RESUMENEste trabajo tiene por objetivo presen tar un método de Estadística multivariada llamado Análisis Estadístico Implicativo (ASI) que permite determinar los conoci mientos de los estudiantes (materializados en sus respuestas a distintos ítems de eva luación) así como las relaciones concep tuales que entre ellos establecen los sujetos evaluados. ASI, a diferencia de los métodos clásicos de asociación de variables, permite detectar relaciones del tipo "si p, entonces, casi siempre q", a las cuales se las denomina cuasi-implicaciones o reglas. Estas relacio nes se presentan mediante un "grafo impli cativo" que permite la mejor interpretación de las relaciones mencionadas.Para lograr el objetivo propuesto en este artículo, se utilizó ASI para analizar un ítem de evaluación de una prueba de diag nóstico suministrada a ingresantes a Inge niería Eléctrica, Ingeniería en Agrimensura e Ingeniería en Electrónica al inicio del año lectivo 2017 y se realizó una comparación entre las relaciones detectadas según los alumnos pertenezcan a una u otra carrera.A modo general, se observaron saberes y relaciones conceptuales establecidos por los alumnos que dan cuenta de su escasa evolución del pensamiento aritmético al al gebraico, independientemente de la carrera a la que pertenecen.
Se presenta el análisis a priori de un cuestionario sobre divisibilidad de números enteros, mediante Análisis Estadístico Implicativo. Para realizarlo se construyó una matriz booleana en cuyas filas se consignaron los saberes requeridos para resolver los ítems en evaluación; éstos constituyen las columnas de la matriz Luego se realizó un análisis de similaridad de las variables determinándose cuatro clases de cuasi-equivalencia. Finalmente se construyó el grafo implicativo correspondiente a cada una de ellas a fin de establecer que relaciones de tipo causa-efecto existen entre las variables. Este estudio servirá de referencia para analizar, con la misma metodología, las respuestas de los alumnos que sean evaluados con este instrumento.Palabras clave: Análisis Estadístico Implicativo - Análisis a priori – Divisibilidad - Matriz MAP - Árbol de similaridad - Cuasi-implicaciones.
<p>En este trabajo se realiza un análisis estadístico descriptivo de los errores cometidos por ingresantes a las carreras Ingeniería Eléctrica, Ingeniería en Agrimensura, Ingeniería en Electrónica, Licenciatura en Ciencias Físicas y Licenciatura en Ciencias Químicas al identificar números reales como tales o como elementos de los conjuntos de números naturales, enteros, racionales e irracionales. Se pudo observar elevados porcentajes de errores que dan cuenta de las dificultades de los estudiantes para identificar al 0 como un número racional, entero y no natural, como racionales a aquellos números racionales con infinitas cifras periódicas y como número complejo no real a la raíz cuadrada de un número real negativo. Puede concluirse que los errores cometidos están vinculados a concepciones alternativas de los estudiantes las cuales provienen de hábitos escolares habituales a lo largo de la escolaridad preuniversitaria.</p><p> </p>
<p>En este trabajo se describe el desempeño de los estudiantes que cursaron las asignaturas del plan de estudios de la carrera de Ingeniería en Agrimensura, de la Facultad de ciencias exactas y naturales y Agrimensura de la universidad Nacional del Nordeste (FAcenA-unne), en el periodo 2011-2014. La información del resultado del cursado de dichas asignaturas, se analizó mediante la técnica de datos composicionales. Se observó que las mayores deficiencias en el rendimiento académico se presentan en las asignaturas de ciencias básicas, en las cuales los porcentajes de regularización no superan el 50%. esta situación se registra fuertemente en las asignaturas de primer año del primer cuatrimestre, siendo elevado el porcentaje de alumnos libres por asistencia. esta información permitirá apoyar el proceso de monitoreo de la implementación del plan de estudios, actividad comprometida en el proceso de acreditación de la carrera.</p><p> </p>
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.