000			nam a22 7a 4500
999			_c46401 _d46401
005			20210625224222.0
008			210606e2021 ck oa||fsm||| 00| 0 spa d
040			_aCO-NeUS _bspa _erda
041			_aspa
100	1		_9148196 _aPulido Peralta, Karen Vanessa _eaut
245	1	0	_aEstrategia pedagógica mediada por técnicas de Nachine Learning para potenciar la habilidad de pensamiento crítico en procesos académicos y actitudinales / _cKaren Vanessa Pulido Peralta, Carlos Julio Flórez Ardila; Asesor de Tesis Nelsón Obregón Neira
256			_aDatos electrónicos (1 archivos:8749 MG)
264	1		_aNeiva: _bUniversidad Surcolombiana, _c2021
300			_a1 CD-ROM (194 páginas); _bdiagramas, fotografías, tablas o cuadros; _c12 cm
336			_2rdacontent _atxt _btxt
337			_2rdamedia _ac _bcd
338			_2rdacarrier _acd _bcd
347			_2rda _atexto _bpdf
502			_aTesis _bMagíster en Estudios Interdisciplinarios de la Complejidad. _cUniversidad Surcolombiana. Facultad de Ciencias Exactas y Naturales. Maestría en Estudios Interdisciplinarios de la Complejidad. _d2021
520			_a"En esta investigación se explora el uso de técnicas de Machine Learning para el diseño de una Unidad Didáctica en pro de potenciar las habilidades del pensamiento crítico interdisciplinar en procesos académicos y actitudinales. Para eso se tuvo como base la aplicación de dos pruebas estandarizadas, una con el propósito de reconocer la relación del pensamiento crítico con respecto al hábito de estudio (HAPE-ITH). Y, la segunda, cuyo objetivo era caracterizar a la muestra a partir de las habilidades de pensamiento crítico en cinco dimensiones; comprobación de hipótesis, razonamiento verbal, análisis de argumentos, probabilidad e incertidumbre y la toma de decisiones y resolución de problemas (HCTAES-Halpern). Esta última se tomó como parámetro para estructurar y evaluar la eficacia de la Unidad Didáctica que según el estudio longitudinal realizado se efectúa antes y después de ser aplicada, siendo así que esta investigación exploratoria de interdisciplinariedad y complejidad fue de tipo mixta con un enfoque cuasiexperimental de investigación – acción. Como conclusión de esta investigación se tiene que; uno, el algoritmo de clasificación, árbol de decisión bajo el modelo de feature_importances, facilita la predicción de la(s) variable(s) que influye(n) más sobre el problema de estudio sin discriminar la característica socioeconómica y cultural de la población. Dos, el Machine Learning en la Educación es una herramienta que le permite al docente dar solución a problemas educativos de fondo como; los procesos cognitivos y actitudinales y así promover en ellos el aprendizaje significativo. Y, tres, se propone un método adaptable para aplicar a cualquier contexto."
700	1		_9139212 _aFlórez Ardila, Carlos Julio, _eaut
700	1		_970849 _aObregón Neira, Nelson _eths
082	0	4	_221 _aTh MEIC 061
650		0	_9148197 _aComplejidad _xEsgtrategía pedagógica
650		0	_9148198 _aAprendizaje automatizado
942			_2Local _cCD _hTh MEIC 061 _kTh