos encontramos inmersos en un profundo proceso decambio y pequenas acciones como esta pueden ayudar en dichocambio (nada sencillo por otra parte), que por otra parte parecenecesario para mejorar la docencia y ayudar en el proceso deconsolidacion del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 21 / 22
Conclusiones
Conclusiones
Pretendemos implementar una nueva aproximacion a la asignatura deEstadıstica para la Economıa y la Empresa mediante la utilizacion detecnicas de trabajo en equipo.Pretendemos introducir R como herramienta de trabajo, pese a sudificultad en determinados contextos.Se espera que la experiencia docente nos permita identificar puntosfuertes y debiles en la aplicacion de estas nuevas tecnicas.La experiencia previa en otra asignatura parece muy positiva ymotivadora tanto para los estudiantes como para el profesorado.Indudablemente nos encontramos inmersos en un profundo proceso decambio y pequenas acciones como esta pueden ayudar en dichocambio (nada sencillo por otra parte), que por otra parte parecenecesario para mejorar la docencia y ayudar en el proceso deconsolidacion del conocimiento.
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 21 / 22
Conclusiones
MUCHAS GRACIAS
David Conesa (Universitat de Valencia) Aprendizaje en cooperacion y R 16 Julio de 2012 22 / 22
R como herramienta vehicular en el Máster en
Bioestadística
David V. Conesa Guillén y Antonio López-Quílez
Grup d'Estadística Espacial i Temporal en Epidemiologia i Medi Ambient
Dept. d'Estadística i Investigació Operativa
Universitat de València
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 1 / 22
1 Máster Bioestadística.
2 El entorno R en el Máster de Bioestadística.
3 Conclusiones
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 2 / 22
Presentación del Máster.
Los vertiginosos avances tecnológicos y en comunicación acontecidosen los últimos tiempos, han favorecido la consecución de datos, hastaahora inviables, y la acumulación considerable de mediciones sobrediversos fenómenos.
Surge pues la necesidad de una nueva �gura profesional indispensable,capacitada para el tratamiento exhaustivo de toda la informaciónrecopilada, su análisis y la obtención de conclusiones sobre el tema aestudio.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística, bajo las diversas perspectivas frecuentista y Bayesiana, ycapaces de llevar a cabo desde el diseño de una investigación hasta eltratamiento de datos, análisis y la derivación de los correspondientesinformes de interés.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 4 / 22
Presentación del Máster.
Los vertiginosos avances tecnológicos y en comunicación acontecidosen los últimos tiempos, han favorecido la consecución de datos, hastaahora inviables, y la acumulación considerable de mediciones sobrediversos fenómenos.
Surge pues la necesidad de una nueva �gura profesional indispensable,capacitada para el tratamiento exhaustivo de toda la informaciónrecopilada, su análisis y la obtención de conclusiones sobre el tema aestudio.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística, bajo las diversas perspectivas frecuentista y Bayesiana, ycapaces de llevar a cabo desde el diseño de una investigación hasta eltratamiento de datos, análisis y la derivación de los correspondientesinformes de interés.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 4 / 22
Presentación del Máster.
Los vertiginosos avances tecnológicos y en comunicación acontecidosen los últimos tiempos, han favorecido la consecución de datos, hastaahora inviables, y la acumulación considerable de mediciones sobrediversos fenómenos.
Surge pues la necesidad de una nueva �gura profesional indispensable,capacitada para el tratamiento exhaustivo de toda la informaciónrecopilada, su análisis y la obtención de conclusiones sobre el tema aestudio.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística, bajo las diversas perspectivas frecuentista y Bayesiana, ycapaces de llevar a cabo desde el diseño de una investigación hasta eltratamiento de datos, análisis y la derivación de los correspondientesinformes de interés.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 4 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Objetivos del Máster.
Formar expertos en modelización estadística, capacitándolos para laresolución de problemas a partir de información empírica más o menoscompleja y/o completa.
Desde el trabajo colaborativo en equipos multidisciplinares.
Orientación profesional.
Especialización en los contextos de:I la epidemiologíaI la investigación clínica y farmacéuticaI el medio ambiente y los sistemas naturales
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 5 / 22
Primeros resultados.
Primera promoción (2010-11):33 estudiantes matriculadosTerminando prácticas y trabajos �n de máster
Segunda promoción (2011-12):18 estudiantes matriculadosAcabando el primer año con los módulos de modelización
Tercera promoción (2012-13):15 estudiantes prematriculados
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 6 / 22
Primeros resultados.
Primera promoción (2010-11):33 estudiantes matriculadosTerminando prácticas y trabajos �n de máster
Segunda promoción (2011-12):18 estudiantes matriculadosAcabando el primer año con los módulos de modelización
Tercera promoción (2012-13):15 estudiantes prematriculados
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 6 / 22
Primeros resultados.
Primera promoción (2010-11):33 estudiantes matriculadosTerminando prácticas y trabajos �n de máster
Segunda promoción (2011-12):18 estudiantes matriculadosAcabando el primer año con los módulos de modelización
Tercera promoción (2012-13):15 estudiantes prematriculados
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 6 / 22
Estructura Académica.
PRIMER SEMESTRE1. Herramientas Matemáticas e Informáticas 18 ECTS2. Estadística 12 ECTSTOTAL 30 ECTS
SEGUNDO SEMESTRE3. Modelización Estadística 15 ECTS4. Modelización Avanzada 15 ECTSTOTAL 30 ECTS
TERCER SEMESTRE5. Especialización 12 ECTS6. Prácticas Externas 6 ECTS7. Trabajo Fin de Máster 12 ECTSTOTAL 30 ECTS
TOTAL MÁSTER 90 ECTS
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 7 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Primer semestre.
Herramientas Matemáticas e Informáticas (18 ECTS)I Computación y programación en RI Gestión de bases de datosI Matemáticas en bioestadísticaI Probabilidad y simulación
Estadística (12 ECTS)I Plani�cación de la investigaciónI Minería de datosI Estadística Bayesiana
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 8 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Segundo semestre.
Modelización Estadística (15 ECTS)I Modelos linealesI Series temporalesI Estadística espacial
Modelización Avanzada (15 ECTS)I Modelos lineales generalizadosI Modelos de suavizado, aditivos y mixtosI Modelos jerárquicos Bayesianos
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 9 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Tercer semestre.
Especialización (12 ECTS)I EpidemiologíaI Investigación clínica y farmacéuticaI Investigación en sistemas naturales y medioambientales
Prácticas externas (6 ECTS)
Trabajo Fin de Máster (12 ECTS)
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 10 / 22
Más información.
http://www.masterbioestadistica.com
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 11 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Per�l estudiantes primera promoción.
13 hombres y 20 mujeres
Edad media: 31 años
Extranjeros: 10%
Prodecen fuera CV: 25%
Lic. en CC y TT Estadísticas 7Dip. en Estadística 1Lic. en Matemáticas 6Lic. en Economía 1Ing. en Informática 1Ing. Industrial 1Ing. Técnica Forestal 1Lic. en Biología 7Lic. en Ciencias Ambientales 1Lic. en Medicina 2Lic. en Farmacia 3Lic. en Química 1Lic. en Psicología 1
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 12 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
Doctorado
Varios estudiantes son doctores en otras áreas
Otros pretenden doctorarse
Programa de Doctorado en Estadística y Optimización (UV-UPV)
I El máster es uno de los que conforma la fase de docencia del programaI 5 estudiantes realizando tesis doctoralI Otros (aprox. 5) interesados en realizarla
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 13 / 22
2 El entorno R en el Máster de Bioestadística.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 14 / 22
¾Por qué ?
La elección del software con el que impartir cualquier asignatura deEstadística va más allá de las implicaciones de disponibilidad yfacilidad de aprendizaje.
La elección puede condicionar en gran medida la decisión del futuroprofesional sobre cual es el software que le permita llevar a cabo suactividad profesional de la mejor manera.
Con esta perspectiva, y pese a que la Universitat de Valencia disponede varios paquetes estadísticos, tanto comerciales como de libredistribución, la Comisión de Elaboración del Plan de Estudios y laComisión de Coordinación Académica han establecido que el paqueteestadístico que se usaría de forma prioritaria en todos los módulos delMáster en Bioestadística sería el entorno R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 15 / 22
¾Por qué ?
La elección del software con el que impartir cualquier asignatura deEstadística va más allá de las implicaciones de disponibilidad yfacilidad de aprendizaje.
La elección puede condicionar en gran medida la decisión del futuroprofesional sobre cual es el software que le permita llevar a cabo suactividad profesional de la mejor manera.
Con esta perspectiva, y pese a que la Universitat de Valencia disponede varios paquetes estadísticos, tanto comerciales como de libredistribución, la Comisión de Elaboración del Plan de Estudios y laComisión de Coordinación Académica han establecido que el paqueteestadístico que se usaría de forma prioritaria en todos los módulos delMáster en Bioestadística sería el entorno R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 15 / 22
¾Por qué ?
La elección del software con el que impartir cualquier asignatura deEstadística va más allá de las implicaciones de disponibilidad yfacilidad de aprendizaje.
La elección puede condicionar en gran medida la decisión del futuroprofesional sobre cual es el software que le permita llevar a cabo suactividad profesional de la mejor manera.
Con esta perspectiva, y pese a que la Universitat de Valencia disponede varios paquetes estadísticos, tanto comerciales como de libredistribución, la Comisión de Elaboración del Plan de Estudios y laComisión de Coordinación Académica han establecido que el paqueteestadístico que se usaría de forma prioritaria en todos los módulos delMáster en Bioestadística sería el entorno R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 15 / 22
Motivos elección
Flexibilidad: R está concebido como entorno de programación conmultitud de comandos y funciones especí�cas en estadística quepermite fácilmente implementar y evaluar técnicas nuevas.
Enorme cobertura (no tiene rival) y gran disponibilidad de aplicacionesde vanguardia en in�nidad de campos. La distribución de R vieneacompañada de un numeroso conjunto de funciones. Sin embargo,existen a libre disposición numerosas librerías especí�cas con todas lasúltimas técnicas disponibles (y además con explicación de su uso).
Posibilidad de entender la literatura más actual. Cada vez más gentepresenta sus resultados en el contexto de R. Basta mirar cualquierdisciplina y ver quien está utilizando R: la mayoría de los �popes� decada área ya se ha cambiado. Aun más: CONTRIBUYEN yCOMPARTEN.
Enorme calidad del apoyo y soporte disponible. Existe una red soberbiade �magos� de R dedicados a mejorar y a contestar las preguntas quenos salen.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 16 / 22
Motivos elección
Flexibilidad: R está concebido como entorno de programación conmultitud de comandos y funciones especí�cas en estadística quepermite fácilmente implementar y evaluar técnicas nuevas.
Enorme cobertura (no tiene rival) y gran disponibilidad de aplicacionesde vanguardia en in�nidad de campos. La distribución de R vieneacompañada de un numeroso conjunto de funciones. Sin embargo,existen a libre disposición numerosas librerías especí�cas con todas lasúltimas técnicas disponibles (y además con explicación de su uso).
Posibilidad de entender la literatura más actual. Cada vez más gentepresenta sus resultados en el contexto de R. Basta mirar cualquierdisciplina y ver quien está utilizando R: la mayoría de los �popes� decada área ya se ha cambiado. Aun más: CONTRIBUYEN yCOMPARTEN.
Enorme calidad del apoyo y soporte disponible. Existe una red soberbiade �magos� de R dedicados a mejorar y a contestar las preguntas quenos salen.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 16 / 22
Motivos elección
Flexibilidad: R está concebido como entorno de programación conmultitud de comandos y funciones especí�cas en estadística quepermite fácilmente implementar y evaluar técnicas nuevas.
Enorme cobertura (no tiene rival) y gran disponibilidad de aplicacionesde vanguardia en in�nidad de campos. La distribución de R vieneacompañada de un numeroso conjunto de funciones. Sin embargo,existen a libre disposición numerosas librerías especí�cas con todas lasúltimas técnicas disponibles (y además con explicación de su uso).
Posibilidad de entender la literatura más actual. Cada vez más gentepresenta sus resultados en el contexto de R. Basta mirar cualquierdisciplina y ver quien está utilizando R: la mayoría de los �popes� decada área ya se ha cambiado. Aun más: CONTRIBUYEN yCOMPARTEN.
Enorme calidad del apoyo y soporte disponible. Existe una red soberbiade �magos� de R dedicados a mejorar y a contestar las preguntas quenos salen.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 16 / 22
Motivos elección
Flexibilidad: R está concebido como entorno de programación conmultitud de comandos y funciones especí�cas en estadística quepermite fácilmente implementar y evaluar técnicas nuevas.
Enorme cobertura (no tiene rival) y gran disponibilidad de aplicacionesde vanguardia en in�nidad de campos. La distribución de R vieneacompañada de un numeroso conjunto de funciones. Sin embargo,existen a libre disposición numerosas librerías especí�cas con todas lasúltimas técnicas disponibles (y además con explicación de su uso).
Posibilidad de entender la literatura más actual. Cada vez más gentepresenta sus resultados en el contexto de R. Basta mirar cualquierdisciplina y ver quien está utilizando R: la mayoría de los �popes� decada área ya se ha cambiado. Aun más: CONTRIBUYEN yCOMPARTEN.
Enorme calidad del apoyo y soporte disponible. Existe una red soberbiade �magos� de R dedicados a mejorar y a contestar las preguntas quenos salen.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 16 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (2)
El hecho que R sea un lenguaje de programación podría parecer que vaa desanimar a muchos estudiantes que piensan que no tienen �alma deprogramadores�. Nada más lejos de la realidad:
I R es un lenguaje interpretado (como Java) y no compilado (como C,Fortran, Pascal, etc.), es decir, los comandos escritos en el teclado sonejecutados directamente sin necesidad de construir ejecutables.
I Además la sintaxis es simple e intuitiva.
La estructura y facilidad de uso de R nos permite implementarnuestras propias funciones y rutinas a medida que aparecen nuestrasnecesidades.
Además, también puede utilizarse para realizar grá�cos de alta calidadde enorme utilidad en los trabajos de investigación.
Rcommander lo convierte también en una herramienta muy útil para ladocencia.
Y, por encima de todo, es GRATIS. Uno de los mejore softwaresintegrados en el mundo y resulta que es nuestro por nada.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 17 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Motivos elección (3)
La importancia de este lenguaje es tal que existen dos congresos (useR-anual- y DSC -bianual-) enteramente dedicados a su uso.
useR 2013 en Albacete!
Hasta en el New York Times se ha escrito sobre las excelencias de R:http://www.nytimes.com/2009/01/07/technology/
business-computing/07program.html?_r=2
Desde 2009 existe una publicación The R Journal enteramentededicada a artículos sobre el desarrollo y la aplicación de R.
Existen diferentes programas para editar código de una manera cadavez más cómoda.
RStudio es un editor para scripts gratuito disponible para usuarios deR en todos los sistemas operativos.
Es un entorno de desarrollo integrado que combina una interfaz muyintuitiva con herramientas de código muy potentes que permiten sacarel máximo provecho a R.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 18 / 22
Experiencia de los dos primeros años.
Muy positiva.
Importante que la primera asignatura del Máster sea Computación y
Programación en R.
Enorme aceptación por parte de los estudiantes provenientes deLicenciaturas de Matemáticas y Estadística.
Menor (pero muy buena también) por parte del resto de estudiantes.
Todas las asignaturas han utilizado únicamente R como software parasu desarrollo.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 19 / 22
Experiencia de los dos primeros años.
Muy positiva.
Importante que la primera asignatura del Máster sea Computación y
Programación en R.
Enorme aceptación por parte de los estudiantes provenientes deLicenciaturas de Matemáticas y Estadística.
Menor (pero muy buena también) por parte del resto de estudiantes.
Todas las asignaturas han utilizado únicamente R como software parasu desarrollo.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 19 / 22
Experiencia de los dos primeros años.
Muy positiva.
Importante que la primera asignatura del Máster sea Computación y
Programación en R.
Enorme aceptación por parte de los estudiantes provenientes deLicenciaturas de Matemáticas y Estadística.
Menor (pero muy buena también) por parte del resto de estudiantes.
Todas las asignaturas han utilizado únicamente R como software parasu desarrollo.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 19 / 22
Experiencia de los dos primeros años.
Muy positiva.
Importante que la primera asignatura del Máster sea Computación y
Programación en R.
Enorme aceptación por parte de los estudiantes provenientes deLicenciaturas de Matemáticas y Estadística.
Menor (pero muy buena también) por parte del resto de estudiantes.
Todas las asignaturas han utilizado únicamente R como software parasu desarrollo.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 19 / 22
Experiencia de los dos primeros años.
Muy positiva.
Importante que la primera asignatura del Máster sea Computación y
Programación en R.
Enorme aceptación por parte de los estudiantes provenientes deLicenciaturas de Matemáticas y Estadística.
Menor (pero muy buena también) por parte del resto de estudiantes.
Todas las asignaturas han utilizado únicamente R como software parasu desarrollo.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 19 / 22
Conclusiones.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística capaces de llevar a cabo desde el diseño de unainvestigación hasta el tratamiento de datos, análisis y la derivación delos correspondientes informes de interés.
Para ello, se ha elegido R como software estadístico en todas lasasignaturas.
Su gran potencia y su fácil disponibilidad (libre distribución) tantodurante el proceso de aprendizaje como también en el posterior uso delejercicio profesional, hacen de este entorno una herramienta clave enla formación de cualquier Bioestadístico.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 21 / 22
Conclusiones.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística capaces de llevar a cabo desde el diseño de unainvestigación hasta el tratamiento de datos, análisis y la derivación delos correspondientes informes de interés.
Para ello, se ha elegido R como software estadístico en todas lasasignaturas.
Su gran potencia y su fácil disponibilidad (libre distribución) tantodurante el proceso de aprendizaje como también en el posterior uso delejercicio profesional, hacen de este entorno una herramienta clave enla formación de cualquier Bioestadístico.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 21 / 22
Conclusiones.
El Máster en Bioestadística pretende formar expertos en modelizaciónestadística capaces de llevar a cabo desde el diseño de unainvestigación hasta el tratamiento de datos, análisis y la derivación delos correspondientes informes de interés.
Para ello, se ha elegido R como software estadístico en todas lasasignaturas.
Su gran potencia y su fácil disponibilidad (libre distribución) tantodurante el proceso de aprendizaje como también en el posterior uso delejercicio profesional, hacen de este entorno una herramienta clave enla formación de cualquier Bioestadístico.
D. Conesa y A. López-Quílez (UV) R en Máster de Bioestadística 21 / 22
Aplicaciones web en docencia estadística y
análisis de datos genómicos
Francisco García GarcíaDavid Montaner González
Departamento de Bioinformática y Genómica. Centro de Investigación Príncipe Felipe. Valencia.
Introducción
● Cambios tecnológicos y demanda de herramientas estadísticas
● Nuevo paradigma en Genómica: del gen al genoma
- Gran volumen de datos- Nuevos métodos de análisis- Necesidad de formación estadística específica
Objetivos
● Búsqueda de recursos que faciliten el acceso y comprensión de la Estadística
● Desarrollo de una herramienta web para el análisis de datos genómicos
Material y métodos Babelomics
http://bioinfo.cipf.es/courses
50 workshops y cursos (2004-2012)
Material y métodos Babelomics
http://babelomics.bioinfo.cipf.es/
Resultados Indicadores de uso
● 1800 visitantes por mes● 200 experimentos analizados por día● 5000 usuarios registrados● 70000 usuarios anónimos
http://bioinfo.cipf.es/webstats/babelomics/awstats
http://bioinfo.cipf.es/webstats/babelomics/awstats
Resultados Indicadores de uso
Medina I, Carbonell J, Pulido L, et al. "Babelomics: an integrative platform for the analysis of transcriptomics, proteomics and genomic data with advanced functional profiling." Nucleic Acids Research. 2010;38:W210-W213
Nueda MJ, Sebastián P, Tarazona S, et al. "Functional assessment of time course microarray data." BMC Bioinformatics. 2009;10 Suppl 6:S9
Al-Shahrour F, Carbonell J, Minguez P, et al. "Babelomics: advanced functional profiling of transcriptomics, proteomics and genomics experiments." Nucleic Acids Res. 2008;
Tarraga J, Medina I, Carbonell J, et al. "GEPAS, a web-based tool for microarray data analysis and interpretation." Nucleic Acids Res. 2008;36:W308-14
Montaner D, Tarraga J, Huerta-Cepas J, et al. "Next station in microarray data analysis: GEPAS." Nucleic Acids Res. 2006;34:W486-91
Resultados Publicaciones
http://babelomics.bioinfo.cipf.es/publications
25 publicaciones + 2300 citas ( 2004-2012)
Grado de Biotecnología
Resultados Docencia universitaria
Cursos Doctorado Bioinformática
Grado de Biotecnología, Biología y Matemáticas
Máster de Medicina Translacional
Conclusiones
● El uso de herramientas web constituye un recurso eficiente en docencia en Estadística
● Permite el desarrollo de competencias para mejorar el acceso al mercado laboral
Agradecimientos
http://bioinfo.cipf.es/people
"Una selección de recursos de Internet para la enseñanza de la
estadística en Psicología"
JesúsTempradoMartínez([email protected])
J.GabrielMolina([email protected])
JaimeSanmartín([email protected])
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
rkTeaching:Un paquete de R para la enseñanza de Estadística
Alfredo Sánchez Alberca(asalber� eu.es)
Departamento de MatemáticasUniversidad San Pablo CEU
16 de julio de 2012
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Contenidos
1 Introducción
2 Introducción de R
3 Desarrollo de rkTeaching
4 Comparativa docente de rkTeaching vs SPSS
5 Conclusiones
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
La enseñanza de Estadística en la USP CEUSoftware para el tratamiento de datos
La enseñanza de Estadística en la USP CEU
La estadística es una materia básica en las ciencias de la salud. En la USP CEU seimparte en
Medicina
Farmacia
Psicología
Fisioterapia
Enfermería
Óptica
Nutrición
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
La enseñanza de Estadística en la USP CEUSoftware para el tratamiento de datos
Software para el tratamiento de datos
En la última década se han utilizado distintas aplicaciones para el tratamiento dedatos en los análisis estadísticos:
Excel Muy conocida y extendidaFácil de usar para análisis sencillosNo incorpora procedimientos para análisis más complejos
Statgraphics Bastante pedagógica (dificultad de aprendizaje: baja-media)Muy extendida en el ámbito universitario pero poco en elhospitalario
SPSS Muy extendida en el ámbito hospitalarioPoco pedagógica (dificultad de aprendizaje: media-alta)Muy potente (incorpora su propio lenguaje de programación)
Sin embargo, todas ellas comparten serios inconvenientes:
No son aplicaciones libres
No son fácilmente adaptables a las necesidades docentes
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
R: La apuesta por el Software libreInterfaz gráfica de usuario de RMigración a RKWard
R: La apuesta por el Software libre
Desde 2008, el Departamento de Matemáticas de la USP CEU ha hecho unaapuesta fuerte por el uso del software libre en la enseñanza de la Estadística.
La elección más lógica fue el programa R (http://www.r-proje t.org/):
Es software libreEs multiplataforma (Unix/Linux, Windows, Mac)Mantenido por una enorme comunidad de desarrolladores en todo el mundoTiene su propio lenguaje de programaciónTan potente como SPSS (o más)
Pero
Dificultad de aprendizaje altaNo disponde de interfaces gráficas de usuario (GUI) amigables
Objetivo
Desarrollar una interfaz de usuario sencilla para facilitar la enseñanza de laEstadística y reducir la curva de aprendizaje de R.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
R: La apuesta por el Software libreInterfaz gráfica de usuario de RMigración a RKWard
Elección de la interfaz gráfica de usuario R Commander
Actualmente existen varias interfaces gráficas de usuario para R(http://www.s iviews.org/_rgui/), pero la mayoría están pensadas parausuarios avanzados o programadores de R.
En 2008 se optó por R Commander (John Fox 2005):
Orientada a usuarios no expertos
Multiplataforma
Ampliable mediante un sistema de plugins
Basada en librerías gráficas Tcl/Tk (bastante anticuadas)
Salida en texto plano bastante pobre
Se desarrolló el paquete RcmdrPluginTeachingExtras que se utilizó durante dosaños para impartir las prácticas de Estadística.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
R: La apuesta por el Software libreInterfaz gráfica de usuario de RMigración a RKWard
Migración a RKWard
En 2010 se lanza la versión 0.5.5 RKWard (Thomas Friedrichsmeier 2002):
Orientada a todo tipo de usuarios, tanto expertos como no expertos
Multiplataforma
Fácilmente ampliable mediante un sistema de plugins
Basada en librerías gráficas Qt (mucho más modernas)
Salida en formato html
Se decide migrar el plugin de R Commander a esta nueva interfaz de usuario.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Desarrollo de rkTeaching
Sobre la base de RKWard se ha desarrollado el plugin rkTeaching.
Ha sido concebido para facilitar el aprendizaje de Estadística:
Simplicidad (eliminación de las opciones más complejas)
Adaptado a la programación de la enseñanza la Estadística en la USP CEU
Asistente de ayuda al usuario
Salidas orientadas a facilitar la comprensión del alumno/a
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Comparativa de tiempo de aprendizajeComparativa de facilidad de uso
Comparativa docente de rkTeaching vs SPSS
Se realizó un estudio comparativo de la facilidad de uso y el tiempo de aprendizajeentre rkTeaching y SPSS.
Se tomó una muestra de 40 alumnos de medicina que habían hecho el curso básicode estadística pero nunca habían manejado rkTeaching ni SPSS.
Cada alumno tuvo que realizar una serie de ejercicios (introducción de datos, dibujode histograma, cálculo de estadísticos descriptivos, cálculo de modelo de regresiónlineal, cálculo de probabilidad normal y test t para la comparación de medias) concada programa y al final se les pasó una encuesta sobre la facilidad de uso.
Variables medidas:
TiempoR:Tiempo de realización de la tarea con rkTeaching (en min).TiempoSPSS: Tiempo de realización de la tarea con SPSS (en min).Fa ilidadR: Facilidad de uso de rkTeaching (escala discreta de 1=más difícila 5=más fácil).Fa ilidadSPSS: Facilidad de uso de SPSS (escala discreta de 1=más difícil a5=más fácil).
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Comparativa de tiempo de aprendizajeComparativa de facilidad de uso
Comparativa del tiempo de aprendizaje de rkTeaching vsSPSS
Tiempo de aprendizaje de rkTeachingExtras vs SPSSTiempo de aprendizaje de rkTeachingExtras vs SPSS
15 10 5 0 5 10 15
25.0
35.0
45.0
55.0
65.0
rkTeachingExtras SPSS
Tie
mpo
(m
in)
El tiempo de aprendizaje de SPSSfue significativamente mayor que eltiempo de aprendizaje de rkTeaching:
p-valor: 4,8e− 17
Intervalo de confianza del 95 %para diferencia de medias:(9,06, ∞)
El tiempo medio para realizar lastareas con SPSS fue al menos 9minutos mayor que el de rkTeaching,lo que supone una reducción deltiempo de al menos un 17 %.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Comparativa de tiempo de aprendizajeComparativa de facilidad de uso
Comparativa de facilidad de uso de rkTeaching vs SPSS
1 2 3 4 5
Facilidad de uso de SPSS vs rkTeachingExtras
Facilidad de uso (1=más difícil, 5=más fácil)
Fre
quen
cy
05
1015
La facilidad de uso rkTeaching fuesignificativamente mayor que la deSPSS:
p-valor: 1,7e− 06
Intervalo de confianza del 95 %para diferencia de medias:(0,4993, ∞)
La facilidad de manejo de rkTeachinges de al menos medio punto más quecon SPSS, lo que supone unaumento de la facilidad de al menosun 10 %.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Conclusiones
RKWard es una interfaz gráfica de usuario fácilmente ampliable y adaptable através de plugins.
Se ha desarrollado el plugin rkTeaching para facilitar la enseñanza de laEstadística.
Se ha elaborado un libro de prácticas con rkTeaching.
rkTeaching se ha utilizado para impartir las prácticas de Estadística en lastitulaciones de Ciencias de la Salud de la USP CEU con éxito.
El aprendizaje de rkTeaching por parte de los alumn/as es más rápido que elde SPSS.
rkTeaching es más fácil de usar que SPSS por parte de los alumno/as.
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
IntroducciónIntroducción de R
Desarrollo de rkTeachingComparativa docente de rkTeaching vs SPSS
Conclusiones
Trabajo futuro
Traducción de rkTeaching al castellano.
Mejorar la salida con interpretaciones de los resultados.
Incorporar cuadros de diálogo para análisis más complejos (análsismultivariante).
Alfredo Sánchez Alberca rkTeaching: Un paquete de R para la enseñanza de Estadística
1
Enseñanza de la
asignatura “Técnicas de
Investigación Social”
en estudiantes ‘de letras’
Vidal Díaz de Rada
Departamento de Sociología
Universidad Pública de Navarra
Situación de la asignatura
en el Plan de Estudios (1/2)
PRIMER curso:
� Estadística aplicada a las Ciencias Sociales
� Informática aplicada a la Investigación Social
SEGUNDO curso:
� Métodos y Técnicas de Investigación
Social 1 (12 credit.)
� Proyectos y diseños de Investigación Social
� Metodología y Sociología de la Ciencia
2
Situación de la asignatura
en el Plan de Estudios (2/2)
TERCER curso:
� Métodos y Técnicas de Investig. Social II.
� Métodos y Técnicas de Investig. Social II.
� Seminario especializado de Investig. Social.
CUARTO curso:
� Sociología del Consumo e Investigación de
Mercados (Optativa).
� Trabajo fin de carrera (15 créditos. Sin horas
lectivas).
Contenidos de las asignaturas
de primer curso:
Estadística aplicada a las Ciencias Sociales:
� Aprendizaje de las técnicas estadísticas en su
vertiente adecuada a la sociedad humana, con
especial atención a los aspectos demográficos y
de muestreo.
� 12 créditos, 120 horas lectivas.
Informática aplicada a la Investigación Social:
� Utilización y el manejo de programas y
aplicaciones informáticas orientadas a la
investigación sociológica
� 6 créditos, 60 horas lectivas.
3
Contenidos de las asignaturas
de segundo curso (1/2):
Métodos y Técnicas de Investigación Social 1:
� Presentación de las diferentes metodologías para
el conocimiento de la realidad social,
profundizando en la técnica de la encuesta como
herramienta de conocimiento de la realidad
social.
� 12 créditos, 120 horas lectivas.
Contenidos de las asignaturas
de segundo curso (2/2):
Proyectos y diseños de Investigación Social:
� Presentación de los principales tipos de
investigación social, aprendizaje de proyectos
donde se sintetizan todas las operaciones a
utilizar en una investigación social.
� 6 créditos, 60 horas lectivas.
� “Métodos” recogida, “Diseños;” profundización.
Metodología y Sociología de la Ciencia (6 créditos):
� Exposición del método científico y las
aportaciones de la Sociología de la Ciencia a la
Investigación Social.
4
Contenidos de las asignaturas
de tercero y cuarto curso:
Métodos y Técnicas de Investigación Social 2 y 3:
� Dos asignaturas (6 créditos) de análisis de la
información cuantitativa.
Seminario especializado de Investig. Social (6 credit):.
� Sintetizar toda la información adquirida hasta el
momento para aplicarla a una situación concreta;
y sirve como un ensayo para preparar el trabajo
fin de carrera.
Trabajo fin de carrera
� 15 créditos. Sin horas lectivas.
Sintetizando;
� 70,5 horas lectivas en materias específicas sobre
metodología, considerando un Plan de Estudios
300 créditos:
� Créditos de investigación = 23,5%.
� Aumenta al 25% entre los que cursan
“Investigación de Mercados y Sociología del
Consumo”.
5
Concepción de la docencia en
Métodos y Técnicas de investig
� Siempre unida a la práctica de investigación
“reproducir” en la docencia las actividades de
investigador social.
� “Enseñar la investigación investigando”, involucrando
al estudiante en problemas prácticos de investigación
� Más que transmitir contenidos teórico-conceptuales
se transmiten prácticas y habilidades:
“sólo se pueden enseñar desde la práctica, transmitiendo
modos de hacer, operaciones y habilidades a los
estudiantes”
Necesidad de un cambio docente
1. Bajo seguimiento (métodos cuantitativos)
Ratio examinados / matriculados rondando el 50%
(2004/05 y 2005/06).
2. El 60% aprueba la asignatura, pero 2/3 no cursa
(o suspende) una asignatura troncal fundamental
en la Sociología.
3. Bajas calificaciones (menos de notable).
4. Dificultad para realizar el trabajo fin de carrera
6
Modificación propuesta
Cambio en el objetivo principal: capacitar al
estudiante para que fuera capaz de realizar una
investigación Real completa, de principio a fin
Empleo metodologías activas de enseñanza (ABP)
aplicado a situaciones e investigaciones reales.
Con dos objetivos:
� 1. Transmisión de contenidos específicos.
� 2. Desarrollo de competencias transversales:
capacidad de análisis y síntesis, trabajo en equipo,
correcta expresión oral y escrita de los trabajos
realizados, y capacidad de interrelacionar temas
Organización docente:
herramientas
Temas de la asignatura (programa) estructurados
siguiendo las etapas de una investigación social.
Retrasando al máximo los temas que contemplen
formulaciones matemáticas.
� Clases teóricas.
� Clases prácticas (de aplicación de contenidos)
� Clases prácticas (de investigación)
� Tutorías
� Seminarios
7
Organización docente: clases
teóricas.
� Explicaciones basadas en ejemplos concretos
� Insistir más en los “problemas a solucionar” que
en las formulaciones concretas.
Ejemplo: “Operacionalización de conceptos”
� ¿Es posible clasificar la clase según el grado de
felicidad?.
� Aprovechar el ejemplo para “explicar” la medición
de conceptos intangibles.
� Exposición teórica (entre 45 y 90 minutos)
� Aplicarlo al caso concreto (felicidad). Repaso en
clase práctica (aplicación de contenidos)
Organización docente: clases prácticas
de aplicación de contenidos (1/3)
� Relacionas con las explicaciones en clase teórica
Ejemplos: felicidad, percepción de crisis económica
� Prácticas de 1 o 2 horas (el docente detecta
dudas o aspectos no claros en clase teórica).
� Trabajo en grupo (desarrollo competencia
transversal “trabajo en equipo”).
� Tras resolver el problema se expone la propuesta
a toda clase, el docente incentiva la intervención
mostrando posibles alternativas (desarrollo
competencia transversal “expresión oral”).
8
Organización docente: clases prácticas
de aplicación de contenidos (2/3)
Temas analizados:
� Descomposición retrospectiva de la ‘delimitación’
de objetivos de investigaciones (publicadas)
realizadas por otros investigadores,
� critica de cuestionarios (tomados de
investigaciones publicadas),
� codificación de preguntas abiertas,
� explicaciones del escaso acierto de determinados
sondeos electorales, etc.
Organización docente: clases prácticas
de aplicación de contenidos (3/3)
Ejemplos:
� Temas propuestos de investigación:
� Planteamiento.
� Con objetivos específicos definidos.
� Operacionalización del concepto “felicidad”.
� Codificación de preguntas abiertas:
� Enunciado.
� Posible solución.
� Crítica cuestionario religiosidad.
9
Organización docente: clases prácticas
de investigación (1/4)
� Objetivo: integración de aprendizajes en clases
anteriores y su aplicación en una investig. real
� Trabajo en grupo (“equipo de investigación”)
Grupos diferentes de clases prácticas aplicacion
� El profesor solicita un trabajo de investigación:
� previsible ganador de unas elecciones,
� actividades de ocio de los jóvenes,
� previsión de demanda de un producto,
� problemas sociales de un municipio, etc.
� Temáticas considerando las situaciones más
habituales con las que se encuentra un sociólogo
Organización docente: clases prácticas
de investigación (2/4)
� Rol del profesor:
� estudiar “algo” que no conoce con precisión,
� ligeros “cambios en los objetivos”,
� leves modificaciones en el objeto de estudio.
Reproducir al máximo la demanda de una
investigación social
� “Repetición” de las clases prácticas (aplicación)
al tema de cada investigación
� Seguimiento: tutorías y últimos 15/20 minutos de
las clases teóricas
10
Organización docente: clases prácticas
de investigación (3/4)
Investigaciones realizadas en la última edición:
� Conciliación entre la vida familiar y laboral en la
población de Pamplona. Una propuesta de medición.
� Consumo de manga en Navarra
� Expectativas sobre la crisis y el papel de los políticos
� Imagen de la delincuencia en la comarca Pamplona
� Impresión de los universitarios sobre el Plan
Antiguo y el Plan Bolonia
� Incidencia de la publicidad en las elecciones del
20n
Organización docente: clases prácticas
de investigación (4/4)
Investigaciones realizadas en la última edición:
� La mujer en la política Navarra actual
� Movimiento 15 M
� Percepción de las marcas de distribución y su
consumo
� ¿Qué ‘pillas’ pa’ este finde?. El consumo de
drogas en las cuadrillas de Pamplona 2011
� Yo estudio sociología. Y eso, ¿que es?
Trabajos son expuestos a la clase al final del curso.
11
Organización docente: tutorías
(1/2)
� Papel fundamental como tarea orientadora y
dinamizadora del aprendizaje
� Lugar óptimo de evaluación (no calificación) del
rol del profesor y del alumno:
� evaluar la claridad de las explicaciones,
� identificar dudas y problemas de comprensión,
� (el profesor) conoce los procesos de aprendizaje e
investigación desarrollados por el estudiante.
Organización docente: tutorías
(2/2)
� Esenciales porque:
� se lleva a cabo la demanda de la investigación,
� la definición del problema objeto de estudio,
� “cambios de rumbo” en función de la complicación
del tema y la situación del equipo investigador.
� Nuevo uso de la tutoría curso 2010/11: Pretest o
pilotaje de cuestionarios
� Explicación genérica al grupo.
� Explic. detallada de cada estrategia a cada grupo
� Aplicación de la estrategia al mismo cuestionario.
� Conclusiones compartidas.
12
Organización docente: seminarios
(1/2)
� Carácter voluntario.
� Discusión debatiendo todos los puntos de vista
que surgen sobre unos textos determinados
� Todos los participantes se sitúan al mismo nivel.
� Temática: temas de actualidad relacionados con
la materia.
� Algunos de los temas tratados:
� Influencia de la modalidad de recogida de datos
en la calidad de la información obtenida
� Problemas originados por la no respuesta en las
encuestas
Organización docente: seminarios
(2/2)
� Temas tratados (continúa):
� Análisis de la estructura social en la sociedad
española utilizando investigaciones realizadas por
otros investigadores (en colaboración con el
profesor de Estructura Social)
� “Fiascos” en las encuestas preelectorales: algunas
explicaciones
� Nuevas tecnologías de entrevista y su impacto en
la calidad de la información
� Técnicas Investigación Social e investigación de
mercados: un "nicho de trabajo" donde desarrollar
la actividad profesional del sociólogo
13
Evaluación de contenidos de la
asignatura (1/2)
1. Trabajo de investigación (35% de la calificación):
� Presentado en clase (¼ de la valoración total)
� Fundamentación: exposición al cliente.
� Análisis de las actas de reuniones grupales con
las tareas específicas realizadas por cada uno y
temas tratados en cada tutoría
2. Examen compuesto de 5 ó 6 preguntas de teoría
y otras 4 o 5 de ejercicios prácticos (20% calif.)
3. Práctica de pre-test de un cuestionario (edición
2010/11):
Evaluación de contenidos de la
asignatura (2/2)
� Objetivo: cómo cada estrategia sirve para la
detección de determinados errores, y utilización
conjunta supone una mejor detección.
� Resultados presentados en clase:
� Explicación de la técnica (desconocida por el reto
de la clase)
� Exposición de los errores detectados y una
propuesta de solución.
� Conclusiones compartidas.
4. Testo de actividades complementarias (20%): clases prácticas, seminarios y trabaj. complementario
14
Resultados (1/4)
� Recordemos los motivos que impulsaron el
cambio docente:
1. Escaso seguimiento asignatura,
2. elevado número de suspensos,
3. bajas calificaciones (muy lejanos del notable)
Motivo adicional: necesidad de adaptar la asignatura
a los requisitos EEES
� Resultados:
Resultados (2/4)
15
Resultados (3/4)
� Resultados seis últimas ediciones:
� Mayor seguimiento (96,6% en 2011/12).
� Aumento paulatino aprobados: del 69% al 82%.
“Bache” curso 2010-11: más exigencias pilotaje.
� Aumento calificaciones medias: notable alto en
11/12
MEJOR: Realización tutorizada del trabajo de
investigación durante todo el año.
Resultados (4/4)
“Sombras”: escaso número de estudiantes que
presentan el Trabajo Fin de Carrera en cuarto.
“Alargamiento” de la Licenciatura de 4 a 7 años
Uso de herramientas de cálculo y archivos computables en el aprendizaje interactivo de
la Estadística Actuarial
Ignacio M. de Lejarza [email protected]
Juan M de Lejarza [email protected]
JIDERE-2012
Caest Actuarial Calculo de probabilidades una y varias cabezas actuarianos, etc.
Wolfram CDF s Modelos de supervivencia. Tablas teóricas
III Jornadas de Intercambio de Experiencias de Innovación Educativa en Estadística Valencia, 16 y 17 de Julio de 2012
JIDERE-2012
descargar
http://www.uv.es/ceaces/caest16.exe
ejecutar info
JIDERE-2012
Tabla de mortalidad �pción ver Ejemplo
�pción hacer
Tabla de mortalidad recargada �pción ver Ejemplo
�pción hacer
Actuarianos �pción ver Ejemplo
�pción hacer
JIDERE-2012
JIDERE-2012
JIDERE-2012
CaEst 1.� utilización �entrada nueva en web� desde dic 2002 635807 descarga de la versión ejecutable 178054 ( sin contar otros medios)
android desde Junio 2012 En breve como aplicación Móvil
volver
JIDERE-2012
CDF s aplicadas a modelos de supervivencia 3.-Relaciones entre las funciones de biom�tricas
JIDERE-2012
CDF s aplicadas a modelos de supervivencia 4.-Mapa mental de los Modelos de Supervivencia
JIDERE-2012
CDF s aplicadas a modelos de supervivencia 5.-Modelos de supervivencia y sus CDF
Modelo Enunciado CDF modelo CDF T.Mort. teórica
De Moivre �a supervivencia es función lineal (decreciente) de la edad
CDF MOIVRE Tabla Moivre
Primera ley de Dormoy
�a supervivencia es función exponencial (decreciente) de la edad
CDF DORMOY 1 Tabla Dormoy1
Segunda Ley de Dormoy
�a supervivencia es función exponencial-cuadrática � decreciente� de la edad
CDF DORMOY2 Tabla Dormoy2
Ley de Sang
�a supervivencia es función exponencial � decreciente� de la edad más una constante
CDF SANG Tabla Sang
Ley de Gompertz
La mortalidad( tanto instantáneo� se considera creciente con un crecimiento relativo constante.
CDF GOMPERTZ
Tabla GOmpertz
Ley de Makeham
La mortalidad( tanto instantáneo� se considera creciente con un crecimiento relativo constante más un factor accidental ( constante /lineal )
Primera Segunda
Tabla Makeham 1 Tabla Makeham 2
JIDERE-2012
JIDERE-2012
Resumiendo: CaestAC y los CDF presentan características de computabilidad e interactividad semejantes pero,
CaestAc es, como su predecesora, una herramienta compilada, no comercial y original desarrollada por uno de los autores en JavaScript. Que esencialmente
calculos
Los archivos CDF son documentos originales escritos con una herramienta comercial de uso general (Wolfram Mathematica) (mejora su conocido proyecto Demonstration) escribir archivos que pueden ser computados casi bajo cualquier plataforma por medio de un programa lector gratuito.Orientados fundamentalmente hacia la VI�UA�I�ACI�� � �A �IMU�ACI��
�ensamos �ue en Estadística Actuarial, los cálculos pueden introducir dificultades intrínsecas y miopías y distorsiones en la comprensión de aspectos teóricos básicos. En ese sentido, creemos �ue la introducción de este tipo de herramientas es fundamental. Queda pendiente, todavía, un futuro trabajo de integración de estas dos herramientas y la incorporación de varias mejoras �ue el uso nos ha hecho considerar deseables.