Design di un questionario per valutare la conoscenza di base delle statistiche degli studenti dall’ultimo corso di ingegneria

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

Articoli

Progettazione di un questionario per valutare le conoscenze di base della statistica degli studenti del corso di ingegneria ultima

Progettazione di un questionario per valutare le conoscenze di base Statistiche di senior Engineering studenti

Esperanza Ayuga-Téllez, Concepción González-García, María A. Grande-Ortiz e Eugenio Martínez-Falo
Gruppo Innovazione educativa in Quantitative tecniche applicate all’ingegneria ambientale. Politecnico dell’Università di Madrid. ETSI MONTE. Città universitaria S / N, 28040 Madrid-Spagna. (E-mail: [email protected]; [email protected])

sintesi

La progettazione di un questionario è presentato per valutare le conoscenze di base di Statistiche per studenti di ingegneria. Il questionario originale includeva un ampio numero di elementi raggruppati con blocchi tematici. Questo è stato proposto a un gruppo di esperti di esperti, formato da nove insegnanti delle statistiche applicate soggetti da diversi gradi di ingegneria nelle università Ibero-American. Questo gruppo di esperti ha valutato le domande sollevate e ha consegnato informazioni preziose per preparare il questionario finale. Il questionario che è proposto include 20 domande distribuite in quattro blocchi tematici: statistiche descrittive, tecniche di campionamento, test di ipotesi e modello lineare generale. Questi blocchi tematici sono coerenti con i risultati di precedenti studi sulla valutazione conoscenza statistica

. Parole chiave: apprendimento, l’ingegneria, statistica, gruppo di esperti

abstract

Il design Di un questionario per valutare la conoscenza delle statistiche di base per gli studenti di ingegneria è presente. Il questionario originale includeva un numero elevato di elementi raggruppati da soggetti. Questo questionario è stato presentato a Panel of Experts, composto da nove insegnanti di statistiche applicate da diverse major ingegneristiche appartenenti alle università Ibero-American. Questo gruppo di esperti ha valutato le domande e ha fornito preziose informazioni per preparare il questionario finale. Il questionario finale proposto include 20 domande divise in quattro argomenti: statistiche descrittive, sampping, test di ipotesi e modello lineare generale. Questi soggetti sono simili ad altri studi presenti in letteratura sulla valutazione delle conoscenze dei concetti di base di statistica

Parole chiave:. L’apprendimento di valutazione, Ingegneria, Statistica, gruppo di esperti

INTRODUZIONE

I processi di misurazione e valutazione sono in particolare alla ricerca di identificare gli effetti, gli impatti e l’efficienza degli investimenti nello sviluppo di progetti o attività specifici (Cardona e Sánchez, 2010). Negli ultimi anni c’è stato un crescente interesse per la valutazione dell’apprendimento su larga scala, che ha permesso una migliore comprensione e la caratterizzazione del rendimento scolastico degli studenti (Maher, 2004, Martínez-Padilla e Pérez-González, 2008; annullare et al., 2010). L’adattamento degli studi universitari per lo Spazio europeo dell’istruzione superiore (EHE) e l’incorporazione dei processi di accreditamento dei gradi e delle istituzioni in Europa, rende necessario ripensare la conoscenza, così come le abilità e le competenze che gli studenti universitari con loro devono acquisire. La valutazione dell’efficienza educativa fornisce informazioni di grande importanza sia per gli istituti di istruzione superiore sia per lo sviluppo di programmi e corsi specifici (Nowatzki, 2004, Bornmann et al., 2006). Tuttavia, la selezione di indicatori appropriati di questa efficienza è un compito difficile, specialmente quando i criteri non sono ben definiti (Praslova, 2010).

La valutazione delle statistiche conoscenza e comprensione sono stati sviluppati in alcuni lavori per i diversi livelli di istruzione (Gardner e Hudson, 1999, Delmas et al., 2007, Diaz e Batano, 2009, Vendramini et al., 2010 ). D’altra parte, le opere pubblicate relative alla valutazione dell’efficacia educativa nell’istruzione superiore sono scarse e la maggior parte a livello nazionale e con un tema molto specifico (E.Ges. Downs, 2006, Damian et al., 2010). Allo stato attuale, il progetto AHELO (OCSE 2010) che consiste nel valutare la performance dei laureati in due discipline è in fase di sviluppo in Europa attraverso un test. La valutazione dei risultati dell’apprendimento si sviluppa attraverso vari test. Alcuni di loro sono applicazioni dei questionari di base di base di ogni disciplina (GNE, 2011).

In particolare, gli studenti di un’università specifica ingegneristici, come la Politecnica University di Madrid (UPM), sono presunti in materiali di base che devono essere verificati per pianificare il contenuto dei programmi nel nuovo curricula. Per questo motivo, gli studi sono di interesse per stabilire conoscenze minime comuni nelle questioni di base che devono essere acquisite per lo sviluppo di attività proprie in ingegneria e architettura (Ayuga et al., 2010a, GNE, 2011).

Le statistiche sono importanti per le sue applicazioni di ingegneria (analisi dei dati, progettazione di esperimenti, controllo dei processi, processi stocastici, affidabilità dei sistemi, …). La conoscenza, in statistiche, che dovrebbe avere una laurea nella sua pratica professionale dipenderà dal lavoro che deve giocare e appare sempre un corso di questo argomento insieme a matematica, chimica o fisica. Ci sono molti riferimenti che possono essere trovati sulla sua importanza nei programmi di ingegneria: a livello di scuole tecniche in Spagna (Peña et al., 1990); Come risultato dei processi di accreditamento, la “probabilità e statistica” è raccolta nello studio del consiglio di amministrazione per l’ingegneria e la tecnologia (ABET) di Kohen, 2001, sulla valutazione e la revisione dei programmi di ingegneria civile. Tra le competenze degli ingegneri sono “la gestione dell’incertezza” e “processo decisionale”, che si basano sulle statistiche (Dym et al., 2005). I requisiti specifici della materia dipendono dal ramo di ingegneria, alcuni riferimenti sono: per Telecommunication Engineering (ARCIO, 2000), ingegneria elettrica (Nagy et al., 2008), ingegneria idraulica (Schwenk et al., 2009).

Per i gradi di nuova laurea in Spagna, RD 1393/2007 che regola gli insegnamenti universitari ufficiali, contempla le statistiche come “la questione di formazione ingegneristica di base”. Pertanto, l’analisi dei contenuti e il loro apprendimento da parte degli studenti della Politecnica dell’Università di Madrid (UPM) acquisisce particolare rilevanza (BOE, 2007). Data la varietà di gradi in questa università, che include tutte le filiali dell’ingegneria, ci sono argomenti di base, che si trovano in tutti i programmi di soggetti di questo argomento, insieme ad altri, più specifici, di applicazione speciale in gradi come ingegneria delle telecomunicazioni. La statistica è presentata con un peso inferiore, come una questione facoltativa, solo nel programma di architettura (Ayuga et al., 2010b).

In questo studio, è stato considerato un questionario per progettare un questionario che soddisfi le questioni fondamentali delle statistiche applicate e che dovrebbero essere comuni a tutti i programmi e dei curricula sviluppati nell’insegnamento dell’ingegneria. Il questionario dovrebbe essere utile per la valutazione della consapevolezza che i laureati dell’UPM dovrebbero avere di questo questione e, in generale, a quelli di qualsiasi università che insegna questo tipo.

Materiali e metodi

>

La metodologia utilizzata in questo lavoro consisteva nell’ottenere un gruppo di esperti (QuiRoga, 2008) che ha valutato un test di conoscenza statistico per i laureati di ingegneria. I risultati sono stati applicati alla progettazione di un questionario di base di base sul campo.

La progettazione dei questionari attraverso i pannelli esperti è comune nella ricerca sulla valutazione delle conoscenze o degli atteggiamenti (Venter, 2008, Kessell et al., 2009, Oloruntegbe et al., 2010, Childress, 2011). Questi pannelli sono formati da un piccolo numero di persone (tra 3 e 15) con un’esperienza ampia nel campo professionale in questione. Questi esperti devono essere molto qualificati nella zona oggetto della valutazione, ed essere riconosciuti e rispettati dai loro pari. L’indipendenza dell’esperto rispetto al programma che valuterà è di grande importanza poiché il valutatore non può mai essere un giudice e parte nella valutazione. I principali vantaggi dell’applicazione di questa metodologia alla valutazione dei questionari di conoscenza sono, fondamentalmente, la profonda conoscenza degli esperti sugli argomenti oggetto della valutazione. Ciò implica una grande credibilità nelle conclusioni e sui risparmi e sui costi del processo di valutazione. Il principale inconveniente di questa metodologia è che gli esperti limitano la loro indipendenza dall’empatia con il resto. C’è anche il pericolo che superano il campo delle loro competenze riconosciute.

Il pannello Esperto è stato costituito con insegnanti delle argomenti “Statistiche applicate” in diverse università e gradi di ingegneria.È stata considerata la possibilità di includere i professionisti dell’ingegneria con un’ampia esperienza lavorativa per completare il pannello, ma era impossibile accedere a una valutazione rappresentativa di questi, disposti a effettuare una tale valutazione. Inizialmente, il questionario è stato riferito a un ampio campione casuale di insegnanti che hanno soddisfatto le caratteristiche richieste e appartenenti a diverse università, compresa la Politecnica dell’Università di Madrid, per evitare pregiudizi nelle risposte. I questionari sono stati inviati via e-mail accompagnata da una lettera di deposito con gli obiettivi di studio, per incoraggiare la partecipazione, poiché il questionario sollevato è ampio, sebbene non abbia bisogno di molto tempo di risposta (circa 15 minuti)

l’esperto Il pannello lo costituiva, infine, nove insegnanti, di cui solo due appartengono alla stessa università, anche se a gradi diversi. Tre di loro impartono statistiche in ingegneria industriale, due in ingegneria delle telecomunicazioni e il resto in agronomia, silvicoltura, computer e in una laurea post-laurea. Non potresti avere professori di ingegneria del gruppo di costruzioni. Dei componenti, tre sono professori di università Ibero-American e il resto delle università spagnole. Inoltre, otto degli esperti inclusi nel pannello sono assegnati all’area della conoscenza delle statistiche e della ricerca operativa e solo una appartiene all’area tecnologica. La composizione del pannello, secondo i suoi componenti o non il titolo di medico, presenta quattro medici in ingegneria, tre in matematica e due in statistiche (Ayuga et al, 2010a). È stato riscontrato che tutti i membri del gruppo di esperti raggiungeranno un coefficiente minimo di concorrenza di 0.8 (García Martínez et al., 2011)

il questionario inviato agli esperti raccolse la maggior parte dei blocchi tematici che vengono insegnati Nei gradi ingegneristici di università spagnoli, esplicitamente o, come nel caso di pratiche con software statistico, all’interno dei temi, con grafici o risultati del programma. Gli otto blocchi tematici inclusi nel pre-test sono stati: statistiche descrittive, probabilità, campionamento e stima, test di ipotesi, modello lineare generale, progettazione di esperimenti, processi stocastici e analisi multivariata. Ogni blocco includeva dieci problemi di tipo di test e il pannello Esperto ha dovuto scegliere quattro di ciascun blocco. In questo caso, gli articoli da valutare erano più del doppio degli elementi necessari in modo che i problemi non importanti o inadeguati possano essere scartati nella valutazione precedente (parmentante e guardiano, 2000).

I problemi erano del tasso di risposta multipli, poiché questi richiedono meno tempo di applicazione e sono facili da rispondere, tasso e in modo affidabile, poiché viene raccolto nei lavori di “Gronlund (1993) effettuano test di realizzazione e valutazioni , NUNNALMENTE (1972) Misurazione educativa e valutazione e babbie (1975) La pratica della ricerca sociale “menzionata da Venter (2008). È stato scelto per costruire elementi con tre possibili risposte e con una singola scelta (Shizuka et al., 2006, furgone da annaffiare et al., 2008). Non c’erano opzioni possibili, alternative come “uno dei precedenti” o “tutto quanto sopra” che è considerato poco compensibile in questo tipo di questionario. Le risposte sono state distribuite in modo casuale, quindi ogni alternativa (A, B, C) è stata rappresentata in modo equilibrato in termini di correzione della risposta (Venter 2008).

In totale, gli esperti dovrebbero valutare 80 problemi. Alcuni di loro di bassa difficoltà, su tipi di valori variabili, centrali, distribuzione della probabilità; e problemi di maggiore difficoltà sulla stima puntuale, la stima per intervalli, i contrasti ipotesi, l’analisi della varianza, la regressione lineare, la regressione multipla o il design dell’esperimento.

I problemi relativi alle statistiche descrittive erano di identificazione dei tipi di variabili (articoli 1 e 2), interpretazione e calcolo delle misure centrali (articoli da 3 a 8) e interpretazione grafica (elementi 9 e 10). Domande sul calcolo delle probabilità incluse nel questionario richiesto per valutare le probabilità di eventi semplici con e senza influenza della variabilità (elementi da 1 a 3), probabilità condizionata (punto 4), modelli di distribuzione-cicli (articoli da 5 a 8), interpretazione da 5 a 8) di funzioni di densità e distribuzione (elementi 9 e 10). Nel blocco sugli argomenti di campionamento e stima, le domande sollevate si riferiscono al calcolo delle dimensioni del campione (elementi 1 e 5), caratteristiche di diversi progetti di campionamento (elementi da 2 a 4 e articolo 6), caratteristiche degli stimatori (Articoli 7 e 8. ) e intervalli di confidenza (elementi 9 e 10).

Problemi relativi ai test ipotetici coperto diversi aspetti generali di contrasti, come la statistica contrasto (articolo 1, 8 e 9), tipi di errori (punto 2), livello di significatività (punti 3 e 4) , Caratteristiche dei contrasti (articoli da 5 a 7 e articolo 10). I problemi sollevati per il soggetto del modello lineare generale, con l’analisi della varianza (punto 1), i coefficienti di correlazione (articoli 2 e 7), utilità modello lineare (punto 3), la selezione del modello (punti 4 e 5), ipotesi del modello (elementi 6, 9 e 10) e dati atipici (punto 8). Nel blocco tematica della progettazione esperimenti, le questioni relative ai concetti di base sono state sollevate (voci da 1 a 3, da 8 a 10 e articolo 5), l’espressione del modello e l’analisi (punti 4 e 6). In Il tema dei processi stocastici, sono fondamentalmente correlati ai concetti di base di questi (articoli da 1 a 6) e con le misure di dipendenza (articoli da 7 a 10). E, infine, le questioni sui dati (punto 1), l’utilità di diverse tecniche (articoli da 2 a 6 e punti 8 e 9), i risultati delle analisi (articoli 7 e 10).

Gli esperti devono valutare Blocchi di questioni specifiche e problemi su tali problemi. L’obiettivo era ottenere un questionario di 20 articoli, al massimo, in modo che non sia eccessivamente noioso. La prima opzione che è stata sollevata agli esperti era scegliere tra i blocchi tematici, indicando l’ordine di preferenza, numerato gli otto blocchi di maggiore importanza per lo sviluppo professionale dell’ingegnere (1 il più importante, 8 meno importante). L’analisi di questi risultati è stata basata sul concetto di gestione preferenziale del processo decisionale (Martínez-Falo et al., 1995). Gli esperti dovrebbero essere sottolineati, all’interno di ciascun blocco, i quattro problemi che considerano più appropriati per valutare la conoscenza delle statistiche applicate che un ingegnere dovrebbe possedere. Questa risposta è stata riassunta da analisi in frequenza (Ayuga et al, 2010b).

La validità del questionario risultante è stata valutata in termini di logica, chiarezza e grado di difficoltà da due insegnanti e due studenti degli ultimi corsi di L’UPM, tutti hanno familiarità con la materia analizzata. Successivamente, il test è stato convalidato applicando il questionario ad un gruppo pilota, con caratteristiche simili alla popolazione di studio, formata da 31 studenti che avevano già completato le statistiche la materia applicato in un programma di UPM.

Risultati

Con le informazioni fornite dai nove esperti è stata costruita una funzione di valore additiva, in cui il valore di ciascun blocco tematico è stato ottenuto dall’ammontare totale del numero dell’ordine assegnato dagli esperti. I minimi della funzione corrispondono all’ordine di importanza; Cioè, più basso il valore più alto è la sua importanza. I quattro blocchi con una funzione di valore sotto il resto sono stati selezionati per elaborare il questionario. Nella Tabella 1, il risultato della funzione valore viene raccolto per otto blocchi tematici

Tabella 1:.. Valori funzione valore per gli 8 blocchi tematici

blocchi

funzione del valore

ordine di importanza

statistica descrittiva

1 o 2

probabilità

Il campionamento e la stima

test di ipotesi (th)

1 o 2

Il modello lineare generale (MLG)

Experiming disegno

processi

analisi multivariata (AM)

le statistiche blocchi e ipotesi prova descrittivo provocato la più importante (funzione valore pari a 23, valore minimo ed uguale in entrambi i casi, quindi è Assigns entrambi i blocchi dello stesso ordine di importanza 1 o 2).I processi e la probabilità sono i blocchi con una funzione di valore più elevato, sebbene gli argomenti corrispondenti alla probabilità siano più tentativi nell’UPM. La figura 1 mostra graficamente la funzione del valore per il set di blocchi.

Fig. 1: funzione valore per i blocchi tematici.

All’interno di ciascun blocco tematico, questioni considerate più appropriate per valutare le conoscenze acquisite dagli studenti, il numero di esperti considerati articoli adeguati Tabella 2 Questi risultati vengono raccolti.

Tabella 2: Numero di esperti selezionati dagli articoli.

Blocchi

elementi

descrittivo

Probabi . LNA

Stima

MLG

MLG

/ p>

Design

Processi

AM

In considerazione di questi risultati, è stato determinato a includere quattro blocchi tematici di 5 articoli per blocco, con un totale di 20 numeri Per questo, gli insegnanti statistici che partecipano allo studio hanno risolto i disegni. I blocchi scelti per il test della conoscenza sono: i) statistiche descrittive; ii) campionamento e stima; iii) test ipotesi; e IV) Modello lineare generale.

Gli elementi relativi alle statistiche descrittive sono stati 3, 7 su 9 e 10 (con punteggi superiori a 5) e tra gli elementi 1 e 2, entrambi correlati all’identificazione dei tipi di variabili e scelti da tre persone da Il pannello Esperto, il 2. Campionamento e stima sono stati selezionati più gli articoli 1, 4, 5 e 10 sono stati segnati, con 6 e 9 (eletti sia da 4 esperti) Articoli relativi alla progettazione di campionamenti e intervalli di confidenza. Ha optato per l’oggetto di progettazione del campionamento. Per quanto riguarda il tema del test dei ipotesi, gli articoli più apprezzati erano 1, 4, 5 e 7. Come nel precedente blocco tematico, gli elementi 2 (errore di tipo I) e il 6 (test chi-quadrato) sono stati eletti sia da 4 esperti; In questo caso, è stato optato per articolo 6. Nel modello generale lineare, gli articoli selezionati dagli esperti erano 1, 3, 4, 5 e 6.

il test di valutazione che viene proposto, seguendo questi Risultati, per valutare le necessarie conoscenze statistiche per l’esercizio di ingegneria professionale è mostrato nelle tabelle da 3 a 6, dove vengono raccolte le questioni sollevate per ciascuna blocco tematica e le opzioni di risposta. Con l’applicazione dell’analisi del questionario al gruppo di insegnanti e studenti per convalidare la chiarezza di esso, non sono state rilevate incongruenze nel test. Quando si analizza i risultati della sua applicazione al gruppo pilota, è stata rilevata una certa confusione nella questione sul calcolo della mediana. Intervistato un gruppo di studenti su detta domanda, l’oggetto è stato modificato nel senso di presentare più chiaramente i dati per il calcolo, con la sua dichiarazione come mostrato nella tabella 3.

Conclusioni

Per la determinazione del grado di conoscenza di base della questione delle statistiche con cui ha laureato dell’UPM, è stato sviluppato un questionario di 20 domande distribuite in quattro blocchi tematici: statistiche descrittive, tecniche di campionamento, test di ipotesi e modello lineare generale . Questi blocchi tematici sono coerenti con i risultati di studi precedenti sulla valutazione della conoscenza statistica Ogni blocco include cinque domande selezionate da un pannello esperto, da un questionario iniziale di 80 articoli. I 20 elementi del questionario sono del tipo di risposta multiplo con una singola risposta corretta di tre possibili. Il questionario è stato convalidato, nei suoi aspetti logici e di chiarezza, con un gruppo pilota di oltre 30 studenti nei corsi in ritardo UPM.

Tabella 3: Domande sulla conoscenza delle statistiche descrittive

In un controllo di qualità, il “numero di viti difettose” è osservato in ciascun batch prodotto, che tipo di variabile statistica è?

a) discreti
b) continua
c) CULIITATIVA

en un proceso industry se mide x = Tiempo (en minutos) de espera de llegada de piezas A La Evasadora, Con Los Siguientes Risultato:

VALORES X

99,5

99,1

53,4

23,8 / p>

9,5

3, 6

2,5

0,87

0,78

frecuencia relativa acumulada

0,995

0,9

0,75

0,5

0,5

0,5

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

IT UNA FÁBRICA DE MOTOSIERRAS SE COMANDA LA LONGITUD DE LA CUCHILLA Y SE HAN OBTENIDO LAS SIGUENESES Mediciones, en centesimetro:

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”, PAREONSARAR LAS FRECUENCIAS DE LOS VALORES DE LA VARIABILE ¿Qué tipo de gráfico semplearía?

a) Diagrak de Barras
B) Gráfico de Sectores
c) Histograma

IT UN ESTUDIIO SOBRE EL “PESO DE LA CARGA DE LOS CAMIONES” QUE Entran en fábrica se ha obtenido la siguiente figure. ¿Qué rappresenta la línea verticale del interior de la caja?

a) la media
b) la mediana
c) la moda

Tabla 4: Cuestiones Relativas A los Conocimientos Relacionados con los Temas de muestreo y stimación

en el cálculo del tamaño “n” muestral, es necesario CONOCER,

a) Er Errore Máximo de muestreo “E” Que se está dispuesto A Aptar y el nivel de confianza α para la stimazione.

b) EL ERROR MÁXIMO DE MUESTREO “E” QUE SE ESTÁ DEPUTISTO A ACTOPAR Y LA DESCIACIÓN TÍPICA DE LA VARIABILE UN ESTUDIAR O ALGúN VALOR OTENTIVA DE LA MISMA.

C) LA DESCIACIÓN TÍPICA DE LA Variabile A Estudiar O Algún Valor Estimado de la Misma, EL ERRORE MÁXIMO DE MUESTREO “E” QUE SE ESTÁ DEPURESTO A ACTORAR Y EL NIVEL DE CONFIANZA Α PARA LA SOGGELLAZIONE.

SABEMOS QUE LA TENSIÓN ARTERIAL DE LA POBLACIÓN AUMSTA A PIRIR DE LOS 60 ANI. PARO STACTAR LA “PRESIÓN ARTERIAL MEDIA” DE LOS INDIVIDUS DE UNA GRAN CIUDAD, SE DEBE ELEGIR UN DISEÑO DE MUESTREO, ¿Cuál?:

a) Aleatorio Semplice
b) estratificado, con diferentes estrotos según la edad.
c) por conglomerados, con conglomerados según el barrio.

It Muestreo Aleatorio SEMPLICE SE DESEA OBTENER EL TAMAÑO DE MUESTRA ADECUADO PARO STACTAR LA “PROPORTIÓN DE VIDRIO POR KILO DE Basura Reciclicable”. La Expresión Que Se Puede Utilizar ES:

chilos

a) con un 95% de Condianza, ERRORE DE ESTIMACIÓN 0,5% y máxima Varianza.
B) Con un 95% de Condianza, errore de stimación 0,005 y mínima Varianza.
c) CON UN 90% de Condianza Errore De Ervimación 0,5 anni Varianza 0,005

PARIALIZAR UN MUESTREO SISTEMICO IT UN TERENO:

a) SE ELIGEN N PUNTO DE MUESTERO AL AZAR SOBRE EL TOTAL DE LA SUPERFICIE.

B) SE SUPERPONE UNA MALLA CON K · NODOS Y SE ESCANO AL AZAR N DE ELLOS, DE TAL FORMA QUE, CADA UNO DE LOS K · N Nodos Tenga La Misma Probabilidad de ser Escogido.

c) Una rete è sovrappostata con n nodi e un punto della superficie è in modo casuale, sovrapponizzando un nodo della maglia in quel punto. I nodi così collocati saranno i punti del campione.

campioni di diametri significa due specie di pini misurati a diverse età: 5, 10, …, 150 anni. Cosa dovrebbe essere usato per calcolare un intervallo di confidenza per la differenza dei diametri tra le due specie?

a) Un intervallo per la differenza media con campioni accoppiati
B) Un intervallo per differenza di mezzi con campioni indipendenti
c) Un intervallo per ogni diammetrico Media

Tabella 5: Problemi relativi ai test di ipotesi

Per applicare un contrasto di ipotesi, la statistica del contrasto deve misurare:

a) La differenza tra H0 e H1
b) La differenza tra campione e H0
c) La differenza tra campione e H1

Tipo I ERRORE è commesso quando:

a) L’H0 è vero
B) L’ipotesi alternativa è vera
c) L’H0 è meno probabile

Il livello di significato del contrasto è lo stesso:

a) a P-Value (livello critico)
b) alla probabilità di commettere a Tipo I
c) Alla probabilità di commettere un errore di tipo II

Se due variabili sono ancora una distribuzione normale, il coefficiente adeguato o rilevare la sua indipendenza è:

a) The τ di Kendall
B) quello di Spearman
c) La correlazione di Pearson

Un contrasto di bontà di adeguamento con l’χ2 deve essere conforme a:

a) Le frequenze osservate devono essere superiori a 5
b) Le frequenze previste devono essere inferiori a 5
c) Le frequenze previste devono essere superiori a 5

Tabella 6: problemi relativi al modello lineare generale

Somma dei quadrati

678,745

6952,76

Qual è l’ipotesi nullo utilizzata nell’analisi della varianza?

a) uguaglianza di varianti tra gruppi
B) uguaglianza tra tutte le medie dei gruppi
c) Vericità del modello

Un semplice modello lineare serve a:

a) Riduci al minimo la relativa dispersione della variabile dipendente.
b) relazioni di modellazione e previsione dei valori di una qualsiasi delle variabili correlate.
c) Trova il rapporto effetto causa tra due variabili

Ne abbiamo due Modelli linearizable che possono essere utilizzati per prevedere il valore di Y. Il modello 1 ha un residuo R2 = 0,87 e mostra l’eterocessante residuo. Il modello 2 ha un R2 = 0,67 ma i rifiuti soddisfano tutti i requisiti. Decido:

a) Utilizzare la linea di regressione, poiché entrambi i modelli sono cattivi.
b) Scegli il modello 1 che ha una maggiore R2.
c) Scegli il modello 2 che soddisfa tutte le ipotesi.

In un modello di regressione, si ottiene la seguente analisi della varianza:

Sorgente

df

Mean square

f-ratio

P-Value

Modello

Residua

678,745

327,023

2.08

0.1505

Mancanza FIT

Errore puro

239,751

334.6

0.72

0,8605

0,8605

Totale (Corr.)

Questi risultati possono essere interpretati come segue:

a) Il modello è cattivo poiché i valori P di Anova sono maggiori di 0,05 .
b) Il modello spiega poca variabilità ma la relazione tra X ed è lineare.
c) Il modello spiega gran parte della variabilità ma la relazione tra X e e non è lineare.

I residui del modello dovrebbero essere: (valori variabili casuali, VA)

a) va con distribuzione n (μ, 1); con “μ = valore costante” e scorretto insieme a B) V.A. Con la distribuzione n (0, σ) con “σ = valore costante” e scorretto con l’altro
c) v.a. con distribuzione n (μ, σ) con “σ = valore costante” e diversa media

Riconoscimenti

Apprezziamo il finanziamento e il sostegno per la realizzazione di questo studio alla qualità, l’accreditamento e l’agenzia potenziale delle università di Madrid (ACAP).

Riferimenti

Aparicio , FM. Linee guida per il miglioramento della qualità nell’insegnamento delle statistiche nell’ingegneria delle telecomunicazioni. Ricerca elettronica e valutazione educativa Magazine, ISSN 1134-4032 (online), 6 (1) 2000. http://www.uv.es/RELIEVE/v6n1/RELIEVEv6n1_2.htm. Accesso: 17 gennaio 2012)

Ayuga-téllez, e.; González-García, c.; Grande-ortíz, m.a.; Reyes-Hernández, B. e García-Ventura, C., argomenti statistici nei gradi di ingegneria UPM. Minuti della Joint International IGIP-SEFI 2010, Trnava, Slovacchia, dal 19 al 22 settembre (2010a).

ayuga-téllez, e.; González-García, c.; Grande-ortíz, m.a.; Reyes-Hernández, B. e García-Ventura, C., Selezione di argomenti di base per la conoscenza delle statistiche in ingegneria. Minuti della Joint International IGIP-SEFI 2010, TRNAVA, SLOVACCHIA, 19-22 settembre (2010b).

boe, bollettino ufficiale dello stato (online) 2007. Royal Decreto 1393/2007, del 29 ottobre, che stabilisce la gestione degli insegnamenti universitari ufficiali. http://www.boe.es/boe/dias/2007/10/30/pdfs/A44037-44048.pdf. Accesso: 12 novembre (2009)

Bornmann, L., S. Mittag e H.-D. Daniel, garanzia della qualità nella meta-valutazione dell’istruzione superiore delle procedure di valutazione multi-stadio in Germania, istruzione superiore: 52 (4) 687-709 (2006).

Cardona, D. M. e J. M. Sánchez. Indicatori di base per valutare il processo di apprendimento negli studenti di educazione a distanza nell’ambiente di e-learning. Formazione universitaria: 3 (6), 15-32 (2010).

Cancels, a.; Sánchez, a.; Gandón, R. e M. J. Rey. Gestione della qualità prima della quota attuale dell’Università in Spagna. Istruzione universitaria: 3 (2), 29-36 (2010).

Childress, M. DECISIONE DETTAGGIO DATA: lo sviluppo e la convalida di uno strumento per misurare le pratiche principali, la rivista accademica Journal, ISSN: 1533-7812 (Online), 9 (2) 2011. http://www.academicleadership.org/article/data-driven-decision-making-the-development-and-validation-of-an-instrument-to-measure-principals-practices. Accesso: 17 gennaio (2012).

Delmas, r;; J. Garfield, A. Ooms e B. Chance. Valutare la comprensione concettuale degli studenti dopo il primo corso in Statistics, Statistics Education Research Journal: 6 (2), 28-58 (2007).

Damián J. S., E. Montes Pauda e L.j. Arellano Mont. Studi di opinione dei datori di lavoro. Strategia per aumentare la qualità dell’istruzione superiore non universitaria. Rivista Ibero-American sulla qualità, efficienza e cambiamento nell’istruzione: 8 (3), 180-203 (2010).

Díaz, C. e C. Batano, conoscenza e Biase degli studenti universitari nel ragionamento condizionale di probabilità condizionale. International Electronic Journal of Mathematics Education, ISSN: 1306-3030 (online), 4 (3), 131-162, 2009. http://www.iejme.com/ /032009/full.pdf. Accedi 16 gennaio (2011).

Downns, c.t. Cosa dovrebbe compensare al segno finale per un corso? Un’indagine sulla performance accademica del primo anno degli studenti delle bioscienti. Valutazione & Valutazione nell’istruzione superiore: 31 (3), 345-364 (2006).

Dym, C.L., A.M., Agogino, O. Eris, D.D. Frey e L.j. Leifer, progettazione di progettazione di ingegneria, insegnamento e apprendimento. Journal of Engineering Education: 94 (1), 103-120 (2005).

García Martínez, V., S.P. Aquino Zúñiga, A. Guzmán Room e A. Medina Meléndez, proposta per lo sviluppo di strumenti di autovalutazione per programmi educativi a distanza, notizie di ricerca sulla rivista elettronica in istruzione, ISSN 1409-4703 (online), 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. Accesso: 18 gennaio (2012).

Gardner, PL e I. Hudson, capacità degli studenti universitari di applicare procedure statistiche, Journal of Statistics Education (Online), 7 (1), 1999. DIV Igienico Accesso: 19 gennaio (2012).

Garfield, J. B., valutando la statistica Restoning. Statistiche Education Research Journal: 2 (1), 22-38 (2003).

Garfield, J. e A. Ahlgren, differenti nel apprendimento dei concetti di base in Probabilità e statistiche: implicazioni per la ricerca, Journal for Research in Mathematics Education: 19 (1), 44-63 (1988).

GNE, Gruppo di esperti nazionali sullo studio di fattibilità AHLO, relazione sui progressi sul filo di ingegneria, 6th Meeting of the Ahelo Gne, Parigi, Francia, 28-29 marzo (2011)

Kessell, JK; G.J., Wingenbach e D.l.Lawver, relazioni tra la fiducia delle istruzione speciale, la conoscenza e i dati demografici selezionati per gli insegnanti degli studenti di educazione agricola. Journal of Agricultural Education: 50 (2) 52-61 (2009).

Koehn, E. Criteri del programma ABET: revisione e valutazione per un programma di ingegneria civile. Journal of Engineering Education, ASEE: 90 (3), 445-455 (2001).

Maher, A. Risultati dell’apprendimento nell’istruzione superiore: implicazioni per il design del curriculum e l’apprendimento degli studenti. Journal of Hospitality, Leisure, Sport e Tourism Education: 3 (2), 46-54 (2004).

Martínez-Falero, E. Y S. González-Alonso. Tecniche quantitative nella pianificazione del paesaggio, Publishers CRC Lewis, 204-235, Boca Ratón, Florida, USA (1995).

Martínez-Padilla, J.H. y j.a. Pérez-González. Efecto de la Trayctoria Académica en El Desempoño de Estudiantes de Ingeniería it Evaluaciones Nacionales. Formación Universitaria: 1 (1), 3-12 (2008)

Nagy, G. Y B. Sikdar. Classificazione e valutazione degli esempi per l’insegnamento probabilità agli studenti di ingegneria elettrica. Transazioni IEEE sull’istruzione: 51 (4), 476-483 (2008).

Nowatzki, e.a. Modello per l’istruzione, la preparazione professionale e la licenza di ingegneri civili. Journal of Professional Problemiss in Engineering Education and Practice: 130 (4), 269-279 (2004).

OCSE, Organizzazione per la cooperazione e lo sviluppo economico, il test di studente e le prestazioni universitarie a livello globale: Ahelo (en Linea) dell’OCSE 2009. http://www.oecd.org/document/22/0, 3746, IT_2649_35961_1_14_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, sviluppo e validazione di strumenti di misurazione della contestualizzazione della scienza tra gli insegnanti della chimica del servizio e della chimica della conservazione dei Malesiani e dei nigeriani. Journal internazionale delle scienze fisiche: 5 (13), 2075-2083 (2010).

Parmenter K Y J. Warle, valutazione e progettazione di misure di conoscenza nutrizionale. J Cutruoso EDUD: 32, 269-277 (2000)

Peña, D., A. Prat Y R. Romero. La enseñanza de la estadística en las escuelas técnicas. Estadística Española: 32 (123), 147-200 (1990).

Praslova, L. Adattamento del modello a quattro livelli di Kirkpatrick dei criteri di formazione per la valutazione dei risultati dell’apprendimento e della valutazione del programma nell’istruzione superiore. Valutazione e responsabilità della valutazione educativa: 22 (3), 215-225 (2010).

QuiRoga Parra, D., Metodología Para Hacer Prospectiva Empresarial en la sociedad de la información y el conocimiento. Revisa Economía Y Administrazione: 70 (70), 25- 44 (2008)

Schwenk, J., F. Hossain Y D.A. HUDDLESTON, strumento di visualizzazione assistito da computer per l’educazione della teoria stocastica nell’ingegneria delle risorse idriche, applicazioni informatiche nell’educazione ingegneristica: 17 (4), 398-411 (2009).

Shaughnessy, J. M., Ricerca in Probabilità e Statistiche: riflessioni e indicazioni. Nel manuale di ricerca sull’insegnamento e sull’apprendimento della matematica, ed. D. A. GROUWS, MACMILLAN, PP. 465-494, New York, USA (1992).

Shizuka, T., O. Takuchi, T. Yashima, Y K. Yoshizawa, un confronto di test inglesi da tre e quattro opzioni per scopi di selezione dell’ingresso universitario in Giappone. Test della lingua: 23 (1), 35-57 (2006)

Van De Watering, G., D. Gijbels, F. DoChy Y J. Van Der Rijt, Preferenze di valutazione degli studenti, Percezioni della valutazione e le loro relazioni per studiare i risultati. Istruzione superiore: 56 (6), 645-658 (2008).

Vendramini, c.m.m., s.o. Nogueira y F. L. Lopes. Le statistiche nell’esame del performance dello studente nazionale brasiliano (Enade) Actas del 8 ° Conferenza internazionale sulle statistiche dell’insegnamento. Lubiana, Eslovenia, 4 Al 6 de Julio (2010).

Venter, I. Costruzione di un test valido e affidabile per determinare la conoscenza sul grasso dietetico di giovani adulti istruiti superiori. South Africa Journal of Clinical Nutrition: 21 (3), 133-139 (2008).

recibido 08, 2011
ACTADO DIC. 13, 2011
Versión Final Recibida ENE. 19, 2012

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *