Tecnología
Valoración de los universitarios sobre el uso de la aplicación Alcula en el proceso educativo por medio de la ciencia de datos y el aprendizaje automático
Assessment of students about the use of the Alcula application in the educational process through data science and machine learning
Valoración de los universitarios sobre el uso de la aplicación Alcula en el proceso educativo por medio de la ciencia de datos y el aprendizaje automático
Revista Electrónica Gestión de las Personas y Tecnología, vol. 12, núm. 34, pp. 53-67, 2019
Universidad de Santiago de Chile
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 3.0 Internacional.
Recepción: 06 Diciembre 2018
Aprobación: 13 Marzo 2019
Resumen: Esta investigación mixta analiza el uso de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja por medio de la ciencia de datos y el aprendizaje automático. La muestra está compuesta por 34 estudiantes de las Licenciaturas en Administración, Comercio y Mercadotecnia que cursaron la asignatura Estadística Básica Aplicada en el ciclo escolar 2017. Los resultados del aprendizaje automático (regresión lineal) indican que la interfaz rápida, sencilla y agradable de la aplicación Alcula influye positivamente en el proceso de enseñanza-aprendizaje sobre el Diagrama de caja. Por otro lado, la ciencia de datos permite construir 3 modelos predictivos sobre el uso de la aplicación Alcula por medio de la técnica árbol de decisión. Asimismo, los universitarios están motivados y satisfechos de utilizar esta herramienta tecnológica en las actividades escolares. Por último, Alcula es una aplicación web innovadora y útil para el campo de la estadística.
Palabras clave: Tecnología educativa, enseñanza superior, aprendizaje automático y ciencia de datos.
Abstract: This mixed research analyzes the use of the Alcula application as a support tool in the educational process on the Box Plot through data science and machine learning. The sample consists of 34 students from the Bachelor of Administration, Commerce and Marketing who studied the Applied Basic Statistics subject in the 2017 school year. The results of machine learning (linear regression) indicate that the fast, simple and pleasant interface of Alcula positively influences the teaching-learning process on the Box Plot. On the other hand, data science allows building 3 predictive models about the use of the Alcula application by means of the decision tree technique. Likewise, the students are motivated and satisfied to use this technological tool in school activities. Finally, Alcula is an innovative and useful web application for the field of statistics.
Keywords: Educational technology, higher education, machine learning and data science.
1. Introducción
El sector educativo está incorporando las Tecnologías de la Información y Comunicación (TIC) en las actividades escolares con la finalidad de desarrollar las competencias de los estudiantes (Mesfin y otros, 2018). En particular, los medios digitales, las aplicaciones web y los sistemas de aprendizaje-enseñanza tienen un papel fundamental durante el mejoramiento de la calidad educativa (Salas y Salas, 2018).
En la actualidad, las computadoras facilitan el aprendizaje de los estudiantes por medio del acceso a las aplicaciones en Internet (Jamshidifarsani y otros, 2019). De hecho, las herramientas web mejoran la comunicación, permiten la colaboración, distribuyen los contenidos audiovisuales en la red y facilitan el acceso a los recursos en Internet (Holland, 2019).
Por consiguiente, la sociedad del Siglo XXI está viviendo una transformación desde la aparición y el empleo de las TIC en las actividades cotidianas, productivas y escolares (Thammasaeng y otros, 2016). Incluso, el nuevo escenario de enseñanza-aprendizaje está desarrollando e implementado nuevos métodos y procedimientos con el propósito de facilitar el uso de las herramientas digitales en el salón de clases (Hewagamage y Hewagamage, 2015). Por ejemplo, las universidades están actualizando los temarios de las asignaturas considerando la incorporación de la educación a distancia (Jiang, 2017).
Es importante mencionar que los jóvenes y niños utilizan frecuentemente la tecnología, por lo tanto, las instituciones educativas deben crear nuevas metodologías basadas en el nuevo perfil de los estudiantes (Salas y Vázquez, 2017). De hecho, uno de los retos en la enseñanza universitaria está relacionado con la incorporación y el empleo eficiente de las aplicaciones en el campo educativo (Rosaline y Wesley, 2017).
Las TIC están afectado a todos los actores del proceso educativo, en especial, el comportamiento de los profesores dentro y fuera del salón de clases está determinado por su conocimiento tecnológico (Tapia y otros, 2017). En el campo de las matemáticas, Salas (2016) diseñó una aplicación web para facilitar la asimilación del conocimiento sobre la regresión lineal.
El objetivo de este estudio mixto es analizar el uso de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja por medio de la ciencia de datos y el aprendizaje automático.
Las preguntas de investigación son:
-
¿Cuál es el impacto de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja?
-
¿Cuáles son los modelos predictivos sobre el uso de la aplicación Alcula en el proceso educativo?
-
¿Cuáles son las percepciones de los estudiantes sobre el empleo de la aplicación Alcula?
2. Metodología
El objetivo de esta investigación cuantitativa y cualitativa es analizar el uso de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja por medio de la ciencia de datos y el aprendizaje automático.
Cabe mencionar que esta aplicación web es gratuita y se encuentra localizada en la siguiente dirección web: http://www.alcula.com/es/calculadoras/estadistica/diagrama-de-caja/.
Participantes
La muestra está compuesta por 34 estudiantes de las Licenciaturas en Administración, Comercio y Mercadotecnia que cursaron la asignatura Estadística Básica Aplicada en el ciclo escolar 2017.
Procedimiento
El procedimiento de esta investigación mixta inició con la planeación de las actividades escolares por medio de la aplicación Alcula. La Figura 1 muestra un ejemplo de los ejercicios elaborados por los estudiantes de las Licenciaturas en Administración, Comercio y Mercadotecnia.
Figura 1
Ejemplo de ejercicio sobre el Diagrama de caja.
Este estudio analiza el uso de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja por medio del aprendizaje automático (regresión lineal) con 50%, 60% y 70% de entrenamiento. Por consiguiente, las hipótesis de investigación son:
-
Hipótesis 1: La interfaz sencilla de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja
-
Hipótesis 2: La interfaz rápida de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja
-
Hipótesis 3: La interfaz agradable de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja
Es importante mencionar que la herramienta Rapidminer permite realizar el cálculo del aprendizaje automático (regresión lineal) y la construcción de los modelos predictivos sobre el uso de la aplicación Alcula (Ver Figura 2).
Figura 2
Cálculo del aprendizaje automático por medio de la herramienta Rapidminer.
Por otro lado, los modelos predictivos sobre el uso de la aplicación Alcula en el contexto educativo son:
-
Modelo predictivo 1 sobre la interfaz sencilla de la aplicación Alcula y el proceso educativo sobre el Diagrama de caja
-
Modelo predictivo 2 sobre la interfaz rápida de la aplicación Alcula y el proceso educativo sobre el Diagrama de caja
-
Modelo predictivo 3 sobre la interfaz agradable de la aplicación Alcula y el proceso educativo sobre el Diagrama de caja
Cabe mencionar que la herramienta Rapidminer permite la construcción de los modelos predictivos por medio de la técnica árbol de decisión (Ver Figura 3).
Figura 3
Construcción de los modelos predictivos en la herramienta Rapidminer.
El perfil del estudiante (sexo, edad y carrera) permiten la construcción de los modelos predictivos por medio de la técnica árbol de decisión. Por ejemplo, la Figura 4 muestra la información utilizada en el modelo predictivo 1.
Figura 4
Información del modelo predictivo 1.
Recolección de datos
La Tabla 1 muestra el instrumento de medición utilizado en esta investigación para recolectar la información sobre el uso de la aplicación Alcula en el proceso educativo durante el ciclo escolar 2017.
Análisis de datos
La herramienta Rapidminer permite realizar el análisis de datos sobre el uso de la aplicación Alcula en el proceso educativo por medio del aprendizaje automático (regresión lineal) y la técnica árbol de decisión (ciencia de datos).
3. Resultados
A continuación se presentan los resultados sobre el uso de la aplicación Alcula como herramienta de apoyo en el proceso educativo sobre el Diagrama de caja por medio de la ciencia de datos y el aprendizaje automático.
Interfaz sencilla
La Figura 5 muestra el modelo predictivo 1. Por ejemplo, si el estudiante piensa que la interfaz sencilla de la aplicación Alcula facilita demasiado el proceso educativo y tiene una edad mayor a 23.5 años entonces la aplicación Alcula favorece mucho el aprendizaje del Diagrama de caja.
Figura 5
Modelo predictivo 1 sobre la aplicación Alcula.
La exactitud del modelo predictivo 1 es 76.47% (Ver Figura 6).
Figura 6
Exactitud del modelo predictivo 1.
Los resultados del aprendizaje automático con 50% (0.669), 60% (0.588) y 70% (0.602) de entrenamiento indican que la interfaz sencilla de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja (Ver Tabla 2).
Interfaz rápida
La Figura 7 muestra el modelo predictivo 2. Por ejemplo, si el estudiante es mujer, estudia la carrera de Comercio, piensa que la interfaz rápida de la aplicación Alcula facilita demasiado el proceso educativo y tiene una edad mayor a 20.5 años entonces la aplicación Alcula favorece demasiado el aprendizaje del Diagrama de caja.
Figura 7
Modelo predictivo 2 sobre la aplicación Alcula.
La exactitud del modelo predictivo 2 es 73.53% (Ver Figura 8).
Figura 8
Exactitud del modelo predictivo 2.
Los resultados del aprendizaje automático con 50% (0.499), 60% (0.441) y 70% (0.544) de entrenamiento indican que la interfaz rápida de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja (Ver Tabla 3).
Interfaz agradable
La Figura 9 muestra el modelo predictivo 3. Por ejemplo, si el estudiante es mujer, piensa que la interfaz agradable de la aplicación Alcula facilita demasiado el proceso educativo y estudia la carrera de Mercadotecnia entonces la aplicación Alcula favorece demasiado el aprendizaje del Diagrama de caja.
Figura 9
Modelo predictivo 3 sobre la aplicación Alcula.
La exactitud del modelo predictivo 3 es 76.47% (Ver Figura 10).
Figura 10
Exactitud del modelo predictivo 3.
Los resultados del aprendizaje automático con 50% (0.504), 60% (0.496) y 70% (0.441) de entrenamiento indican que la interfaz agradable de la aplicación Alcula influye positivamente en el proceso educativo sobre el Diagrama de caja (Ver Tabla 4).
Percepciones de los estudiantes
Los alumnos de las Licenciaturas en Administración, Comercio y Mercadotecnia consideran que la aplicación Alcula facilita el proceso de enseñanza-aprendizaje debido a que esta herramienta es fácil de utilizar:
“Sí, es fácil de usar” (Estudiante 21, Masculino, 20 años, Mercadotecnia).
“Sí, por su fácil uso” (Estudiante 8, Masculino, 20 años, Mercadotecnia).
Asimismo, los participantes de la Facultad de negocios destacan que la aplicación Alcula permite realizar los cálculos relacionados con el diagrama de caja de forma rápida y sencilla:
“Sí, porque da resultados rápidos” (Estudiante 26, Femenino, 20 años, Comercio).
“Sí, porque es muy sencilla” (Estudiante 3, Masculino, 20 años, Comercio).
De acuerdo con los universitarios, la aplicación Alcula es una herramienta innovadora debido a que este tipo de aplicaciones no son frecuentemente utilizadas en las actividades escolares:
“Sí, nunca la había usado y es buena” (Estudiante 12, Femenino, 19 años, Administración).
“Sí, ya que es una nueva forma de aprender” (Estudiante 32, Femenino, 20 años, Comercio).
Cabe mencionar que los universitarios piensan que la aplicación Alcula es útil para el proceso educativo debido a que esta herramienta tecnológica permite comprobar los resultados de los ejercicios:
“Sí, nos ayuda a comprobar los ejercicios” (Estudiante 28, Masculino, 24 años, Comercio).
“Nos facilita el proceso de comprobación” (Estudiante 31, Femenino, 19 años, Mercadotecnia).
Resulta valioso mencionar que los estudiantes de las Licenciaturas en Administración, Comercio y Mercadotecnia están satisfechos y motivados de utilizar la aplicación Alcula durante el proceso educativo:
“Sí, te ayuda mucho a entenderlo” (Estudiante 33, Femenino, 20 años, Mercadotecnia).
“Sí, porque me es muy útil” (Estudiante 32, Femenino, 20 años, Comercio).
4. Discusión
Los resultados del aprendizaje automático (regresión lineal) indican que la interfaz rápida, sencilla y agradable de la aplicación Alcula influye positivamente en el proceso de enseñanza-aprendizaje sobre el Diagrama de caja. De hecho, los valores del aprendizaje automático con 50% (0.669), 60% (0.588) y 70% (0.602) de entrenamiento superan al 0.587 para la interfaz sencilla de la aplicación Alcula. Del mismo modo, los resultados del aprendizaje automático sobre la interfaz rápida y agradable superan el valor de 0.440.
Por consiguiente, este estudio mixto comparte las ideas de diversos autores (p.ej., Jamshidifarsani y otros, 2019) sobre el uso de la tecnología en el campo educativo para mejorar las condiciones de enseñanza-aprendizaje. La ciencia de datos permite la construcción de 3 modelos predictivos sobre el uso de la aplicación Alcula en el proceso educativo por medio de la técnica árbol de decisión. Los modelos predictivos 1 (76.47%), 2 (73.53%) y 3 (76.47%) presentan una exactitud superior al 73.52%.
Asimismo, los estudiantes de la asignatura Estadística Básica Aplicada están motivados y satisfechos de emplear la aplicación Alcula durante el proceso de enseñanza-aprendizaje. Por último, los profesores pueden innovar las actividades escolares por medio del uso de las herramientas tecnológicas en y/o fuera del salón de clases.
5. Conclusión
La aplicación Alcula favorece las condiciones de enseñanza-aprendizaje sobre el Diagrama de caja. De hecho, los resultados del aprendizaje automático (regresión lineal) con 50%, 60% y 70% de entrenamiento señalan que la interfaz rápida, sencilla y agradable de la aplicación Alcula influye positivamente en el proceso educativo sobre la estadística. Por otro lado, la técnica árbol de decisión (ciencia de datos) permite construir los modelos predictivos sobre el uso de la aplicación Alcula en el campo educativo por medio del perfil de los estudiantes.
Las limitaciones de este estudio están relacionadas con el empleo de la aplicación Alcula para el proceso educativo del Diagrama de caja. Por consiguiente, las futuras investigaciones pueden analizar el impacto de la aplicación Alcula como herramienta de apoyo para los temas de las medidas de posición y dispersión, el coeficiente de correlación y la regresión lineal.
Por último, la aplicación Alcula es gratuita, está disponible en Internet y representa una alternativa tecnológica para facilitar el proceso de enseñanza-aprendizaje en el campo de la estadística.
Referencias
1. Mesfin, Gebremariam, Ghinea, Gheorghita, Gronli, Tor Morten y Hwang, Wu Yuin. 2018. Enhanced Agility of E-Learning Adoption in High Schools. Educational Technology & Society. Vol. 21 No. 4. Estados Unidos. Págs.157-170. Fuente: https://www.j-ets.net/ets/journals/21_4/14.pdf (Consultado el 12-11-18).
2. Salas Rueda, Ricardo Adán y Salas Silis, José Adán. 2018. Simulador Logic.ly ¿Herramienta tecnológica para facilitar el proceso enseñanza-aprendizaje sobre las Matemáticas? Revista Dilemas Contemporáneos: Educación, Política y Valores. Vol. 5 No. 3, México. Págs.1-25. Fuente: https://www.dilemascontemporaneoseducacionpoliticayvalores.com/edici%E2%99%80n-2013/ano-v-publicacion-no-3-mayo-2018/ (Consultado el 23-11-18).
3. Jamshidifarsani, Hossein, Garbaya, Samir, Lim, Theodore, Blazevic, Pierre y Ritchie James. 2019. Technology-based reading intervention programs for elementary grades: An analytical review. Computers & Education. Vol. 128 No. 1, Estados Unidos. Págs 427-451. Fuente: https://doi.org/10.1016/j.compedu.2018.10.003 (Consultado el 02-12-18).
4. Holland, Alison Anderson. 2019. Effective principles of informal online learning design: A theory-building metasynthesis of qualitative research. Computers & Education. Vol. 128 No. 1, Estados Unidos. Págs 214-226. Fuente: https://doi.org/10.1016/j.compedu.2018.09.026 (Consultado el 01-12-18).
5. Thammasaeng, Patcharapon, Pupat, Phadungchai y Phetchaboon, Sawat. 2016. Needs Assessment of Information and Communication Technology Literacy of Students in Secondary Educational Service Area. International Journal of Emerging Technologies in Learning. Vol. 11 No. 12, Estados Unidos. Págs 9-13. Fuente: https://doi.org/10.3991/ijet.v11i12.5798 (Consultado el 04-10-18).
6. Hewagamage, Champa y Hewagamage, Priyantha. 2015. A Framework for Enhancing ICT Competency of Universities in Sri Lanka. International Journal of Emerging Technologies in Learning. Vol. 10 No. 5, Estados Unidos. Págs 45-51. Fuente: http://dx.doi.org/10.3991/ijet.v10i5.4802 (Consultado el 18-10-18).
7. Jiang, Wenting. 2017. Interdependence of roles, role rotation, and sense of community in an online course. Distance Education, Vol. 38 No. 1, Estados Unidos. Págs 84-105. Fuente: http://dx.doi.org/10.1080/01587919.2017.1299564 (Consultado el 08-11-18).
8. Salas Rueda, Ricardo Adán y Vázquez Estupiñán, Jesús. 2017. Innovación en el proceso educativo superior a través del servicio en la nube Erpag. Revista electrónica calidad en la educación superior, Vol. 8 No. 2, Costa Rica. Págs 62-86. Fuente: http://dx.doi.org/10.22458/caes.v8i2.1917 (Consultado el 24-11-18).
9. Rosaline, Salini y Wesley, Reeves. 2017. Factors Affecting Students' Adoption of ICT Tools in Higher Education Institutions: An Indian Context. International Journal of Information and Communication Technology Education, Vol. 13 No. 2, Estados Unidos. Págs 82-94.
10. Tapia Cortes, Carolina, Navarro Rangel, Yadira y Serna Tuya, Andres Saúl. 2017. El uso de las TIC en las prácticas académicas de los profesores de la Benemérita Universidad Autónoma de Puebla. Revista Electrónica de Investigación Educativa, Vol. 19 No. 3, México. Págs 115-125. Fuente: https://doi.org/10.24320/redie.2017.19.3.1270 (Consultado el 28-11-18).
11. Salas Rueda, Ricardo Adán. 2016. The impact of usable system for regression analysis in higher education. International Journal of Educational Technology in Higher Education. Vol. 13 No. 1, Estados Unidos. Págs.1-10. Fuente: https://doi.org/10.1186/s41239-016-0004-3 (Consultado el 08-11-18).