Les presento mi blog donde se evidencia anotaciones, aprendizajes y las asignaciones en los encuentros de la Maestría Tecnología Aprendizaje y Educación, Evelyn Pilier.
Unos investigadores desarrollan un nuevo
entorno virtual de aprendizaje basado en Google Apps. Para evaluar la
incidencia de la utilización de este nuevo entorno en las calificaciones de los
estudiantes, durante dos años se realiza un estudio de caso con dos grupos de
estudiantes: un grupo de control que utiliza Moodle y un grupo experimental que
utiliza Google Apps; el reparto de sujetos entre ambos grupos se realiza
siguiendo un criterio de paridad de sexo.
1.Observar los datos y reflexionar acerca de la
relación que existe entre las variables calificación, grupo y sexo.
2.Dibujar en Excel o Google Sheets un gráfico
de interacción (http://courses.washington.edu/smartpsy/interactions.htm)
de las medias de las calificaciones combinando las variables grupo y sexo, es
decir: Moodle-Male, Moodle-Female, GoogleApps-Male, GoogleApps-Female.
¿Coinciden los resultados mostrados en el gráfico con tus reflexiones del
apartado anterior?
3.Analizar si existen diferencias
estadísticamente significativas en las calificaciones en función del grupo y
del sexo.
4.Utilizar la función aov() de R para
saber si existe una interacción estadísticamente significativa entre las
variables grupo y sexo.
QUÉ HAY QUE ENTREGAR:
el estudiante publicará un post en su blog en el que indicará, de forma
detallada, el proceso seguido para realizar el análisis, y justificará los
resultados de forma razonada.
Más tarde, aprendimos a realizar las extracciones de los datos que arrojan el uso- empleo de estos entornos virtuales de aprendizajes por lo que hicimos un ejercicio de análisis estadístico en donde se tabularon los datos de cada entorno de aprendizaje y sus resultados, para lo que empleamos una herramienta llamada RStudio, que efectivamente se usa para el manejo de estos datos, calcularlos y graficarlos. Para esto, hemos realizado los siguiente:
Carga de datos
Filtrado de datos
Representación gráfica
Regresión lineal
Análisis de diferencias entre grupos mediante t-student
En la practica, lo traducimos de la siguiente forma:
Importamos las tablas a R.
Filtramos o Extraímos los sujetos por tipo entorno, escribimos los siguientes comandos en la consola:
Resultan dos nuevas variables: datosMoodle y datosPLE querepresentan o contienen las calificaciones de los estudiantes en función del tamaño de sus redes personales.
Luego se grafican esos datos introduciendo en la consola, el siguiente comando:plot(quantitativeData$egonet_size,quantitativeData$grade, ylab="grade", xlab="egonet_size", type="n")
La Regresión Lineal se hace para generar los coeficientes de un modelo (en este caso, una recta) que relaciona una variable predictora (en este caso, el tamaño de red) con una variable respuesta (en este caso, la calificación final). El comando lm calcula los parámetros del modelo: lmMoodle <- lm(datosMoodle$grade ~ datosMoodle$egonet_size) lmPLE <- lm(datosPLE$grade ~ datosPLE$egonet_size)
Luego representamos cada una de las rectas sobre la gráfica utilizando el comando abline, al cual se le pasan como parámetros los coeficientes de la recta, y el color y el grosor que se desean utilizar para dibujarla.
En la figura que resulta, pudimos observar una nube de puntos correspondiente al grupo de estudiantes que utilizó el entorno PLE tiene una calificación final y un tamaño de red personal mayor que el grupo de estudiantes que utilizaron el entorno Moodle. Se calculó la media para hacernos una idea de la medida en que dichos indicadores varían de uno a otro grupo. Sacamos la media de la calificación final en cada grupo, empleando: with(quantitativeData, tapply(grade, list(environment), mean))
Moodle PLE
64.67500 68.36885
También sacamos la Media del tamaño de red personal en cada grupo:
Se observó que la red personal de un estudiante que utilizó el entorno PLE es 2.5 veces más grande que la red de un estudiante que utilizó el entorno Moodle. Parece una diferencia significativa. Pero se quiso saber si las diferencias observadas entre grupos en la calificación final y el tamaño de red personal eran ESTADÍSTICAMENTE significativas.
Para ello se empleo el comando t-test.
El test se puede realizar sobre muestras independientes (una observación sobre dos grupos separados) o sobre muestras dependientes (dos observaciones sobre el mismo grupo).
Ejecutamos el comando para realizar el test de t de student.
t.test(datosMoodle$grade, datosPLE$grade)
¿Qué nos indicaron los resultados?
1- Que la media de la variable x (datosMoodle$grade) es de 64.675, mientras que la variable y (datosPLE$grade) tiene una media de 68.36885. Por tanto, como hemos dicho anteriormente, la diferencia entre ambos grupos no parece significativa porque es es tan sólo de 3.7 ptos sobre 100;
Para saberlo, nos fijamos en el p-value. ¿Qué es el p-value? Indica que el riesgo a equivocarnos al afirmar "Sí, existe una diferencia estadísticamente significativa entre ambos grupos debida al factor diferencial entre dichos grupos", cuando en realidad dicha diferencia no se debe al factor diferencial entre grupos, sino al azar. En este caso, p-value = 0.2363 = 23.63%
Como vemos, en lo que respecta a la calificación final, el riesgo que corremos al afirmar "Sí, existe una diferencia estadísticamente significativa entre ambos grupos determinada por la plataforma utilizada en cada grupo" es grande. Pero... ¿cuál es el umbral de riesgo? 0.05 → 5%
Si p-value < 0.05, o lo que es lo mismo, < 5% --> riesgo a equivocarnos pequeño; por ejemplo, p-value = 0.00345 (0.345%) --> OK
Si p-value > 0.05, o lo que es lo mismo, >5% --> riesgo a equivocarnos grande; por ejemplo, p-value = 0.0645 (6.45%) --> NO OK
Por tanto, en lo que respecta a la calificación final concluimos que:
en este estudio concreto no percibimos una diferencia significativa entre los valores de las medias de cada grupo.
la diferencia entre las calificaciones de los estudiantes de uno y otro grupo no es estadísticamente significativa.
Repetimos el test de t-student con el indicador tamaño de red personal:
En este caso, p-value = 7.965e-16 = 0.0000000000000007965 → 0.00000000000007965%
Por tanto, en lo que respecta al tamaño de red personal concluimos que:
en este estudio concreto percibimos una diferencia significativa entre los valores de las medias de cada grupo.
la diferencia entre las calificaciones de los estudiantes de uno y otro grupo es estadísticamente significativa.
Mi opinión:
Es bueno contar con una herramienta como RStudio, desconocida para mi, pero que sirve de mucha ayuda para comprender y analizar el resultado de un estudio, estadísticamente hablando.
He aprendido a usarlo y en estos momentos estoy aprendiendo algunos de sus comandos, a comprender la estructura de los mismos, sus parámetros y a colocarlo en la consola de programación.
Que bueno es saber que somos capaces de descubrir, aprender y crecer, gracias a la guianza, las clases y asignaciones de nuestros profesores de esta maestría.
En la mañana, el prof. Casquero estuvo hablando de cómo crear un PLE, y tocamos las siguientes interrogantes: ¿Qué es, para qué sirve y cómo se construye? Les invito a ampliar sobre este tema con la magistral exposición de: Linda Castañeda, Ma., del grupo de Investigación de Tecnología Educativa, de la Universidad de Murcia.
Personal Learning Enviroment. Son las diferentes estrategias y herramientas TIC que el individuo emplea para su aprendizaje. Queda claro que son 3 las actividades principales en las que se pueden englobar un PLE.:
Lectura
Procesamiento, y
Difusión en comunidad.
Para la lectura, empleamos diversas fuentes que son mas fácil de acceder, guardar y referenciar si nos apoyamos de las herramientas TIC adecuadas para tales fines, de las cuales detallamos en lo siguiente.
Herramientas para búsqueda de información.
Mendeley es un gestor bibliográfico, debemos tenerlo sincronizado, hay que
registrarse como en cualquier otro servicio. Te permite insertar las citas bibliográfica,
las citas hay que ponerlas con un formato específico: primer apellido, iniciar
del segundo apellido, nombre, inicial de segundo nombre, editora, ano, si es
una revista en cursiva,
Además están: Endnote, Zotero, una herramienta igual.
En otras entradas estaremos tratando sobre las otras 2 actividades de un PLE.
En nuestro 4to. día. Estuvimos practicando algunas herramientas que nos servirán de ayuda para leer y colectar los datos para construir nuestra PLE, hacer nuestras investigaciones y graficarlos.
Reflexionando...
Herramientas para búsqueda de información.
Mendeley es un gestor bibliográfico, debemos tenerlo sincronizado, hay que registrarse como en cualquier otro servicio. Te permite insertar las citas bibliográfica, las citas hay que ponerlas con un formato específico: primer apellido, iniciar del segundo apellido, nombre, inicial de segundo nombre, editora, ano, si es una revista en cursiva,
Además están: Endnote, Zotero, una herramienta igual.
Mendeley: Un Gestor que capta los meta datos para colocar citas y crear nuestra bibliografía de forma automática. Y funciona en combinación con MS-Word para extraer los meta-datos de las bibliografías descargadas para poder emplearlas como referencia en un documento y crear automáticamente una bibliografía de los libros citados en un documento.
Servicio de alertas de Google o Google Alerts, nos notifica a través de un mensaje de correo lo más reciente de una búsqueda que hayamos hecho.
Ahora veremos las otras actividades faltantes:
Para Acceder a otras fuentes acreditadas por la Universidad
Empleamos:
VPN: Para entrar a la biblioteca de la Universidad de Países Vasco. Debemos hacer entradas de nuestros datos de acceso: Usuario y Contraseña.
Para realizar búsquedas en las revistas de la universidad debes:
También podemos acceder a otras paginas que hacen referencia a revistas de orden científico.
Inoreader: Que es buscador de recursos literarios.
El Facebook de los investigadores es: Researchgate
Para Difundir y Compartir Información:
Podemos llamarle a esta actividad: Red Personal, para la que podemos emplear varias plataformas, entre las cuales mencionaremos solo algunas de ellas: Slideshare: Son presentaciones en se pueden introducir en una página web y
puedes seguir a gente y viceversa.
El blog: Herramienta de Google, que debe servir para colocar un repaso de lo que se hace en tareas que te atraen, hobbies, o de
las actividades que se hacen en su trabajo.
La página de la universidad tiene un montón de blogs que se puede emplear
para leer y seguir a personas. También se puede difundir información y compartirlas siguiendo las redes sociales mas comunes, como Twitter, Facebook, Youtube, entre otras.
Por otro lado, veo muy conveniente el uso de las PLE´s mediadas por una institución, (iPLE) ya que se puede tener mayor control sobre los usuarios y dar mejor seguimiento a las asignaciones, y en el caso de ellos mismos tienen una mayor idea de lo que se pide, aunque empleen herramientas distintas, que creo que no esta mal.
Vimos los resultados resumidos de lo compartido en el Póster Colaborativo: Un buen análisis de todo lo escrito.
Este día el exponente fue el Prof. Casquero, quien estuvo mostrándonos el TODO de cómo se elabora una tesis doctoral: forma y contenido.
TFM (TRABAJO DE FIN DE MÁSTER)
Se nos explicó con muy bien, el como debe estar estructurada un Trabajo de Fin de Máster- TFM.
Vimos algunos ejemplos de tesis doctorales, desde como escoger el tema enfocado a resolver un problema de ámbito educativo (que debemos de estar buscando el nuestro) y los análisis de datos estadísticos que debemos incluir, algo que se ve muy distante, algo engorroso, pero Dios con nosotros, allá le vamos!
Toda esta ponencia se encuentra en las presentaciones de SlideShare vinculadas en el blog de mutae.net y un documento del siguiente vinculo: documento PDF.
En lo personal, aunque creo que está lejos, es mejor ir conociendo desde ya para lo que debemos estar preparados y lo que debemos estar haciendo, porque es como dice el refrán: "Guerra avisada, no mata soldado".
Por lo que debemos de estar buscando un tema para nuestro trabajo final uno que esté vinculado a la Tecnología en Educación, y esto hace llegar a mi mente tantas ideas de posibles temas referente a lo que nos concierne, ejemplo:
Uso eficiente de las TIC en las aulas.
Como mejorar el aprendizaje empleando TIC como herramienta.
Evidencias de cómo mejoran las TIC el aprendizaje.
¿Llenan las expectativas las TIC en las prácticas pedagógicas?
Y estamos seguros de que a medida de que vayamos teniendo nuestros encuentros de clases, se abrirá un gran abanico de ideas e inquietudes que harán de ellas escoger nuestro tema para el TFM.
Llenos de expectativas hemos iniciado este Máster Universitario en Tecnología Aprendizaje y Educación.
Desde el Martes 26 al Sábado 30 de Enero de 2016, fue nuestro 1er. encuentro con los Maestros:
Jesús Romo y Oskcar Casquero, quienes impartirán las Materias BT01 y BT02; Tecnologías de la información y comunicación orientados a la educación y Recursos y Herramientas asíncronas para el trabajo colaborativo educativo respectivamente.
Espero que estas materias puedan servir ayuda para mi, ya que como Dinamizadora TIC, podré multiplicar estos conocimientos en talleres a mis profesores de los centros donde laboro.
ASÍ EMPEZAMOS...
Lo primero que realizamos fue peinar todos los servicios telemático del máster, donde conocimos:
eGela
a- La plataforma eGela.ehu.eus: Es la pagina para acceder al Aula Virtual, a la que accedemos con nuestro usuario y contraseña, nos permite navegar y administrar nuestra cuenta, osea nos dirige a nuestro entorno personal en las asignaturas del curso. Al inicio nos muestra las asignaturas del curso, los profesores que la imparten y si hay alguna novedad del curso; del lado izquierdo podemos navegar dentro de la pagina y algo que nos asignaron fue modificar el perfil, colocando foto y poniendo una breve descripción de quien somos.
Para verificar calificaciones
b- (Gaur) https://gestion.ehu.es/gaur, Es una pagina de Gestión Académica de la Universidad, donde el estudiante puede observar su registro desde el punto de vista de la Universidad.
En esta figura estamos observando para ver las calificaciones que se reportan en la universidad.
Pagina del Blog: mutae.net
c- mutae.net:Peculiarmente, los profesores de nuestro primer encuentro prefieren hacer uso de este blog. Aquí es en donde encontramos el programa de clases, todas las actividades de esta semana del primer encuentro (con la salvedad de que cada maestro puede emplear distintas plataformas) además de que encontramos un listado de nuestros blogs para terminar de crear y alimentar.
PÓSTER COLABORATIVO: Jesús Romo.
Es un documento de Google Docs que, determinado el formato, se comparte para que a través de una invitación o de un enlace publicado, podamos entrar para colaborar con su redacción, según sea el mandato.
En lo particular me ha molestado que algunos inconsciente borren lo que han escrito otros. Debía de haber un control sobre esto, lo bueno es que hay un historial de los cambios efectuados en dicho documento compartido. Esto ya lo había practicado en un Proyecto Educativo en mi centro y pasó exactamente lo mismo, a lo que la profesora llamó la atención a los que estaban en eso. Fue gratificante, la primera vez de muchos chicos en póster colaborativo, pues pensaron que estaban chateando con sus compañeros, se distrajeron un poco, pero al fin intentaron, conocieron la herramienta e hicieron el trabajo colaborativo.
De todas formas, creo que de manera formal y consciente se puede hacer que los estudiantes hagan un buen trabajo, ya que no todos saben como expresarse en público, y pienso que a través de la escritura lo pueden hacer mejor, para que sepan como explotar su tipo de inteligencia. Según: Viéitez Carrazoni, Sonia, en ¨La mente es maravillosa¨, s. f., 8 tipos de Inteligencias, https://lamenteesmaravillosa.com/8-tipos-de-inteligencia/ y en esta publicación hace referencia del libro "Inteligencias múltiples" de Howard Gardner.
