Deseño dun cuestionario para avaliar o coñecemento básico das estatísticas dos estudantes do último curso de enxeñaría

Training University-Vol. 5 nº1-2012, p .: 21-32

Artigos

Deseño dun cuestionario para avaliar o coñecemento básico das estatísticas dos estudantes do último curso de enxeñaría

proxecto dun cuestionario para avaliar o coñecemento de Estatística básica de estudantes de enxeñaría Senior

Esperanza Ayuga-Téllez, Concepción González-García, María A. Grande-Ortiz e Eugenio Martínez-Falo
Grupo Innovación educativa en Quantitative Técnicas aplicadas á Enxeñaría Ambiental. Universidade Politécnica de Madrid. ETSI MONTES. Cidade da Universidade S / N, 28040 Madrid-España. (Correo electrónico: [email protected]; [email protected])

Resumo

O deseño dun cuestionario é presentado para avaliar o coñecemento básico de Estatísticas para estudantes de enxeñería. O cuestionario orixinal incluíu unha gran cantidade de elementos agrupados por bloques temáticos. Isto propúxose a un panel de expertos, formado por nove profesores das estatísticas aplicadas suxeitos a diferentes graos de enxeñaría en universidades iberoamericanas. Este grupo de expertos avaliaron as preguntas levantadas e entregaron información valiosa para preparar o cuestionario final. O cuestionario que se propón inclúe 20 preguntas distribuídas en catro bloques temáticos: estatísticas descritivas, técnicas de mostraxe, probas de hipótese e modelo lineal xeral. Estes bloques temáticos son consistentes cos resultados dos estudos previos sobre avaliación de coñecemento estatístico.

Palabras clave: aprendizaxe, enxeñaría, estatísticas, panel de expertos

Resumo

O deseño Dun cuestionario para avaliar o coñecemento das estatísticas básicas para os estudantes de enxeñaría está presente. O cuestionario orixinal incluíu a gran cantidade de elementos agrupados por suxeitos. Este cuestionario foi enviado ao panel de expertos, composto por nove profesores de estatísticas aplicadas de diferentes maiores de enxeñería pertencentes a Universidades Iberoamericanas. Este grupo de expertos avaliaron as preguntas e proporcionou información valiosa para preparar o cuestionario final. O cuestionario final proposto inclúe 20 preguntas divididas en catro temas: estatísticas descritivas, sampping, proba de hipótese e modelo lineal xeral. Estes suxeitos son similares a outros estudos que se atopan na literatura sobre a avaliación do coñecemento dos conceptos estatísticos básicos.

Palabras clave: avaliación de aprendizaxe, enxeñaría, estatísticas, panel de expertos

Introdución

Os procesos de medición e avaliación están especialmente buscando identificar os efectos, impactos e eficiencia do investimento no desenvolvemento de proxectos ou actividades específicas (Cardona e Sánchez, 2010). Nos últimos anos houbo un crecente interese pola avaliación da aprendizaxe a grande escala, que permitiu unha mellor comprensión e caracterización do logro educativo dos estudantes (Maher, 2004, Martínez-Padilla e Pérez-González, 2008; cancelar et Al., 2010). A adaptación dos estudos universitarios ao Espazo Europeo de Educación Superior (EHE) ea incorporación de procesos de acreditación de titulacións e institucións en Europa, fan que sexa necesario repensar o coñecemento, así como as habilidades e habilidades que os estudantes universitarios con eles deben adquirir. A avaliación da eficiencia educativa proporciona información de gran importancia tanto para as institucións de educación superior como para o desenvolvemento de programas e cursos específicos (Nowatzki, 2004, Bornmann et al., 2006). Non obstante, a selección de indicadores axeitados desta eficiencia é unha tarefa difícil, especialmente cando os criterios non están ben definidos (Praslova, 2010).

A avaliación do coñecemento e comprensión da estatística desenvolveuse nalgún traballo para diferentes niveis educativos (Gardner e Hudson, 1999, Delmas et al., 2007, Díaz e Batano, 2009, Vendramini et al., 2010 ). Doutra banda, as obras publicadas relacionadas coa avaliación da eficacia educativa na educación superior son escasos e a maioría a nivel nacional e cun tema moi específico (e.ges. Downs, 2006, Damian et al., 2010). Na actualidade, o Proxecto Ahelo (OCDE, 2010) que consiste en avaliar o desempeño de titulados en dúas disciplinas está a ser desenvolvido en Europa a través dunha proba. A avaliación dos resultados de aprendizaxe desenvolve a través de varias probas. Algúns deles son aplicacións de cuestionarios de coñecemento básicos de cada disciplina (GNE, 2011).

Especificamente, asúmese aos alumnos dunha universidade específica en títulos de enxeñaría, como a Universidade Politécnica de Madrid (UPM), en materiais básicos que deben verificarse para planificar os contidos dos programas no novo CURRICULA. Por este motivo, os estudos son de interese para establecer coñecementos mínimos comúns en materias básicas que deben ser adquiridas para o desenvolvemento de actividades propias en Enxeñaría e Arquitectura (Ayuga et al., 2010, GNE, 2011).

A materia estatística é importante para as súas aplicacións de enxeñaría (análise de datos, deseño de experimentos, procesos de control, procesos estocásticos, fiabilidade de sistemas …). O coñecemento, nas estatísticas, que deberían ter un posgrao na súa práctica profesional dependerá do traballo que ten que xogar e sempre aparece un curso deste asunto xunto coa matemática, a química ou a física. Hai moitas referencias que se poden atopar sobre a súa importancia nos programas de enxeñería: a nivel de escolas técnicas en España (Peña et al., 1990); Como resultado dos procesos de acreditación, a “probabilidade e estatística” recóllese no estudo da Xunta de Acreditación de Enxeñaría e Tecnoloxía (ABET) de Kohen, 2001, sobre a avaliación e revisión dos programas de enxeñería civil. Entre as competencias dos enxeñeiros atópanse “a xestión da incerteza” ea “toma de decisións”, que están baseadas nas estatísticas (Dym et al., 2005). Os requisitos específicos da materia dependen da rama de enxeñería, algunhas referencias son: para a Enxeñaría de Telecomunicacións (Arcio, 2000), Enxeñaría Eléctrica (Nagy et al., 2008), Enxeñaría Hidráulica (Schwenk et al., 2009).

Para novos graos en España, RD 1393/2007 que regula as ensinanzas universitarias oficiais, contempla as estatísticas como “materia básica de formación de enxeñería”. Polo tanto, a análise dos contidos ea súa aprendizaxe dos alumnos da Universidade Politécnica de Madrid (UPM) adquire relevancia especial (BOE, 2007). Dada a variedade de titulados nesta universidade, que inclúe todas as ramas de enxeñaría, hai temas básicos, que se atopan en todos os programas de materias desta materia, xunto con outros, máis específicos, de aplicación especial en graos como enxeñería de telecomunicacións. A estatística preséntase cun peso máis baixo, como unha materia opcional, só no programa de arquitectura (Ayuga et al., 2010B).

Neste estudo, considerouse un cuestionario para deseñar un cuestionario que cumpre cos problemas básicos das estatísticas aplicadas e que debería ser común a todos os programas e os currículos desenvolvidos na docencia de Enxeñaría. O cuestionario debe ser útil para a avaliación do coñecemento de que os titulados da UPM deberían ter desta materia e, en xeral, aos de calquera universidade que ensina este tipo.

Materiais e métodos

A metodoloxía utilizada neste traballo consistiu na obtención dun panel de expertos (Quiroga, 2008) que evaluou unha proba de coñecemento estatístico para os titulados de enxeñaría. Os resultados foron aplicados ao deseño dun cuestionario de coñecemento básico no campo.

O deseño de cuestionarios a través de paneis de expertos é común en investigación sobre a avaliación do coñecemento ou actitudes (Venter, 2008, Kessell et al., 2009, Oloruntegbe et al., 2010, Childress, 2011). Estes paneis están formados por un pequeno número de persoas (entre 3 e 15) con ampla experiencia no campo profesional en cuestión. Estes expertos deben ser moi cualificados no obxecto obxecto de avaliación e ser recoñecidos e respectados polos seus compañeiros. A independencia do experto con respecto ao programa que avaliará é de gran importancia xa que o avaliador nunca pode ser un xuíz e parte na avaliación. As principais vantaxes da aplicación desta metodoloxía para a avaliación dos cuestionarios de coñecemento son fundamentalmente, o profundo coñecemento dos expertos sobre os temas obxecto de avaliación. Isto implica unha gran credibilidade nas conclusións e aforro de tempo e custos do proceso de avaliación. O principal inconveniente desta metodoloxía é que os expertos limitan a súa independencia por empatía co resto. Tamén existe o perigo de superar o campo das súas competencias recoñecidas.

O panel de expertos constituíuse con profesores da materia “estatística aplicada” en diferentes universidades e graos de enxeñaría.Considerábase a posibilidade de incluír profesionais de enxeñería con ampla experiencia laboral para completar o panel, pero era imposible acceder a unha avaliación representativa destes, dispostos a facer tal avaliación. Inicialmente, o cuestionario foi referido a unha ampla mostra aleatoria de profesores que cumpriron as características necesarias e pertencentes a diferentes universidades, incluíndo a Universidade Politécnica de Madrid, para evitar o sesgo nas respostas. Os cuestionarios foron enviados por correo electrónico acompañados dunha carta de presentación cos obxectivos de estudo, para fomentar a participación, xa que o cuestionario elevado é extenso, aínda que non requiría moito tempo de resposta (aproximadamente 15 minutos)

o experto O panel constituíu, finalmente, nove profesores, dos cales, só dous deles pertencen á mesma universidade, aínda que a diferentes graos. Tres deles imparten estatísticas en Enxeñaría Industrial, dúas en Enxeñaría de Telecomunicacións e no resto en Agronomía, Silvicultura, ordenadores e en posgrao. Non podías ter profesores de enxeñaría do grupo de construción. Dos compoñentes, tres son profesores de universidades iberoamericanas e do resto de universidades españolas. Ademais, os oito dos expertos incluídos no panel están asignados á área de coñecemento de estatísticas e investigación operativa e só pertence á área tecnolóxica. A composición do panel, segundo os seus compoñentes ou non o título de doutor, presenta catro médicos en ingeniería, tres en matemáticas e dúas en Estatística (Ayuga et al, 2010A). Descubriuse que todos os membros do panel de expertos chegarán a un coeficiente mínimo de competencia de 0.8 (García Martínez et al., 2011)

O cuestionario enviado a expertos colleu a maioría dos bloques temáticos que se ensinan Nos graos de enxeñaría de universidades españolas, de forma explícita ou, como no caso de prácticas con software estatístico, dentro dos problemas, con gráficos ou resultados do programa. Os oito bloques temáticos incluídos na proba previa foron: estatísticas descritivas, probabilidade, mostraxe e estimación, proba de hipótese, modelo lineal xeral, deseño de experimentos, procesos estocásticos e análise multivariante. Cada bloque incluíu dez problemas de tipo de proba e o panel experto tivo que escoller catro de cada bloque. Neste caso, os elementos a avaliar eran máis que dobres os elementos necesarios para que os problemas non importantes ou inadecuados sexan descartados na avaliación anterior (parentador e partidoso, 2000).

Os problemas foron da taxa de resposta múltiple, xa que estes requiren menos tempo de aplicación e son fáciles de responder, taxa e de forma fiable, xa que se recolle nas obras de “Gronlund (1993) facer probas e avaliacións de logro , Nunnally (1972) Medición e avaliación educativa e Babbie (1975) A práctica da investigación social “mencionada por Venter (2008). Foi elixido para construír elementos con tres posibles respostas e cunha única elección (Shizuka et al., 2006, Van de rego et al., 2008). Non houbo opcións posibles, alternativas como “calquera dos anteriores” ou “todos os anteriores” que se consideran mencionables neste tipo de cuestionario. As respostas foron distribuídas aleatoriamente, polo que cada alternativa (A, B, C) foi representada de forma equilibrada en termos da corrección da resposta (Venter 2008).

En total, os expertos deben avaliar 80 Problemas. Algúns deles de baixa dificultade, en tipos de valores variables, centrais, distribución de probabilidade; e as cuestións de maior dificultade sobre a estimación puntual, a estimación por intervalos, a hipótese contrasta, a análise da varianza, a regresión lineal, a regresión múltiple ou o deseño de experimentos.

As cuestións relacionadas coas estatísticas descritivas foron de identificación de tipos de variables (artigos). 1 e 2), interpretación e cálculo de medidas centrais (elementos de 3 a 8) e interpretación gráfica (elementos 9 e 10). Preguntas sobre o cálculo das probabilidades incluídas no cuestionario solicitado para avaliar probabilidades de eventos simples con e sen influencia de variabilidade (elementos 1 a 3), probabilidade condicionada (elemento 4), modelos de ciclos de distribución (elementos de 5 a 8), interpretación de funcións de densidade e distribución (elementos 9 e 10). No bloque de temas de mostraxe e estimación, as preguntas suscitadas refírense ao cálculo dos tamaños de mostra (elementos 1 e 5), características de diferentes deseños de mostraxe (elementos de 2 a 4 e elementos 6), características de estimadores (elementos 7 e 8) ) e intervalos de confianza (elementos 9 e 10).

Problemas relacionados coas probas hipotéticas cubertas diferentes aspectos xerais de contrastes, como a estatística de contraste (elemento 1, 8 e 9), tipos de erros (elemento 2), nivel de importancia (elementos 3 e 4) , características de contrastes (elementos de 5 a 7 e un elemento 10). Os problemas suscitados para o tema do modelo lineal xeral incluíron a análise da varianza (elemento 1), coeficientes de correlación (elementos 2 e 7), utilidade modelo lineal (elemento 3), selección do modelo (elementos 4 e 5), hipótese do modelo (elementos 6, 9 e 10) e datos atípicos (Tema 8). No bloque temático do deseño de experimentos, levantáronse temas relacionados cos conceptos básicos (elementos de 1 a 3, de 8 a 10 e elementos 5), sobre a expresión do modelo ea súa análise (elementos 4 e 6). En O tema dos procesos estocásticos, están fundamentalmente relacionados cos conceptos básicos destes (elementos de 1 a 6) e coas medidas de dependencia (elementos de 7 a 10). E, finalmente, as cuestións sobre datos (elemento 1), utilidade de diferentes técnicas (elementos de 2 a 6 e elementos 8 e 9), resultados das análises (elementos 7 e 10).

Os expertos deben avaliar bloques de cuestións e problemas específicos sobre estes problemas. O obxectivo era obter un cuestionario de 20 elementos, como máximo, de xeito que non será excesivamente tedioso. A primeira opción que se levantou a expertos era elixir entre os bloques temáticos, indicando a orde de preferencia, numerou os oito bloques de maior polo menos importancia para o desenvolvemento profesional do enxeñeiro (1 o máis importante, 8 o menos importante). A análise destes resultados foi baseada no concepto de xestión preferente da toma de decisións (Martínez-Falo et al., 1995). Os expertos deben ser sinalados, dentro de cada bloque, os catro cuestións que consideran máis apropiado para avaliar o coñecemento das estatísticas aplicadas que debería posuír un enxeñeiro. Esta resposta foi resumida pola análise de frecuencia (Ayuga et al, 2010b).

A validez do cuestionario resultante foi avaliada en termos de lóxica, claridade e grao de dificultade por parte de dous profesores e dous alumnos dos últimos cursos de O UPM, todos eles familiarizados coa materia analizada. Posteriormente, a proba foi validada aplicando o cuestionario a un grupo piloto, con características similares á poboación de estudo, formada por 31 alumnos que xa completaron a materia estatística aplicada nun programa UPM.

Resultados

Con a información proporcionada polos nove expertos construíuse unha función de valor aditivo, en que o valor de cada bloque temático obtivo o importe total do número de pedido asignado polos expertos. Os mínimos da función corresponden á orde de importancia; É dicir, canto menor sexa o valor máis alto é a súa importancia. Os catro bloques cunha función de valor baixo o resto foron seleccionados para elaborar o cuestionario. Na Táboa 1, o resultado da función de valor recóllese para os oito bloques temáticos.

Táboa 1: valores de función de valor para os 8 bloques temáticos.

bloques

función de valor “>

Orde de importancia

estatísticas descritivas

1 ou 2

Probabilidade

Mostraxe e estimación

proba de hipótese (th)

1 ou 2

O modelo lineal xeral (MLG)

Experiming Design

procesos

Análise multivariante (AM)

Os bloques de estatísticas descritivos e a proba de hipótese resultaron na máis importante (función de valor igual a 23, valor mínimo e igual en ambos casos, polo que se asigna os dous bloques orde de importancia 1 ou 2).Os procesos e probabilidade son os bloques cunha función de maior valor, aínda que os temas correspondentes á probabilidade son dos máis ensinados na UPM. A Figura 1 mostra gráficamente a función de valor para o bloqueo de bloque.

Fig. 1: función de valor para os bloques temáticos.

Dentro de cada bloque temático, as cuestións consideradas máis apropiadas para avaliar os coñecementos adquiridos polos alumnos, o número de expertos considerados elementos adecuados Táboa 2 Estes resultados son recollidos.

Táboa 2: Número de expertos seleccionados polos elementos.

bloques

elementos

descritivo

Probabi .. LNA

Estimación

th th

mlg

Design

Procesos

am

Tendo en conta estes resultados, determinouse a incluír catro bloques temáticos de 5 elementos por bloque, cun total de 20 números Para iso, os profesores estatísticos que participan no estudo resolvían os sorteos. Os bloques escollidos para a proba de coñecemento son: i) Estatísticas descritivas; II) Mostraxe e estimación; III) Proba de hipótese; e IV) modelo lineal xeral.

Os elementos relacionados coas estatísticas descritivas foron de 3, 7 en 9 e 10 (con puntuacións superiores a 5) e entre os elementos 1 e 2, ambos relacionados coa identificación de tipos de variables e escollidas por tres persoas O panel de expertos, o 2. Mostraxe e estimación foi seleccionada máis os elementos 1, 4, 5 e 10 foron marcados, con 6 e 9 (elixidos por 4 expertos) elementos relacionados co deseño de mostraxe e intervalos de confianza. El optou polo elemento de deseño de mostraxe. En canto ao tema da proba de hipóteses, os elementos máis valorados foron de 1, 4, 5 e 7. Como no bloque temático anterior, os elementos 2 (Erro tipo I) e 6 (proba Chi-Square) foron elixidos por 4 expertos; Neste caso, foi óptimo polo elemento 6. No modelo lineal xeral, os elementos seleccionados polos expertos foron de 1, 3, 4, 5 e 6.

A proba de avaliación que se propón, seguindo estes Os resultados, para avaliar o coñecemento estatístico necesario para que o exercicio de enxeñería profesional móstrase en táboas de 3 a 6, onde se recollen os problemas suscitados por cada bloque temático e as opcións de resposta. Coa aplicación da análise do cuestionario ao grupo de profesores e alumnos para validar a claridade dela, non se detectaron inconsistencias na proba. Ao analizar os resultados da súa aplicación ao grupo piloto, detectouse algunha confusión no tema do cálculo da mediana. Entrevistou a un grupo de estudantes sobre esa pregunta, o elemento foi modificado no sentido de presentar máis claramente os datos do cálculo, coa súa declaración como se mostra na táboa 3.

Conclusións

Para a determinación do grao de coñecemento básico da materia de estatísticas coas que ten un posgrao da UPM, desenvolveuse un cuestionario de 20 preguntas distribuídas en catro bloques temáticos: estatísticas descritivas, técnicas de mostraxe, proba de hipótese e modelo lineal xeral .. Estes bloques temáticos son consistentes cos resultados dos estudos previos sobre avaliación de coñecemento estatístico. Cada bloque inclúe cinco preguntas que foron seleccionadas por un panel de expertos, desde un cuestionario inicial de 80 elementos. Os 20 elementos do cuestionario son do tipo de resposta múltiple cunha única resposta correcta de tres posibles. O cuestionario foi validado, nos seus aspectos lóxicos e claros, cun grupo piloto de máis de 30 alumnos en cursos de última hora.

Táboa 3: Preguntas sobre coñecemento de estatísticas descritivas

nun control de calidade, obsérvase o “número de parafusos defectuosos” en cada lote fabricado, que tipo de variable estatística é?

a) discreta
b) continua
c) Cualitativa

en un proceso industrial SE MIDE X = TIEMPO (EN minutos) de Espera de Llegada de Piezas A La Envasadora, con los siguientes Resultados:

valores x

99,5

99,1

53,4

23,8

9,5

3, 6

2,5

0,87

0,78

frecuencia relativa acumulada

0,995

0,9

0,75

0,5

0,25

0,1

0,05

0, 0

El Valor de la mediana es:

a) 23,8
b) 16,65
c) 9,5

en una fábrica de motosierras se controla la longitud de la cuchilla y se han obtenido las siguientes mediciones, en centímetros:

valores x

58,7

60,1

61,5

62,9

64,3

frecuencia absoluta

El Valor de la Media es:

a) 58,95
b) 60,87
C) 62,10

en UN ESTUDIO SE MIDE LA “Profundidad de Suelo”, para representar as frecuencias de los valores de la variable ¿Qué tipo de gráfico se emplearía?

a) Diagrama de barras
b) gráfico de sectores
c) histograma

en un estudio sobre el “Peso de la Carga de los camiones” Que entra en fábrica se ha obtenido la siguiente figura. ¿Que representa a línea vertical do interior da caja?

a) LA Media
b) la mediana
c) la moda

Tabla 4: Cuestiones relacións A Los Conocimientos relacionados con Los Temas de Muestreo y Estimación

En El Cálculo del Tamaño “N” MUESTRAL, ES NECESARIO CONOCER,

a) Erro Oximo de Muestreo “E” que se está dispuesto a Aceptar e o Nivel de confianza α para a estimación.

b) Erro O MÁXIMO DE MUESTREO “E” Que se está dispuesto a Aceptar e a desviación Típica da Variable A Estudiar O Algún Valor Estimado da Mismo.

c) A Desviación Típica da Variable Un Estudiar O Algún Valor Estimado de la Misma, Erro ao erro Máximo de Muestreo “E” que se está dispuesto a Aceptar e o Nivel de Confianza α para a estimación.

Sabemos que a tensión arterial da población Aumenta a Partir dos 60 anos. Para estimar la “presión arterial media” dos individuos de una gran ciudad, se debe elixir un diseño de muestreo, ¿CUÁL ?:

a) Aleatorio simple
b) Estratificado, con diferenzas estratos según la edad.
c) por conglomerados, con conglomerados según el barrio.

en un muestreo Aleatorio Simple SE desea Obtener el Tamaño de Muestra Adecuado para estimar la “Proporción de Vidrio por kilo de basura reciclable”. La expresión que se puede utilizar es:

kilos

a) con un 95% de confianza, Erro de estimación 0,5% y Máxima Varianza.
b) con un 95% de confianza, erro de estimación 0,005 y Mínima Variana.
c) con un 90% de confianza Erro de estimación 0,5 y VarianzA 0,005

para realizar un muestreo Sistemático en un terreno:

a) se Eligen N Puntos de Muestreo Al Azar sobre o total da Superficie.

b) se superpone unha malla con k · n nodos y se escógeno al azar n de ellos, de TAL FORMA QUE, CADA UNO DE LOS K · N NODOS TENGA A MISTA PROBABILIDAD DE SER ESCOGIDO.

c) Unha malla está solapada con n nodos e un punto da superficie é aleatoriamente, superponendo un nodo da malla nese punto. Os nodos colocados así serán os puntos da mostra.

Mostras de diámetros significa dúas especies de piñeiros medidos en diferentes idades: 5, 10, …, 150 anos. Que se debe empregar para calcular un intervalo de confianza para a diferenza de diámetros entre as dúas especies?

a) Un intervalo de diferenza media con mostras emparelladas de b) un intervalo de diferenza de medios con mostras independentes
c) un intervalo para cada diammétrico media

Táboa 5: Problemas relacionados coas probas de hipótese

Para aplicar un contraste de hipótese, a estatística de contraste debe medir:

a) A diferenza entre H0 e H1
b) a diferenza entre a mostra e H0
c) a diferenza entre a mostra e H1

Tipo I erro está cometido cando:

a) O H0 é verdadeiro B) A hipótese alternativa é verdadeira C) O H0 é menos probable

O nivel de importancia do contraste é o mesmo:

a) a P-valor (nivel crítico)
b) á probabilidade de cometer a Tipo i
c) Para a probabilidade de cometer un erro tipo II

Se dúas variables aínda son unha distribución normal, o coeficiente adecuado ou para detectar a súa independencia é:

a) A τ de Kendall
b) aquela de Spearman
C) Correlación de Pearson

Un contraste de bondade de axuste co χ2 debe cumprir que:

a) As frecuencias observadas deben ser superiores a 5 a b) as frecuencias esperadas deben ser inferiores a 5
c) As frecuencias esperadas deben ser superiores a 5

Táboa 6: Problemas relacionados co modelo lineal xeral

suma de cadrados

Suman Square


678,745

6952,76

Cal é a hipótese nula utilizada na análise da varianza?

a) igualdade de variacións entre grupos
b) igualdade entre todas as medias dos grupos
c) Veracidade do modelo

Un modelo simple lineal serve a:

a) Minimizar a dispersión relativa da variable dependente.
b) Relacións de modelado e predicir valores de calquera das variables relacionadas.
c) Buscar a relación de causa-efecto entre dúas variables

Temos dous Modelos Linearizables que se poden usar para predecir o valor do modelo 1 ten un R2 residual = 0,87 e mostra a heterocesante residual. O modelo 2 ten un R2 = 0.67 pero os residuos atópanse con todos os requisitos. Decido:

a) Use a liña de regresión, xa que ambos os modelos son malos.
b) Escolla o modelo 1 que ten maior R2.
c) Escolla o modelo 2 que cumpre todas as hipóteses.

Obtén a análise de varianza seguinte:

fonte

df

F-Ratio

P-valor

Modelo

residual

678,745

327,023

2.08

0.1505

falta de- FIT

Erro puro

239,751

334,6

0.72

0,8605

TOTAL (CORR.)

Estes resultados poden ser interpretados como segue:

a) O modelo é malo xa que os valores P do ANOVA son maiores de 0,05 ..
b) O modelo explica pouca variabilidade, pero a relación entre X e é lineal.
c) O modelo explica gran parte da variabilidade, pero a relación entre X e e non é lineal.

Os residuos do modelo deben ser: (valores aleatorios variables, VA)

a) VA con distribución n (μ, 1); con “μ = valor constante” e incorredido xuntos
b) V.A. Con distribución n (0, σ) con “σ = valor constante” e incorredido entre si
c) V.A. con distribución n (μ, σ) con “σ = valor constante” e diferente media

Recoñecementos

Apreciamos o financiamento e apoio á realización deste estudo á calidade, acreditación e axencia prospectiva das universidades de Madrid (ACAP).

Referencias

Aparicio , FM. Pautas para a mellora da calidade no ensino das estatísticas da enxeñería de telecomunicacións. Revista de investigación electrónica e avaliación educativa, ISSN 1134-4032 (en liña), 6 (1) 2000. http://www.uv.es/RELIEVE/v6n1/RELIEVEv6n1_2.htm. Acceso: 17 de xaneiro (2012)

Ayuga-Téllez, e.; González-García, C.; Grande-Ortíz, M.A.; Reyes-Hernández, B. e García-Ventura, C., temas estatísticos en títulos de ingeniería UPM. Minutos do conxunto internacional IGIP-SEFI 2010, Trnava, Eslovaquia, 19 ao 22 de setembro (2010A).

ayuga-téllez, e.; González-García, C.; Grande-Ortíz, M.A.; Reyes-Hernández, B. E GARCÍA-VENTURA, C., Selección de temas básicos para o coñecemento das estatísticas en ingeniería. Minutos do conxunto Internacional IGIP-SEFI 2010, Trnava, Eslovaquia, 19-22 de setembro (2010B).

BOE, Boletín Oficial do Estado (en liña) 2007. Real decreto 1393/2007, do 29 de outubro, que establece a xestión das ensinanzas universitarias oficiais. http://www.boe.es/boe/dias/2007/10/30/pdfs/A44037-44048.pdf. Acceso: 12 de novembro (2009)

Bornmann, L., S. Mittag e H.-D. Daniel, garantía de calidade en educación superior meta-avaliación de procedementos de avaliación multi-etapa en Alemaña, educación superior: 52 (4) 687-709 (2006).

Cardona, D. M. e J. M. Sánchez. Indicadores básicos para avaliar o proceso de aprendizaxe en estudantes de educación a distancia no ambiente de e-learning. Formación universitaria: 3 (6), 15-32 (2010).

Cancelas, a.; Sánchez, A.; Gandón, R. e M. J. Rey. Xestión de calidade antes da actual dimensión universitaria en España. Educación universitaria: 3 (2), 29-36 (2010).

Childress, M. Decisión de decisión de datos: o desenvolvemento e validación dun instrumento para medir “Prácticas principais, Diario Liderado académico, ISSN: 1533-7812 (en liña), 9 (2) 2011. http://www.academicleadership.org/article/data-driven-decision-making-the-development-and-validation-of-an-instrument-to-measure-principals-practices. Acceso: 17 de xaneiro (2012).

Delmas, r.; J. Garfield, A. Ooms e B. Chance. Avaliando a comprensión conceptual dos alumnos despois do primeiro curso en Estatística, a revista de investigación de Educación de Estatística: 6 (2), 28-58 (2007).

Damián J. S., E. Montes Pada e L.j. Arellano Mont. Estudos de opinión dos empresarios. Estratexia para aumentar a calidade da educación superior non universitaria. Revista Iberoamericana sobre Calidade, Eficiencia e Cambio de Educación: 8 (3), 180-203 (2010).

Díaz, C. e C. Batano, coñecemento dos estudantes universitarios e Biase no razoamento de probabilidade condicional. International Electronic Journal of Mathematics Education, ISSN: 1306-3030 (en liña), 4 (3), 131-162, 2009. http://www.iejme.com/ /032009/full.pdf. Acceso 16 de xaneiro (2011).

downns, c.t. Que debe compensar na nota final dun curso? Unha investigación sobre o rendemento académico dos estudantes de biosciencia do primeiro ano. Avaliación& Avaliación en Educación Superior: 31 (3), 345-364 (2006).

DYM, C.L., A.M., AGOGINO, O. ERIS, D.D. Frey e L.J. Leifer, deseño de deseño de enxeñería, ensino e aprendizaxe. Diario de Enxeñaría Educación: 94 (1), 103-120 (2005).

García Martínez, V., S.P. Aquino Zúñiga, sala de A. Guzmán e A. Medina Meléndez, proposta para o desenvolvemento de instrumentos de autoavaliación para programas educativos a distancia, revista electrónica Research News in Education, ISSN 1409-4703 (en liña), 11 (2) 2011, http://revista.inie.ucr.ac.cr/ediciones/controlador/Article/accion/show/articulo/propuesta-para-el-desarrollo-de-instrumentos-de-autoevaluacion-para-programas-educativos-a-distancia.html. Acceso: 18 de xaneiro (2012).

Gardner, Pl e I. Hudson, a capacidade de estudantes universitarios para aplicar procedementos estatísticos, Diario de Estatística Educación (en liña), 7 (1), 1999. Acceso: 19 de xaneiro (2012).

Garfield, J. B., avaliar a reassonización estatística. ESTATÍSTICA Education Research Diario: 2 (1), 22-38 (2003).

Garfield, J. e A. Ahlgren, diffities en aprender conceptos básicos en probabilidade e estatísticas: implicacións para a investigación, revista para a investigación na educación matemática: 19 (1), 44-63 (1988).

GNE, grupo de expertos nacionais sobre o estudo de viabilidade de Ahlo, informe de progreso sobre a Strand de enxeñaría, 6ª reunión do Ahelo GNE, París, Francia, 28-29 de marzo (2011)

Kessell, JK; G.J., Wingenbach e D.L.Lawver, relacións entre a confianza de educación especial, o coñecemento e os demográficos seleccionados para os profesores de estudantes de educación agrícola. Revista de educación agrícola: 50 (2) 52-61 (2009).

Criterios de programa Koehn, E. Abet: revisión e avaliación dun programa de enxeñería civil. Diario de Enxeñaría Educación, ASEE: 90 (3), 445-455 (2001).

Maher, A. Resultados de aprendizaxe na educación superior: implicacións para o deseño do currículo e aprendizaxe dos estudantes. Diario de Hostalería, Lecer, Deporte e Turismo Educación: 3 (2), 46-54 (2004).

Martínez-Falero, E. Y S. González-Alonso. Técnicas cuantitativas en Planificación Paisaje, Editores CRC Lewis, 204-235, Boca Ratón, Florida, Estados Unidos (1995).

Martínez-Padilla, J.h. y j.a. Pérez-González. Efecto da Trayectoria Académica en El Desempeño de Estudantes de Ingeniería en Evaluaciones Nacionales. Formación Universitaria: 1 (1), 3-12 (2008)

Nagy, G. Y B. Sikdar. Clasificación e avaliación de exemplos para a probabilidade de ensinar a probabilidade de estudantes de enxeñería eléctrica. IEEE Transaccións en Educación: 51 (4), 476-483 (2008).

Nowatzki, e.A. Modelo para a educación, a preparación profesional e a licenza de enxeñeiros civís. Diario de cuestións profesionais en educación e práctica de enxeñaría: 130 (4), 269-279 (2004).

OECD, organización de cooperación e desenvolvemento económico, probas de estudantes e rendemento universitario a nivel mundial: OECD’S AHELO (EN LINEA) 2009. http://www.oecd.org/document/22/0, 3746, en_2649_35961291_40624662_1_1_1_1, 00.html. Acceso: 17 de Enero (2012)

Oloruntegbe, k.o., S.N.A.S. Zamri, R.M. Saat y G.M. Alam, desenvolvemento e validación de instrumentos de medición de contextualización da ciencia entre os profesores de Química Malasia e Nixeria e de conservetas. Diario internacional das ciencias físicas: 5 (13), 2075-2083 (2010).

Parmenter K Y J. Wardle, avaliación e deseño de medidas de coñecemento nutricional. J Nutr Educ: 32, 269-277 (2000)

Peña, D., A. Prat e R. Romero. La Enseñanza de la Estadística en Las Escuelas Técnicas. ESTADÍSTICA ESPAÑOLA: 32 (123), 147-200 (1990).

Praslova, L. Adaptación do modelo de catro niveis de Kirkpatrick de criterios de formación á avaliación dos resultados de aprendizaxe e avaliación do programa na educación superior. Avaliación educativa Avaliación e rendición de contas: 22 (3), 215-225 (2010).

Quiroga Parra, D., Metodología para Hacer Prospectiva Empresarial na Sociedade da Información e Conocimiento. Revista Economía e Administración: 70 (70), 25-44 (2008)

Schwenk, J., F. Hossain y D.A. Huddleston, ferramenta de visualización asistida por ordenador para a educación teórica estocástica en enxeñería de recursos hídricos, aplicacións informáticas en educación de enxeñería: 17 (4), 398-411 (2009).

Shaughnessy, J. M., investigación en probabilidade e estatísticas: reflexións e indicacións. En Manual de Investigación sobre ensino e aprendizaxe de matemáticas, Ed. D. A. Grouws, Macmillan, PP 465-494, Nova York, Estados Unidos (1992).

Shizuka, T., O. Takeuchi, T. Yashima, Y K. Yoshizawa, unha comparación de tres e catro opcións de probas en inglés para fins de selección de ingresos universitarios en Xapón. Probas de idiomas: 23 (1), 35-57 (2006)

Van de rego, G., D. Gijbels, F. DOCHY Y J. VAN DER RIJT, preferencias de avaliación dos estudantes, percepcións de avaliación e as súas relacións para estudar resultados. Educación superior: 56 (6), 645-658 (2008).

Vendramini, C.M.M., S.O. Nogueira e F. L. Lopes. Os elementos de estatísticas do exame de rendemento do estudante brasileiro (ENADE) actas do 8º Conference Internacional sobre as estatísticas docentes. Ljubljan, Eslovenia, 4 al 6 de xullo (2010).

Venter, I. Construción dunha proba válida e fiable para determinar o coñecemento sobre a graxa dietética dos adultos novos máis educados. South African Journal of Clinical Nutrition: 21 (3), 133-139 (2008).

Recibido 08 de novembro de 2011
Aceptado DIC. 13, 2011
Versión Final Recibida ENE. 19, 2012

Deixa unha resposta

O teu enderezo electrónico non se publicará Os campos obrigatorios están marcados con *