EL ANÁLISIS ESTADÍSTICO IMPLICATIVO COMO ESTRATEGIA PARA LA PROMOCIÓN DEL APRENDIZAJE EN LA EDUCACIÓN MEDIA: SIMULACIONES PARA SU APRENDIZAJE

Contenido principal del artículo

RUBÉN PAZMIÑO
JOSE MULLO
MIGUEL CONDE

Resumen

Uno de los desafíos de la Educación Media es la utilización de nuevos enfoques y modelos para el aprendizaje. Las herramientas matemáticas formales para la extracción de conocimiento  en  Bases  de  Datos  Educativas  y  en  particular  el  Análisis  Estadístico Implicativo mediante las técnicas de Similaridad e Implicación; ofrecen al maestro la posibilidad  de  diagnosticar  y  promocionar  el  aprendizaje,  transformando  la  realidad educativa mediante el descubrimiento de reglas de cuasi implicación. Por lo anterior es necesario que los maestros de educación media utilicen los conceptos y herramientas del Análisis Estadístico Implicativo, con éste propósito se han construido ambientes de aprendizaje basados en simulación para su aprendizaje. La metodología de investigación utilizada fue cuantitativa, descriptiva, transversal, no experimental; como instrumentos de investigación se utilizaron las encuestas y los datos generados por las simulaciones. Se respondió a la siguiente pregunta ¿Cómo utilizar  los  ambientes  de  simulación  para  el aprendizaje del Análisis Estadístico Implicativo? Se concluye indicando cómo aplicar las simulaciones para el aprendizaje en general y el aprendizaje del Análisis Estadístico Implicativo en particular.

Detalles del artículo

Cómo citar
PAZMIÑO, R., MULLO, J., & CONDE, M. (2019). EL ANÁLISIS ESTADÍSTICO IMPLICATIVO COMO ESTRATEGIA PARA LA PROMOCIÓN DEL APRENDIZAJE EN LA EDUCACIÓN MEDIA: SIMULACIONES PARA SU APRENDIZAJE. Identidad Bolivariana, 24-39. https://doi.org/10.37611/IB0ol024-39
Sección
Artículos de opinión

Citas

Couturier, R. (2008). CHIC: Cohesive hierarchical implicative classification. En Statistical implicative analysis (pp. 41-53). Springer.

Couturier, R., & Pazmiño, R. (2016). Use of Statistical Implicative Analysis in Complement of Item Analysis. International Journal of Information and Education Technology, 6(1), 39.

Dalgarno, B. (2001). Interpretations of constructivism and consequences for computer assisted learning. British Journal of Educational Technology, 32(2), 183-194.

De Jong, T., & Van Joolingen, W. R. (1998). Scientific discovery learning with computer simulations of conceptual domains. Review of educational research, 68(2),179-201.

Forschungsmethodik, W. A., & Datenanalyse, D. (s. f.). Statistical Implicative Analysis.

Gras, Regie, Suzuki, E., Guillet, F., & Spagnolo, F. (2008). Statistical implicative analysis. Springer.

Gras, Régis, & Kuntz, P. (2008). An overview of the Statistical Implicative Analysis (SIA)

development. En Statistical implicative analysis (pp. 11-40). Springer.

Gras, Régis, Régnier, J.-C., & Guillet, F. (2009). Analyse Statistique Implicative. Une méthode d’analyse de données pour la recherche de causalités. Toulouse (França): Cepadues.

Lahanier-Reuter, D. (2008). Didactics of mathematics and implicative statistical analysis.

En Statistical Implicative Analysis (pp. 277-298). Springer.

Law, A. M. (2008). How to build valid and credible simulation models. 2008 Winter

Simulation Conference, 39-47. IEEE.

Pazmiño, R. (2014). Aproximación al Análisis Estadístico Implicativo desde sus

Aplicaciones Educativas.

Pazmiño-Maji, R. A., García-Peñalvo, F. J., & Conde-González, M. A. (2017).

Comparing Hierarchical Trees in Statistical Implicative Analysis & Hierarchical Cluster in Learning Analytics. Proceedings of the 5th International Conference on Technological Ecosystems for Enhancing Multiculturality, 49. ACM.

Rutten, N., Van Joolingen, W. R., & Van Der Veen, J. T. (2012). The learning effects of computer simulations in science education. Computers & Education, 58(1),
136-153.