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 |